物理情報によるデータ増強とマルチソースドメインの敵対的なニューラルネットワークを使用して,レーダーベースのクロスドメインのヒト行動認識

Pengfei Zheng, Anxue Zhang, Jianzhong Chen

IEEE journal of biomedical and health informatics

|August 27, 2025

まとめ

物理情報に基づくデータ増強 (PIDA) は,特に高齢者集団の落下を対象に,レーダーベースの人間の行動認識を強化します. この方法は,現実的なレーダー条件と運動変動をシミュレートすることによって,ドメインの汎用性を改善します.

科学分野:

レーダー信号処理
人間の行動分析のための機械学習
データ増強技術

背景:

落下は特に高齢者にとって重要な安全問題です
レーダーベースの人間の行動認識は,特に転倒については,広範に研究されています.
現在の方法は,ラベル付きのデータが限られているため,一般化が不十分です.

研究の目的:

新しい物理情報拡張 (PIDA) 戦略を提案する.
FMCWレーダーからのマイクロドップラーシグネチャー (m-DS) を使用して人間の行動認識のためのドメイン汎用化 (DG) を強化します.
落下検出システムの精度と強さを向上させる

主な方法:

距離データ増強 (DDA) と行動パターンデータ増強 (BPDA) を含むPIDAを開発した.
DDAは電磁気減衰をシミュレートし,BPDAは運動スタイルを多様化し,運動学を保持します.
多ソースドメイン対抗ニューラルネットワーク (MSDAN) と統合されたPIDAで,転送学習とインヴァリアント機能抽出を行う.

主要な成果:

PIDAは,ベースライン,従来の光学データ増強 (TODA),および生成データ増強 (GDA) に比べて平均GDの精度を大幅に改善しました.
独自のデータセットでは,PIDAは基値,TODA,およびGDAと比較してそれぞれ1. 52%,2. 48%,4. 88%の精度を改善しました.
公共のデータセットでは,PIDAは基値,TODA,GDAに比べてそれぞれ3.67%,6.29%,9.78%の改善を達成しました.

結論:

PIDAは,レーダーベースの人間の行動認識におけるデータ不足の問題に効果的に取り組んでいます.
提案された方法は,落ちる検出のための優れたドメイン一般化能力を示しています.
PIDAは落下に関する人間行動認識システムの強力で正確なアプローチを提供しています

さらに関連する動画