Аннотация. Распознавание повседневной активности (ADL) является основополагающим компонентом систем Ambient Assisted Living (AAL), облегчая непрерывный мониторинг пожилых людей для содействия их благополучию. Точное определение повседневной активности, такой как ходьба, сидение и сон, имеет важное значение для обнаружения отклонений, указывающих на потенциальные риски для здоровья, включая падения. В этом исследовании предлагается усовершенствованный метод повышения точности и надежности распознавания ADL путем включения временной логики и проверки модели. Временная логика эффективно представляет последовательные зависимости активности, в то время как проверка модели обеспечивает соблюдение предопределенных временных ограничений, тем самым повышая надежность системы. Предлагаемая структура интегрирует данные мультимодальных датчиков из носимых устройств и источников окружающей среды для обеспечения обнаружения ADL в реальном времени. Экспериментальные оценки, проведенные на общедоступных наборах данных, демонстрируют точность распознавания 91%, что на 12% превосходит традиционные подходы. Кроме того, проверка модели достигает 94% успеха при проверке временного соответствия. Результаты подчеркивают эффективность предлагаемого подхода в предоставлении структурированного и надежного решения для обнаружения ADL в реальном времени в средах AAL. Будущие направления исследований включают интеграцию методологий глубокого обучения для решения более сложных моделей активности.

Ключевые слова: повседневная деятельность (ADL), поддерживаемая окружающая среда (AAL), временная логика, проверка моделей, автоматизированный мониторинг, системы реального времени.