論文の概要: Smart Pressure e-Mat for Human Sleeping Posture and Dynamic Activity Recognition

• arxiv url: http://arxiv.org/abs/2305.11367v2
• Date: Wed, 20 Nov 2024 02:47:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:10:52.585090
• Title: Smart Pressure e-Mat for Human Sleeping Posture and Dynamic Activity Recognition
• Title（参考訳）: ヒトの睡眠姿勢と動的活動認識のためのスマートプレッシャE-Mat
• Authors: Liangqi Yuan, Yuan Wei, Jia Li,
• Abstract要約: 本稿では, 睡眠姿勢, スポーツ, ヨガの認識を含む, 人体監視用スマートプレッシャe-Mat (SPeM) システムを提案する。 ディープニューラルネットワーク(DNN)は、圧力画像ストリームに適合し、トレーニングし、対応する人間の行動を認識するために使用される。 SPeMシステムは両方のアプリケーションで高い精度を実現し、モデルの精度と一般化性を示す。
• 参考スコア（独自算出の注目度）: 15.480327692251704
• License:
• Abstract: With the emphasis on healthcare, early childhood education, and fitness, non-invasive measurement and recognition methods have received more attention. Pressure sensing has been extensively studied because of its advantages of simple structure, easy access, visualization application, and harmlessness. This paper introduces a Smart Pressure e-Mat (SPeM) system based on piezoresistive material, Velostat, for human monitoring applications, including recognition of sleeping postures, sports, and yoga. After a subsystem scans the e-mat readings and processes the signal, it generates a pressure image stream. Deep neural networks (DNNs) are used to fit and train the pressure image stream and recognize the corresponding human behavior. Four sleeping postures and 13 dynamic activities inspired by Nintendo Switch Ring Fit Adventure (RFA) are used as a preliminary validation of the proposed SPeM system. The SPeM system achieves high accuracies in both applications, demonstrating the high accuracy and generalizability of the models. Compared with other pressure sensor-based systems, SPeM possesses more flexible applications and commercial application prospects, with reliable, robust, and repeatable properties.
• Abstract（参考訳）: 医療、幼児教育、フィットネスに重点を置いているため、非侵襲的な計測と認識方法が注目されている。 圧力センシングは、単純な構造、容易なアクセス、可視化アプリケーション、無害性の利点により、広範囲に研究されている。 本稿では, 睡眠姿勢, スポーツ, ヨガの認識を含む, 人体監視用ピエゾ抵抗性材料であるヴェロスタットを用いたスマートプレッシャe-Mat (SPeM) システムを提案する。 サブシステムがe-matの読み取りをスキャンし、信号を処理した後、圧力画像ストリームを生成する。 ディープニューラルネットワーク(DNN)は、圧力画像ストリームに適合し、トレーニングし、対応する人間の行動を認識するために使用される。 提案するSPeMシステムの予備検証として,Nintendo Switch Ring Fit Adventure (RFA) にインスパイアされた4つの睡眠姿勢と13の動的活動が用いられている。 SPeMシステムは両方のアプリケーションで高い精度を実現し、モデルの精度と一般化性を示す。 他の圧力センサベースのシステムと比較すると、SPeMはより柔軟なアプリケーションと商用アプリケーションを提供しており、信頼性があり、堅牢で、繰り返し可能な特性を持っている。

関連論文リスト

• EgoPressure: A Dataset for Hand Pressure and Pose Estimation in Egocentric Vision [69.1005706608681]
  EgoPressureは,エゴセントリックな視点から,タッチ接触と圧力相互作用の新たなデータセットである。 EgoPressureは、動くエゴセントリックカメラと7台の静止Kinectカメラによって捕獲された21人の参加者による5.0時間の接触接触と圧力相互作用で構成されている。
  論文  参考訳（メタデータ） (2024-09-03T18:53:32Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• PressureTransferNet: Human Attribute Guided Dynamic Ground Pressure Profile Transfer using 3D simulated Pressure Maps [7.421780713537146]
  PressureTransferNetは、ソースの圧力マップとターゲットの人間属性ベクトルを入力として取り込むエンコーダ・デコーダモデルである。 センサシミュレーションを用いて、さまざまな人的属性と圧力プロファイルを持つ多様なデータセットを作成する。 物理に基づく深層学習モデルを用いて, 合成圧力形状の忠実度を視覚的に確認し, 接地領域での2乗R2乗値0.79を得る。
  論文  参考訳（メタデータ） (2023-08-01T13:31:25Z)
• PressureVision++: Estimating Fingertip Pressure from Diverse RGB Images [23.877554759345607]
  ディープモデルは、単一のRGB画像に基づいて手圧力を推定できる。 本稿では,RGBカメラと協力的参加者のみを用いて,多様なデータをキャプチャ可能な新しいアプローチを提案する。 pressureVision++ の混合現実への応用を実演し、毎日の表面をタッチに敏感なインターフェースとして利用できるようにする。
  論文  参考訳（メタデータ） (2023-01-05T21:48:33Z)
• PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation [54.839600943189915]
  モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。 豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。 このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
  論文  参考訳（メタデータ） (2022-12-14T21:39:15Z)
• Real-Time Elderly Monitoring for Senior Safety by Lightweight Human Action Recognition [11.178325140443446]
  リアルタイム監視と行動認識は、異常な行動や異常な活動が発生した場合に警告をタイムリーに起こすのに不可欠である。 本稿では, 軽量人行動認識(HAR)技術に基づく, 高齢者安全のためのリアルタイム高齢者モニタリング(REMS)を提案する。
  論文  参考訳（メタデータ） (2022-07-21T15:00:54Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Learning Dynamical Systems from Noisy Sensor Measurements using Multiple Shooting [11.771843031752269]
  本稿では,間接的に観測された動的システムの潜在表現を学習するための汎用的かつスケーラブルな手法を提案する。 生画像から直接観察されたシステム上での最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-06-22T12:30:18Z)
• Wearable Health Monitoring System for Older Adults in a Smart Home Environment [1.14219428942199]
  スマートホームにおける高齢者に適したウェアラブル型健康モニタリングシステムの設計について述べる。 提案システムは,スマートホーム環境における個人のストレス,血圧,位置をモニタリングするソリューションを提供する。 音声ベースのプロトタイプも実装し、スマートホーム環境に統合するシステムの実現可能性について分析した。
  論文  参考訳（メタデータ） (2021-06-09T03:16:54Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)

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。