编辑推荐：
人类活动识别（HAR）旨在从真实生活情境中通过多种传感器（涵盖惯性、生物电、光学等多个领域）捕获的一组观测数据中，识别特定用户活动或发现长期模式。其在日常生活中的非侵入性潜力使其成为环境辅助生活（ambient assisted living）最有前景的使能技
人类活动识别（HAR）旨在从真实生活情境中通过多种传感器（涵盖惯性、生物电、光学等多个领域）捕获的一组观测数据中，识别特定用户活动或发现长期模式。其在日常生活中的非侵入性潜力使其成为环境辅助生活（ambient assisted living）最有前景的使能技术之一[1]。用于HAR的传感技术涉及大量研究课题，包括所实现系统的硬件和软件两个方面。在硬件方面，微纳电子学、半导体器件与材料以及通信前端的发展，使得以越来越用户友好的方式开发用于HAR的轻量级、低功耗可穿戴传感器成为可能[2,3,4,5,6,7,8]。从软件角度来看，由于能够对序列数据进行建模并捕获时间序列数据中的时间依赖性，基于递归神经网络（RNN）的深度学习（DL）架构已成为HAR的有用工具[9,10,11,12,13,14,15,16,17]。本期特刊旨在收集涉及HAR系统创新方面的相关论文，包括传感器硬件设计、数据处理的各个阶段（从采集到结果呈现），重点关注能够自动对活动进行分类或识别、或提高所获信息质量的智能算法。因此，研究人员呈现了描述与个体活动相关信号采集以及通过机器学习和人工智能等自动化技术进行数据解释的创新性发展的论文[18,19,20,21,22,23,24,25]。
**研究背景与问题**
人类活动识别（HAR）是环境辅助生活（ambient assisted living）的核心技术，旨在通过多种传感器（如惯性、生物电、光学等）实时捕捉用户活动模式，实现非侵入式监测。然而，现有系统面临三大挑战：第一，传统封闭集识别框架要求训练阶段涵盖所有活动类别，难以适应真实场景中未知活动的出现；第二，可穿戴设备资源受限，需在低功耗、低计算量条件下保持高精度；第三，跨环境、跨用户泛化能力不足，模型重新训练成本高。此外，隐私保护、传感器部署灵活性及长期行为分析的需求也亟待解决。为此，本期特刊（发表于《Sensors》）汇集14篇论文，从硬件设计、信号处理、智能算法及系统集成等角度，探索HAR系统的创新解决方案。
**研究内容与结论**
研究人员通过多项研究，分别在开放集识别、声学特征识别、轻量级神经网络、无线感知、多模态融合及物联网（IoT）框架等方面取得突破。核心结论包括：采用轻量级后处理开放集机制可扩展HAR分类器至未知活动；基于单麦克风的声学水龙头识别系统实现90.6%准确率，支持认知衰退早期检测；LSTM网络在STM32L4微控制器上实现90.25%准确率，满足实时性要求；基于WiFi信道状态信息（CSI）的GRU架构通过剪枝将模型参数减少至0.0578M，计算成本降至0.01 GFLOPs；耳戴式运动传感器在50名受试者中达到98%识别准确率，且对传感器位置不敏感；Wi-CHAR系统通过动态传感器选择与原型权重更新，在跨域场景下实现93.2%平均准确率；基于IoT代理的锻炼促进系统可在1-2周内适应个体偏好；单个2D-LIDAR传感器在隐私保护下实现97.9%活动识别准确率；SkeletonCLIP++框架通过语义增强对比学习提升复杂动作识别能力；惯性测量单元（IMU）结合动态时间规整（DTW）算法在居家康复评估中取得92%分类准确率；调频（FM）无线电信号被动感知通过支持向量机（SVM）实现87.9%姿态识别准确率；基于MediaPipe手部关键点与Transformer的协作机器人物体识别框架需持续适应策略；分布式毫米波MIMO雷达通过特征级融合以98.54%准确率实现方向无关的跌倒检测；最后，一篇视角论文提出HAR系统生命周期框架，强调定制化与持续演进的重要性。
