論文の概要: RF Sensing for Continuous Monitoring of Human Activities for Home Consumer Applications

• arxiv url: http://arxiv.org/abs/2003.09699v1
• Date: Sat, 21 Mar 2020 16:52:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 13:26:19.752397
• Title: RF Sensing for Continuous Monitoring of Human Activities for Home Consumer Applications
• Title（参考訳）: 家電用人的活動の連続モニタリングのためのRFセンシング
• Authors: Moeness G. Amin, Arun Ravisankar and Ronny G. Guendel
• Abstract要約: ホームモニタリングのためのRFセンシングシステムについて報告する。 本システムは,日常生活活動(ADL)を認識し,ユニークな動作特性を検出する。 異なる動きの遷移時間と時間スパンの両方を見つけると、分類が改善される。
• 参考スコア（独自算出の注目度）: 13.353145284926986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radar for indoor monitoring is an emerging area of research and development, covering and supporting different health and wellbeing applications of smart homes, assisted living, and medical diagnosis. We report on a successful RF sensing system for home monitoring applications. The system recognizes Activities of Daily Living(ADL) and detects unique motion characteristics, using data processing and training algorithms. We also examine the challenges of continuously monitoring various human activities which can be categorized into translation motions (active mode) and in-place motions (resting mode). We use the range-map, offered by a range-Doppler radar, to obtain the transition time between these two categories, characterized by changing and constant range values, respectively. This is achieved using the Radon transform that identifies straight lines of different slopes in the range-map image. Over the in-place motion time intervals, where activities have insignificant or negligible range swath, power threshold of the radar return micro-Doppler signatures,which is employed to define the time-spans of individual activities with insignificant or negligible range swath. Finding both the transition times and the time-spans of the different motions leads to improved classifications, as it avoids decisions rendered over time windows covering mixed activities.
• Abstract（参考訳）: 屋内モニタリングのためのレーダーは、スマートホーム、生活支援、医療診断の様々な健康と健康の応用をカバーし支援する、研究開発の新たな分野である。 家庭用モニタリングアプリケーションのためのrfセンシングシステムについて報告する。 本システムは,日常生活活動(ADL)を認識し,データ処理とトレーニングアルゴリズムを用いて独特の動作特性を検出する。 また,翻訳動作(アクティブモード)とインプレース動作(レスティングモード)に分類できる様々な人間の活動を継続的に監視する課題についても検討した。 本研究では,レンジドップラーレーダによって提供されるレンジマップを用いて,これら2つのカテゴリ間の遷移時間を求める。 これは、レンジマップ画像内の異なる傾斜の直線を識別するラドン変換を用いて達成される。 活動が重要でないまたは無視できない範囲の時間間隔において、レーダーリターンマイクロドップラーシグネチャのパワーしきい値は、重要でないまたは無視できない範囲の閾値で個々の活動の時間スパンを定義するために使用される。 異なる動作の遷移時間とタイムスパンの両方を見つけることは、混合アクティビティをカバーする時間ウィンドウ上の決定を避けるため、分類の改善につながる。

関連論文リスト

• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Identifying Human Indoor Daily Life Behavior employing Thermal Sensor Arrays (TSAs) [1.0454158318077296]
  ヒトの生活活動は昼夜監視された。 睡眠活動が優勢であった。 本研究は,TSAが人間の活動を監視する上で最適な選択であることを示した。
  論文  参考訳（メタデータ） (2024-09-13T03:12:10Z)
• CLAN: A Contrastive Learning based Novelty Detection Framework for Human Activity Recognition [3.0108863071498035]
  CLANは、人間の活動認識のための2段階のコントラスト学習に基づく新規性検出フレームワークである。 それは、時間的および周波数的特徴の重要さを含む、人間の活動特性に関する課題に合わせたものである。 4つの実世界の人間活動データセットの実験により、CLANは既存の新規性検出手法の最高の性能を上回っていることが示された。
  論文  参考訳（メタデータ） (2024-01-17T03:57:36Z)
• Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
  無線信号認識は電子戦において重要な機能である。 電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。 ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
  論文  参考訳（メタデータ） (2023-12-15T01:56:27Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Event-based Simultaneous Localization and Mapping: A Comprehensive Survey [52.73728442921428]
  ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。 Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2023-04-19T16:21:14Z)
• Unsupervised 4D LiDAR Moving Object Segmentation in Stationary Settings with Multivariate Occupancy Time Series [62.997667081978825]
  静止センサから記録された4次元LiDARデータにおける非教師なし移動物体セグメンテーション(MOS)の問題に対処する。 教師なしMOSの問題を緩和する時系列に基づく新しい4次元LiDAR表現を提案する。 Raw KITTIデータセットによる静止シーンの実験では、完全に教師なしのアプローチが、教師付き最先端アプローチに匹敵するパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2022-12-30T14:48:14Z)
• Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
  本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。 本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
  論文  参考訳（メタデータ） (2022-05-16T09:34:43Z)
• Motion Detection using CSI from Raspberry Pi 4 [5.826796031213696]
  チャネル状態情報(Channel State Information, CSI)は、低コストで非侵襲的な無線センシング方式である。 Raspberry Pi 4で収集, 処理されたCSIデータを用いた, 自己校正型モーション検出システムを開発した。
  論文  参考訳（メタデータ） (2021-11-17T13:17:02Z)
• Human Activity Recognition from Wearable Sensor Data Using Self-Attention [2.9023633922848586]
  本稿では,身体のセンサデータから行動認識のための自己認識型ニューラルネットワークモデルを提案する。 一般に公開されている4つのHARデータセット、PAMAP2、Opportunity、Skoda、USC-HADについて実験を行った。 ベンチマークテスト対象とLeave-out-subject評価の両方において,最近の最先端モデルよりも高い性能向上を実現している。
  論文  参考訳（メタデータ） (2020-03-17T14:16:57Z)
• ZSTAD: Zero-Shot Temporal Activity Detection [107.63759089583382]
  本研究では,ゼロショット時間的活動検出(ZSTAD)と呼ばれる新たなタスク設定を提案する。 このソリューションのアーキテクチャとして,R-C3Dに基づくエンドツーエンドのディープネットワークを設計する。 THUMOS14とCharadesデータセットの両方の実験は、目に見えない活動を検出するという点で有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-03-12T02:40:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。