論文の概要: Environment-independent mmWave Fall Detection with Interacting Multiple
Model
- arxiv url: http://arxiv.org/abs/2311.08755v1
- Date: Wed, 15 Nov 2023 07:49:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-16 16:45:40.220939
- Title: Environment-independent mmWave Fall Detection with Interacting Multiple
Model
- Title(参考訳): 干渉多重モデルによる環境非依存mm波落下検出
- Authors: Xuyao Yu, Jiazhao Wang and Wenchao Jiang
- Abstract要約: mmWave radarは、プライバシー保護と非接触性のための有望な候補技術である。
FADEは現実のシナリオにおいて精度と堅牢性を高めた実用的な落下検知レーダーシステムである。
- 参考スコア(独自算出の注目度): 1.9358739203360094
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ageing society brings attention to daily elderly care through sensing
technologies. The future smart home is expected to enable in-home daily
monitoring, such as fall detection, for seniors in a non-invasive,
non-cooperative, and non-contact manner. The mmWave radar is a promising
candidate technology for its privacy-preserving and non-contact manner.
However, existing solutions suffer from low accuracy and robustness due to
environment dependent features. In this paper, we present FADE
(\underline{FA}ll \underline{DE}tection), a practical fall detection radar
system with enhanced accuracy and robustness in real-world scenarios. The key
enabler underlying FADE is an interacting multiple model (IMM) state estimator
that can extract environment-independent features for highly accurate and
instantaneous fall detection. Furthermore, we proposed a robust multiple-user
tracking system to deal with noises from the environment and other human
bodies. We deployed our algorithm on low computing power and low power
consumption system-on-chip (SoC) composed of data front end, DSP, and ARM
processor, and tested its performance in real-world. The experiment shows that
the accuracy of fall detection is up to 95\%.
- Abstract(参考訳): 高齢化社会は、センシング技術を通じて日常生活の介護に注意を向ける。
スマートホームの将来は、高齢者が非侵襲的で非協力的で非接触的な方法で、転倒検知などの家庭内日々の監視を可能にすることが期待されている。
mmwave radarは、プライバシ保護および非接触方式の有望な候補技術である。
しかしながら、既存のソリューションは、環境に依存する機能のため、精度と堅牢性が低下する。
本稿では,実世界のシナリオにおいて精度と堅牢性を向上した実用的な落下検知レーダであるFADE(\underline{FA}ll \underline{DE}tection)を提案する。
fadeの基盤となるキーイネーブラは、環境に依存しない機能を抽出し、高精度かつ瞬時にフォール検出を行う対話型マルチモデル(imm)状態推定器である。
さらに,環境や人体からの騒音に対処するためのロバストなマルチユーザトラッキングシステムを提案する。
我々は,データフロントエンド,DSP,ARMプロセッサからなる低消費電力・低消費電力システム(SoC)にアルゴリズムをデプロイし,実世界での性能試験を行った。
実験の結果,落下検出の精度は最大95%であることがわかった。
関連論文リスト
- Hybrid Transformer-RNN Architecture for Household Occupancy Detection
Using Low-Resolution Smart Meter Data [8.486902848941872]
エネルギーシステムのデジタル化は、非侵襲的な方法で占有検知に使用できるスマートメーターデータを提供する。
ディープラーニング技術により、低解像度のスマートメーターデータから占有率を推定できる。
本研究は, 住宅の占有状況を検出するための, プライバシ意識と効果的なモデルを開発することを目的としている。
論文 参考訳(メタデータ) (2023-08-27T14:13:29Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳(メタデータ) (2023-08-14T16:48:57Z) - Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
論文 参考訳(メタデータ) (2023-06-22T10:10:25Z) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-29T00:39:50Z) - Time-Selective RNN for Device-Free Multi-Room Human Presence Detection
Using WiFi CSI [9.927073290898848]
デバイスなしの人間の存在検知は、ホームオートメーション、セキュリティ、ヘルスケアなど、さまざまなアプリケーションにとって重要な技術である。
近年,商用WiFiアクセスポイント(AP)から抽出した無線チャネル状態情報を用いて,詳細なチャネル特性について検討している。
本稿では,時間選択型条件付き二重特徴抽出再帰ネットワークを用いたマルチルームシナリオのためのデバイスフリーな人間の存在検知システムを提案する。
論文 参考訳(メタデータ) (2023-04-25T19:21:47Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳(メタデータ) (2022-03-23T11:33:27Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - Improving Variational Autoencoder based Out-of-Distribution Detection
for Embedded Real-time Applications [2.9327503320877457]
アウト・オブ・ディストリビューション(OD)検出は、リアルタイムにアウト・オブ・ディストリビューションを検出するという課題に対処する新しいアプローチである。
本稿では,自律走行エージェントの周囲の有害な動きを頑健に検出する方法について述べる。
提案手法は,OoD因子の検出能力を一意に改善し,最先端手法よりも42%向上した。
また,本モデルでは,実験した実世界およびシミュレーション駆動データに対して,最先端技術よりも97%の精度でほぼ完璧に一般化した。
論文 参考訳(メタデータ) (2021-07-25T07:52:53Z) - Transmitter Discovery through Radio-Visual Probabilistic Active Sensing [1.7259824817932292]
送信機発見問題を解決するために,バイラジオ・ビジュアルPAS方式を提案する。
提案手法は92%の精度を実現し,他の2つの確率的アクティブセンシングベースラインを上回った。
論文 参考訳(メタデータ) (2021-03-27T18:34:42Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳(メタデータ) (2020-01-10T05:29:17Z)
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。