**主要关键技术方法**
研究人员采用以下关键技术：1）开放集识别框架：基于轻量级后处理机制（如高斯混合模型、核密度估计）在logit空间识别未知活动，无需修改模型架构；2）声学特征提取：将环境音频转换为时频频谱图，通过卷积神经网络（CNN）在时域和频域进行特征学习；3）轻量级深度学习：采用LSTM、GRU网络结合注意力机制，并应用剪枝技术压缩模型，用于可穿戴设备及WiFi CSI信号处理；4）无线感知：利用调频无线电信号或WiFi信道状态信息，通过多普勒频移、微多普勒特征提取及聚类算法实现被动环境感知；5）多模态融合：结合IMU、2D-LIDAR、相机及毫米波雷达，通过特征级融合或对比学习增强语义对齐；6）物联网系统架构：基于代理的IoT设计，结合用户反馈循环实现个性化推荐与自适应调整。
**研究结果**
1. **开放集HAR框架**：采用“留一活动验证”协议，在智能眼镜IMU数据集上，利用最大logit、OpenMax等方法实现ROC曲线下面积>0.8，证明低复杂度开放集方法适用于资源受限可穿戴设备。
2. **声学水龙头识别**：单麦克风捕获环境声，通过语音转换和卷积处理，在四种浴室设备（马桶、坐浴器、淋浴、洗手池）上达到90.6%准确率，支持同时使用识别及时长测量。
3. **动态手势分类**：基于LSTM网络在STM32L4微控制器上处理3轴加速度计数据，20种手势识别准确率90.25%，推理时间418ms，仅占用约25%可用内存，满足实时低功耗要求。
4. **WiFi CSI手势识别**：单层GRU结合自注意力机制，经剪枝后模型参数从252.10M降至0.0578M，计算成本从18.06 GFLOPs降至0.01 GFLOPs，数据增强缓解过拟合，消融实验验证剪枝策略有效性。
5. **耳戴式运动传感器**：在50名健康受试者日常活动（躺、坐/站、走、爬楼梯、跑）中，深度学习模型达98%准确率，对传感器位置和方向鲁棒，无需校准。
6. **Wi-CHAR跨域HAR系统**：动态WiFi传感器选择策略与MF-DBSCAN聚类纠正异常数据，Re-PN模块动态更新特征原型权重，在真实多WiFi链路环境中以有限训练数据实现93.2%跨域识别准确率。
7. **IoT锻炼促进系统**：基于代理的IoT架构监控用户活动与环境，个性化推荐经1-2周适应用户偏好，实验证实可提升锻炼动机，成本低廉。
8. **2D-LIDAR隐私保护识别**：在4名受试者数据中，VGG16模型实现人员识别准确率89.7%，活动识别准确率97.9%，有效保护隐私。
9. **SkeletonCLIP++框架**：引入加权帧集成、对比样本识别及BERT文本编码器，在三个公开数据集上持续提升性能，尤其在小数据集上效果显著，增强语义对齐。
10. **居家康复评估**：腕戴IMU记录功能任务，动态时间规整（DTW）算法结合治疗师标注，正确与代偿动作分类准确率92%，F1-score 0.95，支持远程监测。
11. **FM无线电被动感知**：软件定义无线电测试台在FM频段采集数据，支持向量机（SVM）结合径向基核函数（RBF）达到87.9%准确率、93.9%特异性，无需用户佩戴设备。
12. **协作机器人物体识别**：MediaPipe Hands提取手部关键点，CNN与Transformer对比，在跨用户/跨会话泛化中面临挑战，需持续适应与个性化策略。
13. **分布式毫米波MIMO雷达**：两个正交单基地雷达捕获微多普勒特征，特征级融合后SVM分类，在6名受试者超过1350次试验中，方向无关识别准确率98.31%-98.54%，较单雷达提升约6%。
14. **HAR系统生命周期框架**：提出设计、部署、持续改进的阶段性框架，结合数据驱动方法实现最小监督下的自适应，识别关键技术挑战，为下一代智能家居HAR系统提供指导。
**总结与讨论**
讨论部分指出，尽管各研究在特定场景下取得显著进展，但HAR系统仍面临跨用户泛化、环境适应性、长期稳定性及隐私保护等挑战。未来应关注模型持续学习、个性化适配及多模态融合策略。研究结论强调：本期特刊汇集了智能传感技术在HAR领域的14项创新成果，涵盖从硬件设计到算法优化的全链条，展现了可穿戴传感器、无线感知、深度学习及物联网系统的协同发展潜力，为环境辅助生活、健康监测及人机交互等应用提供了实用参考。
