迈向可现场部署的职业活动识别可穿戴 IMU 系统

arXiv:2610.31160v1 公告类型：新论文 摘要：用于建筑工人人体活动识别（HAR）的可穿戴惯性测量单元（IMU）系统通常报告超过 95% 的总体准确率，但很少采用真正的受试者独立评估（留一受试者法（LOSO）），从而掩盖了决定实际部署性能的个体间差异。基于 VTT-ConIoT 基准，据我们所知，我们首次对该数据集开展了系统性的配置敏感性分析：在统一的 LOSO 协议下，评估六种分类器、五种传感器佩戴位置和三种窗口大小，并开展个性化校准试点研究，以及经过验证的基于表格 GAN 的数据增强与标准时间序列数据增强的比较。对于主要的多传感器、16 类配置，各受试者的 LOSO 准确率介于 61.9% 至 88.7% 之间（平均为 77.5%），相差 27 个百分点，尽管所有数据均在实验室中采集。多传感器融合和更长的窗口均可提高准确率；标准数据增强带来了幅度较小但稳定的提升，而 Conditional Tabular GAN（CTGAN）数据增强反而降低了准确率，且已证实其作用机制与分布保真度有关；个性化校准仅使用表现最差的参与者自身 30% 的数据，就使其准确率回升了 16.8 个百分点。这些发现为职业场景下人体传感器网络的规模化及现场部署提供了基于实证的配置指导。