A Survey on Radar-Based Fall Detection

要約

転倒の検出は、高齢者などの高リスク人口統計にとって特に重要であり、タイムリーな検出により被害を大幅に最小限に抑えることができる重要な公衆衛生上の懸念事項です。
無線周波数技術の進歩により、レーダーは人間の検出と追跡のための強力なツールとして浮上しました。
サポート ベクター マシン (SVM) や k-最近傍法 (kNN) などの従来の機械学習アルゴリズムは、有望な結果を示しています。
しかし、深層学習アプローチ、特に畳み込みニューラル ネットワーク (CNN) とリカレント ニューラル ネットワーク (RNN) は、複雑な特徴の学習と大規模な非構造化データセットの管理において優れたパフォーマンスを発揮しています。
この調査では、マイクロ ドップラー、レンジ ドップラー、およびレンジ ドップラー角度の技術に重点を置き、レーダー ベースの落下検知の詳細な分析を提供します。
私たちは、転倒検出の複雑さと課題について議論し、多様な影響要因に基づく転倒の明確な定義と適切な検出基準の必要性を強調します。
レーダー信号処理の原理とレーダーベースの落下検知の基盤技術の概要を紹介し、機械学習とディープラーニングのアルゴリズムについてのアクセス可能な洞察を提供します。
2000 年以降に発表されたレーダーベースの転倒検知に関する 74 件の研究論文を調査した後、私たちは現在の研究ギャップを埋め、レーダーベースの転倒を改善するための実世界への応用の可能性とディープラーニングの未開発の可能性を強調し、潜在的な将来の研究戦略を強調することを目指しています。
検出。

要約(オリジナル)

Fall detection, particularly critical for high-risk demographics like the elderly, is a key public health concern where timely detection can greatly minimize harm. With the advancements in radio frequency technology, radar has emerged as a powerful tool for human detection and tracking. Traditional machine learning algorithms, such as Support Vector Machines (SVM) and k-Nearest Neighbors (kNN), have shown promising outcomes. However, deep learning approaches, notably Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN), have outperformed in learning intricate features and managing large, unstructured datasets. This survey offers an in-depth analysis of radar-based fall detection, with emphasis on Micro-Doppler, Range-Doppler, and Range-Doppler-Angles techniques. We discuss the intricacies and challenges in fall detection and emphasize the necessity for a clear definition of falls and appropriate detection criteria, informed by diverse influencing factors. We present an overview of radar signal processing principles and the underlying technology of radar-based fall detection, providing an accessible insight into machine learning and deep learning algorithms. After examining 74 research articles on radar-based fall detection published since 2000, we aim to bridge current research gaps and underscore the potential future research strategies, emphasizing the real-world applications possibility and the unexplored potential of deep learning in improving radar-based fall detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google