Aktivitätserkennung mithilfe von ST-GCN mit 3D-Bewegungsdaten

Für die Nurse Care Activity Recognition Challenge entwickelte das Team TDU-DSML einen Aktivitätsrekognitionsalgorithmus. Zur Verarbeitung der 3D-Bewegungsaufzeichnungsdaten im Rahmen des Challenge-Datensatzes wurde ein räumlich-zeitlicher Graph-Convolutional Network (ST-GCN) eingesetzt. Die Zeitreihendaten wurden in 20-Sekunden-Abschnitte mit einer Überlappung von 10 Sekunden unterteilt. Anschließend wurde ein Erkennungsmodell mit einem baumförmigen Graphen erstellt. Die Vorhersageergebnisse wurden auf der Basis einer Mehrheitsentscheidung aus den einzelnen Segmentausgaben in einminütige Abschnitte aggregiert. Das Modell wurde mittels der Leave-One-Subject-Out-Cross-Validation-Methode evaluiert und erreichte eine durchschnittliche Genauigkeit von 57 % über alle sechs Testpersonen.