摘要
用于训练可穿戴惯性测量单元（IMU）活动识别模型的带标注参考数据，通常在实验室中采集，这难以真实反映现实世界中的运动，且往往使用视频，存在隐私问题并难以适用于长时录音录像。本研究评估了一种新颖的人机协同标注框架，其中由IMU推导生成的骨骼动画经过人工评审员审阅以生成活动标签。八名参与者在模拟生活环境中执行72项功能性任务，同时佩戴IMU，并同步采集视频作为参考标准。对其中五名参与者的数据进行了分析。两名评审员分别对IMU动画和视频录像进行标注，并在详细标签集和简化的四类分类体系下比较了评审员内部和评审员之间的一致性。以视频标注作为参考标准，详细标签集下评审员内部的宏平均F1值为61.9 ± 13.5%（Cohen's κ = 0.67 ± 0.12），简化分类体系下为78.0 ± 11.5%（κ = 0.74 ± 0.13）。在排除标注为状态转换的样本后的敏感性分析中，宏F1值分别为69.4 ± 10.9%和92.8 ± 5.3%。对于详细标签集，评审员之间在标注动画时的一致性低于标注视频时（动画：κ = 0.51 ± 0.06；视频：κ = 0.72 ± 0.02）。评审员之间分歧的主要来源在于状态转换的标注，这在一定程度上反映了其端点定义本身的模糊性。这些研究结果支持将骨骼动画审阅作为一种潜在的隐私保护方案，作为视频标注的替代方式，用于在模拟生活环境中生成参考标签；但仍需在自由生活场景录像中对重建的运动学进行验证。
