据国家部委统计，目前全国有2.49亿老年人、4000万失能半失能老年人，而养老护理从业人员仅有30万名，缺口巨大。“十四五”规划关于持续增进民生福祉方面提到“全面推进健康中国建设，人均预期寿命再提高1岁”。如何借助智能服务机器人让老年人安享晚年、减轻子女照顾老人的压力是值得研究的课题。要让服务机器人具备类人认知的能力，实现对人类行为活动的识别、理解以及主动关怀等，则需要解决行为活动识别机理、复杂环境中上下文信息的融合机制等关键科学问题。
近期，我校现代制造技术教育部重点实验室杨观赐教授课题组，围绕多环境传感器数据驱动的人体活动识别，提出了基于传感器状态频率的特征信息贡献显著性分析方法，以用于评价传感器对行为识别的贡献进而筛选出更具显著特征的数据；基于用户活动轨迹的空间渐进变化，提出了基于环境传感器布局的时空约束距离矩阵构建方法，以实现多人交叉活动上下文情境感知。最后，在构建宽卷积神经网络模型的基础上，提出了基于多环境传感器数的人体活动识别方法，克服了活动识别过程中不相关数据的干扰问题，为提高服务机器人的类人活动理解能力提供了手段。
该成果以“Human activity recognition based on multienvironment sensor data”为题发表于一区Top期刊《Information Fusion》(IF =17.564）。贵州大学现代制造技术教育部重点实验室杨观赐教授和省部共建公共大数据国家重点实验室李少波教授为共同通讯作者，2019级博士研究生李杨为第一作者。
本研究得到了国家自然科学基金、贵州省科技计划等项目支持。
文章地址：https://doi.org/10.1016/j.inffus.2022.10.015
