본 논문은 프라이버시 보호를 고려한 인간 행동 인식(HAR)을 위해 스파이킹 신경망(SNNs)과 이벤트 기반 카메라의 상호작용을 탐구한다. 이벤트 카메라의 움직임 윤곽만 포착하는 특징과 SNN의 시공간 데이터 처리 능력이 이벤트 기반 HAR에 시너지 효과를 낸다. 기존 연구는 SNN의 장기간 시간 정보 처리 능력의 한계를 보였으나, 본 논문에서는 이를 해결하기 위해 시간 세그먼트 기반 SNN (TS-SNN)과 3D 합성곱 SNN (3D-SNN) 두 가지 프레임워크를 제시한다. TS-SNN은 행동을 짧은 세그먼트로 나누어 장기간 시간 정보를 추출하고, 3D-SNN은 2D 공간 요소를 3D 요소로 대체하여 시간 정보 전달을 용이하게 한다. 또한, 고해상도 CeleX-V 이벤트 카메라(1280x800)를 사용하여 수집한 7가지 행동으로 구성된 새로운 데이터셋, FallingDetection-CeleX를 공개한다. 실험 결과, 제안된 프레임워크는 새로운 데이터셋과 다른 세 개의 뉴로모픽 데이터셋에서 기존 최고 성능의 SNN 방법들을 능가하여 이벤트 기반 HAR에서 장기간 시간 정보 처리의 효과를 보여준다.
