Visual-HAR: Un modèle de reconnaissance d'activités humaines en temps réel basé sur des capteurs visuels is translated to Visual-HAR: A Real-Time Human Activity Recognition Model Based on Visual Sensors

Le document présente un modèle de reconnaissance d'activités humaines, Visual-HAR, qui utilise des capteurs visuels pour identifier les activités des personnes âgées. L'objectif de Visual-HAR est de détecter avec précision et rapidité si une personne âgée est en danger en reconnaissant ses activités en temps réel. Ce modèle utilise des réseaux de neurones convolutionnels (CNN) et se concentre sur l'amélioration du modèle ConViVit grâce à l'optimisation des hyperparamètres. Les performances des modèles Visual-HAR et ConViVit ont été évaluées à l'aide de trois jeux de données d'actions humaines : NTU RGB+D60, PKU-MMD et PKU-MMD2. Les critères d'évaluation comprenaient à la fois la précision et le temps d'exécution. Les résultats ont indiqué que Visual-HAR surpassait considérablement ConViVit avec une amélioration moyenne des performances de test de 7,41 % et une réduction du temps d'exécution d'au moins 36 %, ce qui est crucial pour la prise de décision en temps réel. Ces résultats mettent en évidence le potentiel de Visual-HAR en tant qu'outil fiable pour la surveillance des personnes âgées.