摘要：研究员开发出了一种新的方法，通过可穿戴相机收集的四万多张图片，他们教会了计算机“观察”并理解人类的日常生活。
交互计算学院以及机器人智能研究院的研究员开发出了一种新的方法，使计算机能够“观察”并理解人类的日常生活行为。
该技术通过可穿戴相机每30s~60s采集一张测试者的第一人称视角图像，经过6个月累计收集了40000多张图片，计算机利用这些图片能够预测测试者所进行的活动，准确率高达83%。
研究人员教会计算机把这些活动分为19个类别。配备相机的被测对象在每天采集结束时可以浏览并标记图片（删除涉及隐私的图片），以确保它们被正确分类。
“该方法能够将图片正确分类，经过对两天的图片标注即可推广到对另一个人的日常行为的预测，对此我们感到很惊讶。”，Steven Hickson说道，他是计算机科学博士，并且是该项目的首席研究员。
“该研究有助于开发一种更好地理解人类活动的方法，并构建一个能够在一定细节上识别人类活动的系统。”Edison Thomaz说道，他是交互计算学院的助理研究员。“像Fitbit这样的运动跟踪设备，可以告诉你每天跑了多少步，但想象一下能够追踪你所有日常活动的设备--而不仅是散步和跑步这样的锻炼。该研究旨在追踪并收集人们所有的日常活动信息。从技术层次来说，我们只用计算机视觉技术就能实现。”
该研究团队认为，通过收集最大的第一人物视角图片的注释数据集，可以证明深度学习技术能够帮助计算机理解人类行为以及具体某个人的习惯。
Daniel Casto是一名计算机科学博士，并且是该项目的首席研究员，他在本月初于日本大阪召开的2015年度普适计算大会上（UBICOMP），展示了该方法，他说会议参与者们对该研究表示了肯定。
“人们偏爱那些能够整合时间与图片数据的方法，”Castro说道。“时间数据对于一些活动尤其重要。该系统通过学习理解哪些图片在人类日程表中是相关的。该系统从图片了解哪些信息？它计算出时间与图片的所有相关性，从而做出更好的预测。”
这种理解并识别人类活动的能力可以应用在许多场合--如改进像Siri这样的人工助理，以及帮助研究人员理清/探究健康与行为之间的联系，Thomaz说道。
Castro和Hickson认为在未来几年内，这些无所不在的智能设备能够帮助人们优化日常生活中的选择。
“想象一下如果一个设备能够预测我接下来要做的事并推荐一些方案供我选择？”Castro说道。“一旦设备通过了解你日常行为而建立起你的日程安排，它或许就能够在你准备出门时通知你有交通堵塞，提醒你应该提前出发或换一条路线。”
翻译：许镇义
审稿：林然
内容源：http://www.sciencedaily.com/releases/2015/10/151009155425.htm
留言