要約
ヘルスケアのモニタリングは、特に一人暮らしの高齢者の日常ケアには欠かせない。転倒などの危険な出来事を検知し、タイムリーなアラートを提供することで、命を救うことができる。先進的な人間活動認識（HAR）モデルを用いた非侵襲ミリ波（mmWave）レーダーベースのヘルスケアモニタリングシステムは、最近大きな注目を集めている。しかし、疎な点群の取り扱い、リアルタイムの連続分類の実現、静的に設置された場合の限られたモニタリング範囲への対応などの課題がある。これらの限界を克服するために、我々は、人間の活動をリアルタイムで監視するための軽量ディープニューラルネットワークを搭載した、移動可能なロボット搭載ミリ波レーダーシステムであるRobHARを提案する。具体的には、まず、LPN（light-PointNet）バックボーンを用いて点群の特徴を学習するために、スパース点群ベースのグローバル埋め込みを提案する。次に、双方向軽量LSTMモデル（BiLiLSTM）を用いて時間パターンを学習する。さらに、連続HARの精度と頑健性を向上させるために、隠れマルコフモデル（HMM）とコネクショニスト時間分類（CTC）を統合した遷移最適化戦略を実装する。3つのデータセットを用いた実験の結果、本手法は離散的HARと連続的HARの両方のタスクにおいて、先行研究を大きく上回ることが示された。最後に、本システムを移動可能なロボット搭載エッジコンピューティングプラットフォーム上に展開し、実世界のシナリオにおける柔軟なヘルスケアモニタリングを実現する。
要約(オリジナル)
Healthcare monitoring is crucial, especially for the daily care of elderly individuals living alone. It can detect dangerous occurrences, such as falls, and provide timely alerts to save lives. Non-invasive millimeter wave (mmWave) radar-based healthcare monitoring systems using advanced human activity recognition (HAR) models have recently gained significant attention. However, they encounter challenges in handling sparse point clouds, achieving real-time continuous classification, and coping with limited monitoring ranges when statically mounted. To overcome these limitations, we propose RobHAR, a movable robot-mounted mmWave radar system with lightweight deep neural networks for real-time monitoring of human activities. Specifically, we first propose a sparse point cloud-based global embedding to learn the features of point clouds using the light-PointNet (LPN) backbone. Then, we learn the temporal pattern with a bidirectional lightweight LSTM model (BiLiLSTM). In addition, we implement a transition optimization strategy, integrating the Hidden Markov Model (HMM) with Connectionist Temporal Classification (CTC) to improve the accuracy and robustness of the continuous HAR. Our experiments on three datasets indicate that our method significantly outperforms the previous studies in both discrete and continuous HAR tasks. Finally, we deploy our system on a movable robot-mounted edge computing platform, achieving flexible healthcare monitoring in real-world scenarios.
arxiv情報
| 著者 | Zhanzhong Gu,Xiangjian He,Gengfa Fang,Chengpei Xu,Feng Xia,Wenjing Jia |
| 発行日 | 2024-05-03 06:57:59+00:00 |
| arxivサイト | arxiv_id(pdf) |