論文の概要: P2MFDS: A Privacy-Preserving Multimodal Fall Detection System for Elderly People in Bathroom Environments

• arxiv url: http://arxiv.org/abs/2506.17332v1
• Date: Thu, 19 Jun 2025 05:22:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.35678
• Title: P2MFDS: A Privacy-Preserving Multimodal Fall Detection System for Elderly People in Bathroom Environments
• Title（参考訳）: P2MFDS: 浴室環境における高齢者のプライバシ保護型マルチモーダル転倒検出システム
• Authors: Haitian Wang, Yiren Wang, Xinyu Wang, Yumeng Miao, Yuliang Zhang, Yu Zhang, Atif Mansoor,
• Abstract要約: 65歳以上は2050年までに世界の人口の16%を占めると予測されている。 80%以上の滝は、浴室などの湿潤で制限された環境で発生している。 浴室環境における高齢者のプライバシ保護型マルチモーダル転倒検知システムを提案する。
• 参考スコア（独自算出の注目度）: 5.364307862877658
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: By 2050, people aged 65 and over are projected to make up 16 percent of the global population. As aging is closely associated with increased fall risk, particularly in wet and confined environments such as bathrooms where over 80 percent of falls occur. Although recent research has increasingly focused on non-intrusive, privacy-preserving approaches that do not rely on wearable devices or video-based monitoring, these efforts have not fully overcome the limitations of existing unimodal systems (e.g., WiFi-, infrared-, or mmWave-based), which are prone to reduced accuracy in complex environments. These limitations stem from fundamental constraints in unimodal sensing, including system bias and environmental interference, such as multipath fading in WiFi-based systems and drastic temperature changes in infrared-based methods. To address these challenges, we propose a Privacy-Preserving Multimodal Fall Detection System for Elderly People in Bathroom Environments. First, we develop a sensor evaluation framework to select and fuse millimeter-wave radar with 3D vibration sensing, and use it to construct and preprocess a large-scale, privacy-preserving multimodal dataset in real bathroom settings, which will be released upon publication. Second, we introduce P2MFDS, a dual-stream network combining a CNN-BiLSTM-Attention branch for radar motion dynamics with a multi-scale CNN-SEBlock-Self-Attention branch for vibration impact detection. By uniting macro- and micro-scale features, P2MFDS delivers significant gains in accuracy and recall over state-of-the-art approaches. Code and pretrained models will be made available at: https://github.com/HaitianWang/P2MFDS-A-Privacy-Preserving-Multimodal-Fall-Detection-Network-for-Eld erly-Individuals-in-Bathroom.
• Abstract（参考訳）: 2050年までに65歳以上の人口は世界の人口の16%を占めると予測されている。 老化は転倒リスクの増加と密接に関連しているため、特に80%以上の転倒が発生した浴室のような湿った環境において。 近年の研究では、ウェアラブルデバイスやビデオベースの監視に依存しない、侵入的でないプライバシ保護アプローチに注目が集まっているが、これらの取り組みは、複雑な環境での精度の低下につながる既存のユニモーダルシステム(Wi-Fi、赤外線、ミリ波ベースなど)の限界を完全に克服していない。 これらの制限は、WiFiベースのシステムにおけるマルチパスの消失や、赤外線ベースの方法における劇的な温度変化など、システムバイアスや環境干渉といった、単調なセンシングにおける基本的な制約に起因している。 これらの課題に対処するために,浴室環境における高齢者のためのプライバシ保護型マルチモーダルフォール検出システムを提案する。 まず, 3次元振動センサを用いたミリ波レーダの選択・融合を行うセンサ評価フレームワークを開発し, 実際の浴室環境下での大規模・プライバシ保護型マルチモーダルデータセットの構築と前処理を行い, 公開時に公開する。 第2に,CNN-BiLSTM-AttentionブランチとマルチスケールCNN-SEBlock-Self-Attentionブランチを組み合わせた振動衝撃検出用デュアルストリームネットワークP2MFDSを導入する。 P2MFDSはマクロとマイクロの機能を結合することにより、最先端のアプローチよりも精度とリコールが大幅に向上する。 コードと事前トレーニングされたモデルは、https://github.com/HaitianWang/P2MFDS-A-Privacy-Preserving-Multimodal-Fall-Detection-Network-for-Eld erly-Individuals-in-Bathroomで利用可能になる。

関連論文リスト

• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• Environment-independent mmWave Fall Detection with Interacting Multiple Model [1.9358739203360094]
  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。
  論文  参考訳（メタデータ） (2023-11-15T07:49:46Z)
• 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)
• Amplitude-Varying Perturbation for Balancing Privacy and Utility in Federated Learning [86.08285033925597]
  本稿では,フェデレート学習のプライバシを保護するため,時変雑音振幅を持つ新しいDP摂動機構を提案する。 我々は、FLの過度な摂動ノイズによる早期収束を防止するために、シリーズのオンラインリファインメントを導出した。 新しいDP機構のプライバシ保存FLの収束と精度への寄与は、持続的な雑音振幅を持つ最先端のガウスノイズ機構と比較して相関する。
  論文  参考訳（メタデータ） (2023-03-07T22:52:40Z)
• M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System [39.37647248710612]
  フェイスプレゼンテーションアタック(FPA)は、様々な悪意あるアプリケーションを通じて、公衆の懸念を高めている。 我々は,M3FASという,正確で堅牢なマルチモーダル・モバイル・フェイス・アンチ・スポーフィングシステムを開発した。
  論文  参考訳（メタデータ） (2023-01-30T12:37:04Z)
• 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)
• MDPose: Human Skeletal Motion Reconstruction Using WiFi Micro-Doppler Signatures [4.92674421365689]
  WiFiマイクロドップラーシグネチャに基づくヒト骨格運動再建のための新しいフレームワークであるMDPoseを提案する。 17個のキーポイントを持つ骨格モデルを再構築することで、人間の活動を追跡する効果的なソリューションを提供する。 MDPoseは最先端のRFベースのポーズ推定システムより優れている。
  論文  参考訳（メタデータ） (2022-01-11T21:46:28Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)
• A Privacy-Preserving-Oriented DNN Pruning and Mobile Acceleration Framework [56.57225686288006]
  モバイルエッジデバイスの限られたストレージとコンピューティング能力を満たすために、ディープニューラルネットワーク(DNN)の軽量プルーニングが提案されている。 従来のプルーニング手法は主に、ユーザデータのプライバシを考慮せずに、モデルのサイズを減らしたり、パフォーマンスを向上させることに重点を置いていた。 プライベートトレーニングデータセットを必要としないプライバシ保護指向のプルーニングおよびモバイルアクセラレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-13T23:52:03Z)

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。