본 논문은 고령화 사회에서 증가하는 독거노인의 안전과 지원을 위해 주택 내 지속적인 모니터링 및 지원을 제공하는 Ambient Assisted Living (AAL) 기술에 초점을 맞추고 있습니다. AAL 기술에서 중요한 역할을 하는 행동 인식은 낙상, 이동성 저하, 건강 악화의 징후가 될 수 있는 비정상적인 행동을 감지하는 데 사용됩니다. 하지만 실제 AAL 응용 분야에서의 행동 인식은 폐색, 노이즈 데이터, 실시간 성능 요구 사항과 같은 어려움을 안고 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 정확성, 노이즈 및 폐색에 대한 강건성, 계산 효율성을 향상시키는 세 가지 주요 요소(적응형 시간 가중치(ATW), 깊이 분리 가능 합성곱(DSC), 데이터 증강 기법)를 포함하는 강건하고 효율적인 시간적 합성곱 네트워크(RE-TCN)를 제시합니다. RE-TCN은 NTU RGB+D 60, Northwestern-UCLA, SHREC'17, DHG-14/28 등 네 개의 벤치마크 데이터셋에서 기존 모델보다 정확성, 노이즈 및 폐색 강건성 측면에서 우수한 성능을 보였으며, 코드는 공개적으로 제공됩니다.
