近年、ショッピングモールなどの大規模な屋内施設内の人々の行動や位置を把握することが求められています。 しかし、現在の行動認識および位置推定システムでは、 エリア全体に分散された多くのセンシングデバイス（カメラ、Wi-Fiアクセスポイント、Bluetooth Low Energyビーコンなど）が必要であるため、コストがかかります。 そのため本論文では、スマートフォンのセンサー（加速度計とジャイロスコープ）のみを使用して人の活動を決定するための初期の低コストシステムを提案します。 結果は、LSTMネットワークを使用して、3つのアクティビティ（座る/立つ/歩く）と6つのモード（スイング/ハンドリング/コーリング/ポケット/ハンドバッグ/バックパック）を83.2％の精度で分類しました。

For years, behavior understanding has been a hot topic in the field of computer vision. As an important part of human behavior understanding, pose estimation has attracted lots of interests. Recently, deep learning methods, such as Mask R-CNN, have achieved much better performance for computer vision tasks than that of traditional approaches, as deep neural network can find representative features efficiently. For pose estimation, most of the deep learning approaches mainly focus on the joint feature. However, this feature is not sufficient, especially when the pose is occluded or not intact. In fact, many features other than joint can also contribute to pose estimation, such as body boundary, body orientation and visibility condition. By adopting multi-task strategy, these features can be efficiently combined inside deep learning model for pose estimation. In this paper, we present a multi-task pose estimation approach to deal with human behavior understanding. Our deep learning model is based on Mask-RCNN, of which the output contains 4 tasks: human keypoint prediction, body segmentation, orientation prediction and mutual occlusion detection.