Design Space Exploration on Efficient and Accurate Human Pose Estimation from Sparse IMU-Sensing

要約

スポーツ、リハビリテーション、または作業の安全性における人間の動きを評価するための Human Pose Estimation (HPE) には、基礎となる機密の個人データを損なうことなく、正確なセンシングが必要です。
したがって、ローカル処理が必要であり、このようなシステムの限られたエネルギーバジェットは、一般的なカメラセンシングの代わりに慣性測定ユニット (IMU) によって対処できます。
精度とハードウェア リソースの効率的な使用の間の中心的なトレードオフは、研究ではほとんど議論されません。
このトレードオフは、IMU センサーの数量と配置を変えてシミュレーションする設計空間探索 (DSE) によって解決されます。
まず、公開されているボディ モデル データセットからさまざまなセンサー構成用の IMU データを生成し、このデータを使用してディープ ラーニング モデルをトレーニングします。
さらに、精度とリソースのトレードオフを評価するための組み合わせた指標を提案します。
センサー構成を評価し、特定の使用例に有益なセンサー構成を特定するためのツールとして DSE を使用しました。
例として、精度とリソースが同等に重要なシステムの場合、メッシュ誤差 6.03 cm の 4 つのセンサーの最適なセンサー構成を特定します。これにより、最新技術と比較して精度が 32.7% 向上し、ハードウェアの労力が 2 つのセンサー分削減されます。
。
私たちの成果は、適切なセンサーの配置と、データのプライバシーとリソースの認識に注意を払った健康アプリケーションの設計に使用できます。

要約(オリジナル)

Human Pose Estimation (HPE) to assess human motion in sports, rehabilitation or work safety requires accurate sensing without compromising the sensitive underlying personal data. Therefore, local processing is necessary and the limited energy budget in such systems can be addressed by Inertial Measurement Units (IMU) instead of common camera sensing. The central trade-off between accuracy and efficient use of hardware resources is rarely discussed in research. We address this trade-off by a simulative Design Space Exploration (DSE) of a varying quantity and positioning of IMU-sensors. First, we generate IMU-data from a publicly available body model dataset for different sensor configurations and train a deep learning model with this data. Additionally, we propose a combined metric to assess the accuracy-resource trade-off. We used the DSE as a tool to evaluate sensor configurations and identify beneficial ones for a specific use case. Exemplary, for a system with equal importance of accuracy and resources, we identify an optimal sensor configuration of 4 sensors with a mesh error of 6.03 cm, increasing the accuracy by 32.7% and reducing the hardware effort by two sensors compared to state of the art. Our work can be used to design health applications with well-suited sensor positioning and attention to data privacy and resource-awareness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google