Mukhtasir-Khail-Net: Ein ultraschneller Faltungsneuronales Netzwerk zur Erkennung von Sportaktivitäten mit tragbaren inertialen Sensoren

Der derzeit verbreitete Ansatz des Internet of Health and Medical Things beruht darauf, Krankheitsauftreten proaktiv durch die regelmäßige Überwachung körperlicher Aktivitäten von Individuen zu verhindern, wodurch die Erkennung menschlicher Aktivitäten (Human Activity Recognition, HAR) und die Analyse von Verhaltensmustern zu einem zentralen Forschungsfeld werden. Die Erkennung sportlicher Aktivitäten (Sports Activity Recognition, SAcR) stellt eine Untergruppe von HAR dar, die sich auf die Identifizierung athletischer Bewegungen konzentriert. Die drei Hauptmethoden zur Überwachung solcher Aktivitäten sind Computer Vision, Umgebungssensoren und tragbare Sensoren. Bei Betrachtung der Vor- und Nachteile dieser Ansätze erweist sich der Einsatz tragbarer Sensoren als der praktikabelste Weg. In dieser Studie wird Mukhtasir-Khail-Net vorgestellt, ein Modell mit lediglich 651 Parametern, das effizient zusätzliche Schichten nutzt. Bei der Anwendung auf sechs verschiedene Sportarten erreicht das Modell mithilfe von Inertialsensordaten, die von tragbaren Sensoren erzeugt werden, eine beeindruckende durchschnittliche Genauigkeit von 98,865 %. Zur Benchmarking-Zwecken wurde das vorgestellte Modell zudem auf dem WISDM 11-Datensatz evaluiert, einem Human Activity Recognition-Datensatz der Fordham University, wobei eine Genauigkeit von 94,24 % erzielt wurde.