본 논문은 프라이버시 보호 인간 행동 인식(HAR)을 위해 첨단 신경망(SNN)과 이벤트 기반 카메라의 상호작용을 탐구합니다. 이벤트 카메라의 움직임 윤곽만 포착하는 특징과 SNN의 시공간 데이터 처리 능력은 이벤트 기반 HAR에 시너지 효과를 냅니다. 하지만 기존 연구는 정확한 HAR에 필수적인 장기간의 시간 정보 처리 능력의 한계를 가지고 있었습니다. 이를 해결하기 위해, 본 논문은 시간 구간 기반 SNN (TS-SNN)과 3D 합성곱 SNN (3D-SNN)이라는 두 가지 새로운 프레임워크를 제시합니다. TS-SNN은 행동을 짧은 구간으로 나누어 장기간의 시간 정보를 추출하고, 3D-SNN은 2D 공간 요소를 3D 요소로 대체하여 시간 정보 전달을 용이하게 합니다. 또한, 고해상도 CeleX-V 이벤트 카메라(1280x800)를 사용하여 수집된 7가지 행동으로 구성된 새로운 데이터셋인 FallingDetection-CeleX를 제작하여 이벤트 기반 HAR 연구를 위한 발전에 기여했습니다. 실험 결과, 제안된 프레임워크는 새롭게 수집된 데이터셋과 다른 세 개의 뉴로모픽 데이터셋에서 최첨단 SNN 방법들을 능가하며, 이벤트 기반 HAR에서 장기간 시간 정보 처리의 효과를 보여줍니다.
