本研究では、ミリ波レーダーを使った人間活動認識(HAR)モデルRobHARを提案している。具体的には以下の3つの主要な貢献がある:
疎な点群データから特徴を抽出するためのLight-PointNetベースのグローバル埋め込みモデルを提案した。これにより、スパースで不均一な点群データからも効果的に特徴を抽出できる。
時系列の点群特徴を学習するためのBiLiLSTMモデルを提案した。これにより、時間的な人間活動パターンを正確に捉えることができる。さらに、HMMとCTCを組み合わせた遷移最適化手法を導入し、継続的な人間活動認識の精度と頑健性を向上させた。
提案手法をラズベリーパイに実装し、ミリ波レーダーを搭載した移動ロボットプラットフォームに統合した。これにより、リアルワールドでの柔軟なヘルスケア監視を実現した。
実験の結果、提案手法は既存手法と比べて高い精度と効率性を示し、継続的な人間活動認識においても優れた性能を発揮することが確認された。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문