초록
행동 인식은 행동 수행 방식에 큰 변동성이 존재하기 때문에 여전히 도전적인 과제로 남아 있다. 이러한 문제를 해결하기 위해 우리는 계층적 동적 모델(Hierarchical Dynamic Model, HDM)이라는 확률적 모델을 제안한다. 베이지안 프레임워크를 기반으로 하여, 모델의 파라미터는 데이터 시퀀스에 따라 변화할 수 있도록 하여, 행동의 공간적 및 시간적 범위 내에서의 클래스 내 변동성에 대한 적응 능력을 향상시킨다. 동시에 생성적 학습 과정을 통해 각 행동 클래스에 고유한 동적 패턴을 유지할 수 있다. 베이지안 추론을 통해 분류에 대한 불확실성을 정량화할 수 있으며, 이는 의사결정 과정에서 중요한 통찰을 제공한다. 최신 기술 대비, 본 연구의 방법은 개별 데이터셋 내에서 경쟁 가능한 인식 성능을 달성할 뿐만 아니라, 다양한 데이터셋 간의 일반화 능력에서도 우수한 성능을 보였다. 누락된 값이 포함된 데이터에 대한 실험을 통해 제안된 방법의 강건성도 확인되었다.