锡根大学本次发布的数据集HARMES，HARMES是由德国锡根大学和波恩大学联合推出的多模态可穿戴人类活动识别数据集，首次整合了腕部惯性测量单元（IMU）、大气环境传感器（湿度/温度/压力）和音频三种传感模态。该数据集包含20名参与者在家庭环境中执行的15类日常活动，总时长超过80小时，其中标记活动数据达61小时，每条记录包含141次独立活动重复。数据采集通过双腕佩戴智能设备实现，涵盖烹饪、清洁等复杂动作的异构传感信号。作为当前最大的腕部惯性-声学-环境传感联合数据集，其核心价值在于解决单一运动模态对相似活动（如洗手与刷牙）的识别模糊性问题，为医疗监护、智能家居等领域的多模态算法研究提供基准资源。
详情页内容：
_1769672084863.jpg)