الملخص

تستعرض هذه الدراسة بشكل منهجي أحدث التطورات في مجال التعرف على الأنشطة البشرية (Human Activity Recognition – HAR) باستخدام تقنيات التعلم العميق، والتي تُعد عنصرًا أساسيًا في تحسين التفاعل بين الإنسان والآلة في تطبيقات متعددة مثل الرعاية الصحية، والمراقبة، والبيئات الذكية. تعتمد الدراسة على تحليل منهجي للأبحاث العلمية المحكمة المنشورة خلال الفترة من 2014 إلى 2024، بهدف تتبع تطور تقنيات التعرف على الأنشطة البشرية من الأساليب التقليدية إلى نماذج التعلم العميق المتقدمة. كما تقدم المراجعة عرضًا شاملًا لمجموعات البيانات المستخدمة في أنظمة HAR المعتمدة على الرؤية الحاسوبية والمستشعرات، إلى جانب استعراض معماريات النماذج العميقة مثل الشبكات العصبية الالتفافية (CNN)، والشبكات العصبية التكرارية (RNN)، وشبكات الذاكرة طويلة وقصيرة الأمد (LSTM)، والنماذج الهجينة. تشير النتائج إلى وجود توجه متزايد نحو أنظمة HAR المعتمدة على المستشعرات، نظرًا لمرونتها وطبيعتها غير التدخلية عند استخدام المستشعرات القابلة للارتداء أو المحيطية. بالإضافة إلى ذلك، توضح الدراسة قدرة نماذج التعلم العميق على معالجة البيانات المعقدة وغير المهيكلة، مما أدى إلى تحسينات ملحوظة في دقة التعرف على الأنشطة. كما تحدد هذه المراجعة عددًا من التحديات البحثية والاتجاهات المستقبلية، مثل قضايا خصوصية البيانات، وتعزيز قابلية تعميم النماذج، وتحسين كفاءة النماذج لتناسب العمل على الأجهزة ذات الموارد المحدودة. وبشكل عام، تقدم هذه الدراسة تحليلًا شاملًا لمجموعات البيانات والمنهجيات واتجاهات الأداء، مما يوفر رؤى علمية قيمة وخارطة طريق واضحة للأبحاث المستقبلية في مجال التعرف على الأنشطة البشرية.