Résumé

Aujourd’hui, la reconnaissance fine des activités humaines (HAR, pour Human Activity Recognition) suscite un vif intérêt chez les chercheurs en raison de ses applications dans des domaines tels que la santé, la sécurité, le sport et les environnements intelligents. Dans cet article, nous donnons un bref aperçu des approches de l’état de l’art en matière de reconnaissance fine des activités humaines. Nous discutons également des caractéristiques, des complexités et de la rareté des jeux de données inertiels relatifs aux activités à granularité fine et grossière. Pour atténuer cette rareté, nous constituons notre propre jeu de données inertiel, composé de 17 participants réalisant 4 tâches à granularité fine tout en interagissant avec un capteur à centrale inertielle (IMU) intégré dans un objet solide. Nous testons ensuite sur le jeu de données collecté les classifieurs d’apprentissage automatique les plus couramment utilisés (par exemple kNN, XGBoost) et présentons les résultats. Enfin, nous démontrons la nécessité d’une nouvelle approche pour traiter la reconnaissance des activités à granularité fine et nous exposons nos futures orientations de recherche dans ce contexte.