論文の概要: Generalizable Indoor Human Activity Recognition Method Based on Micro-Doppler Corner Point Cloud and Dynamic Graph Learning
- arxiv url: http://arxiv.org/abs/2410.07542v1
- Date: Thu, 10 Oct 2024 02:24:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 16:26:23.065265
- Title: Generalizable Indoor Human Activity Recognition Method Based on Micro-Doppler Corner Point Cloud and Dynamic Graph Learning
- Title（参考訳）: マイクロドップラーコーナー点雲と動的グラフ学習を用いた室内活動認識法
- Authors: Xiaopeng Yang, Weicheng Gao, Xiaodong Qu, Haoyu Meng,
- Abstract要約: マイクロドップラーシグネチャ抽出とインテリジェントな意思決定アルゴリズムを融合させることで、TWRによる人間の活動認識を実現することができる。
本稿では,マイクロドップラー角点雲と動的グラフ学習に基づく,一般化可能な室内人間活動認識手法を提案する。
- 参考スコア（独自算出の注目度）: 12.032590125621155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Through-the-wall radar (TWR) human activity recognition can be achieved by fusing micro-Doppler signature extraction and intelligent decision-making algorithms. However, limited by the insufficient priori of tester in practical indoor scenarios, the trained models on one tester are commonly difficult to inference well on other testers, which causes poor generalization ability. To solve this problem, this paper proposes a generalizable indoor human activity recognition method based on micro-Doppler corner point cloud and dynamic graph learning. In the proposed method, DoG-{\mu}D-CornerDet is used for micro-Doppler corner extraction on two types of radar profiles. Then, a micro-Doppler corner filtering method based on polynomial fitting smoothing is proposed to maximize the feature distance under the constraints of the kinematic model. The extracted corners from the two types of radar profiles are concatenated together into three-dimensional point cloud. Finally, the paper proposes a dynamic graph neural network (DGNN)-based recognition method for data-to-activity label mapping. Visualization, comparison and ablation experiments are carried out to verify the effectiveness of the proposed method. The results prove that the proposed method has strong generalization ability on radar data collected from different testers.
- Abstract（参考訳）: マイクロドップラーシグネチャ抽出とインテリジェントな意思決定アルゴリズムを融合させることで、TWRによる人間の活動認識を実現することができる。
しかし、実際の屋内シナリオではテスタの優先順位が不足しているため、トレーニングされた1人のテスタのモデルは、他のテスタに対して適切に推測することが一般的に困難であり、一般化能力の低下を引き起こす。
そこで本研究では,マイクロドップラー角点雲と動的グラフ学習に基づく室内人間活動認識手法を提案する。
提案手法では, マイクロドップラー角抽出にDoG-{\mu}D-CornerDetを用いる。
そこで, 物理モデルの制約の下で特徴距離を最大化するために, 多項式フィッティング平滑化に基づくマイクロドップラーコーナーフィルタ法を提案する。
2種類のレーダープロファイルから抽出した角を3次元の点雲に結合する。
最後に,データからアクティブなラベルマッピングのための動的グラフニューラルネットワーク(DGNN)に基づく認識手法を提案する。
提案手法の有効性を検証するため, 可視化, 比較, アブレーション実験を行った。
提案手法は, 異なるテスタから収集したレーダデータに対して, 強い一般化能力を有することを示す。
関連論文リスト
- Generative Edge Detection with Stable Diffusion [52.870631376660924]
エッジ検出は一般的に、主に識別法によって対処されるピクセルレベルの分類問題と見なされる。
本稿では、事前学習した安定拡散モデルのポテンシャルを十分に活用して、GED(Generative Edge Detector)という新しい手法を提案する。
複数のデータセットに対して広範な実験を行い、競争性能を達成する。
論文 参考訳（メタデータ） (2024-10-04T01:52:23Z) - Through-the-Wall Radar Human Activity Micro-Doppler Signature Representation Method Based on Joint Boulic-Sinusoidal Pendulum Model [22.320147097092416]
本稿では,Bulic-Sinusoidal pendulum 動作モデルに基づく人間活動型マイクロドップラーシグネチャ表現法を提案する。
またドップラー情報とマイクロドップラー情報を記述するのに必要なキーポイントの最小数を十分に計算する。
論文 参考訳（メタデータ） (2024-08-22T02:33:29Z) - KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。
1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。
その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
論文 参考訳（メタデータ） (2023-07-16T04:27:03Z) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-05-22T07:09:35Z) - RaLiBEV: Radar and LiDAR BEV Fusion Learning for Anchor Box Free Object
Detection Systems [13.046347364043594]
自動運転では、LiDARとレーダーは環境認識に不可欠である。
最近の最先端の研究は、レーダーとLiDARの融合が悪天候の堅牢な検出につながることを明らかにしている。
鳥眼ビュー融合学習に基づくアンカーボックスフリー物体検出システムを提案する。
論文 参考訳（メタデータ） (2022-11-11T10:24:42Z) - Centroid Distance Keypoint Detector for Colored Point Clouds [32.74803728070627]
キーポイント検出は多くのコンピュータビジョンとロボティクスアプリケーションの基礎となる。
そこで本研究では,色点雲中の幾何塩分と色塩分の両方のキーポイントを抽出できる効率的なマルチモーダルキーポイント検出器を提案する。
論文 参考訳（メタデータ） (2022-10-04T00:55:51Z) - Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。
このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。
nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-06-30T01:44:30Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - Gravitational-wave selection effects using neural-network classifiers [0.0]
我々は、コンパクトバイナリ・マージから重力波信号のLIGO/Virgo検出性を予測するために、一連のニューラルネットワーク分類器を訓練する。
スピン沈降、高次モード、複数検出器の影響を含める。
我々のアプローチは完全なパイプライン注入と併用できるので、天体物理学とノイズトリガーの実際の分布を重力波の人口分析に含めるための道を開くことができる。
論文 参考訳（メタデータ） (2020-07-13T18:00:04Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-13T04:12:59Z)
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。