論文の概要: mmSense: Detecting Concealed Weapons with a Miniature Radar Sensor
- arxiv url: http://arxiv.org/abs/2302.14625v1
- Date: Tue, 28 Feb 2023 15:06:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 16:07:32.130111
- Title: mmSense: Detecting Concealed Weapons with a Miniature Radar Sensor
- Title(参考訳): mmsense:ミニチュアレーダーセンサーで隠された武器を検知する
- Authors: Kevin Mitchell, Khaled Kassem, Chaitanya Kaul, Valentin Kapitany,
Philip Binner, Andrew Ramsay, Roderick Murray-Smith, Daniele Faccio
- Abstract要約: mmSenseは、人体に隠された金属物の存在を正確に検知できる、エンドツーエンドのポータブルなリアルタイムシステムだ。
mmSenseは、データ取得のためにGoogleのSoliセンサーによって提供されるミリ波レーダー技術と、19ミリ秒で単一のレーダーデータフレームを処理できるリアルタイムニューラルネットワークであるTransDopeを備えています。
- 参考スコア(独自算出の注目度): 2.963928676363629
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For widespread adoption, public security and surveillance systems must be
accurate, portable, compact, and real-time, without impeding the privacy of the
individuals being observed. Current systems broadly fall into two categories --
image-based which are accurate, but lack privacy, and RF signal-based, which
preserve privacy but lack portability, compactness and accuracy. Our paper
proposes mmSense, an end-to-end portable miniaturised real-time system that can
accurately detect the presence of concealed metallic objects on persons in a
discrete, privacy-preserving modality. mmSense features millimeter wave radar
technology, provided by Google's Soli sensor for its data acquisition, and
TransDope, our real-time neural network, capable of processing a single radar
data frame in 19 ms. mmSense achieves high recognition rates on a diverse set
of challenging scenes while running on standard laptop hardware, demonstrating
a significant advancement towards creating portable, cost-effective real-time
radar based surveillance systems.
- Abstract(参考訳): 広く採用されるためには、公共のセキュリティと監視システムは、観察される個人のプライバシーを損なうことなく、正確でポータブルで、コンパクトで、リアルタイムでなければならない。
現在のシステムは、正確だがプライバシーに欠けるイメージベースと、プライバシーを維持するがポータビリティ、コンパクトさ、正確性を欠くRF信号ベースの2つのカテゴリに分類される。
本論文は,個人に隠された金属物体の存在を個別に検出する,エンドツーエンドの小型化システムであるmmSenseを提案する。
mmSenseは、GoogleのSoliセンサーがデータ取得のために提供しているミリ波レーダー技術と、19ミリ秒で単一のレーダーデータフレームを処理できるリアルタイムニューラルネットワークであるTransDopeを備えています。
関連論文リスト
- Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳(メタデータ) (2024-05-07T20:44:48Z) - Vision Guided MIMO Radar Beamforming for Enhanced Vital Signs Detection
in Crowds [26.129503530877006]
本研究では,レーダ内のデジタルビームフォーミングを誘導するために,視覚センサを活用する新しいデュアルセンシングシステムを開発した。
キャリブレーションされた双対システムは、視野内における3次元空間で約2センチメートルの精度を75円×65円で、2メートルの範囲で達成する。
論文 参考訳(メタデータ) (2023-06-18T10:09:16Z) - A Systematic Study on Object Recognition Using Millimeter-wave Radar [1.3192560874022086]
ミリ波(MMW)レーダーはスマート環境において必須である。
MMWレーダーは高価で、コミュニティ向けのスマート環境アプリケーションでは入手が難しい。
これらの課題は、オブジェクトやアクティビティを認識するといったタスクについて調査する必要がある。
論文 参考訳(メタデータ) (2023-05-03T12:42:44Z) - Interpersonal Distance Tracking with mmWave Radar and IMUs [5.520108182364194]
ImmTrackは、ミリ波レーダーと慣性測定ユニットからデータを融合して、ユーザー追跡と距離追跡を同時に行う最初のシステムである。
評価では、ImmTrackによる接触追跡の時間的精度は、プライバシー侵害カメラ監視と類似している。
論文 参考訳(メタデータ) (2023-02-28T15:44:17Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳(メタデータ) (2022-12-31T16:48:43Z) - Drone Detection and Tracking in Real-Time by Fusion of Different Sensing
Modalities [66.4525391417921]
マルチセンサ・ドローン検知システムの設計と評価を行う。
われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。
このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
論文 参考訳(メタデータ) (2022-07-05T10:00:58Z) - Learning to Detect Open Carry and Concealed Object with 77GHz Radar [7.608789301874509]
本稿では,搬送物体検出問題に対して,77GHzmm波レーダを用いた比較的未探索領域に着目した。
提案システムでは, ノートパソコン, 電話, ナイフの3種類の物体を, 空き荷物や隠蔽ケースでリアルタイムに検出できる。
このシステムは77GHzレーダーによる搬送物体の検出を目的とした、他の将来の研究のための最初のベースラインとなる。
論文 参考訳(メタデータ) (2021-10-31T17:33:28Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳(メタデータ) (2021-04-29T10:06:29Z) - Demo Abstract: Indoor Positioning System in Visually-Degraded
Environments with Millimetre-Wave Radar and Inertial Sensors [44.58134907168034]
本研究では,ミリ波レーダと慣性計測ユニット(IMU)データを深部センサ融合により融合する屋内位置決めシステムを提案する。
優れた精度とレジリエンスは、照明の悪いシーンでも見られた。
論文 参考訳(メタデータ) (2020-10-26T17:41:25Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳(メタデータ) (2020-07-28T17:15:02Z)
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。