吃雷达:使用FMCW雷达和3D时间卷积网络进行持续细粒度摄入手势检测,并注意注意
IEEE journal of biomedical and health informatics
|December 5, 2023
概括
这项研究引入了一种无接触雷达系统,通过检测饮食手势来监测食物摄入量. 这种新的方法在连续饮食期间识别这些行为时显示出高准确度.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 信号处理 信号处理
背景情况:
- 不健康的饮食习惯有助于导致肥胖和糖尿病等慢性疾病.
- 自动食品摄入量监测系统可以提高饮食相关疾病患者的生活质量.
- 准确的饮食评估对于管理这些疾病至关重要.
研究的目的:
- 提出一种基于无接触雷达的新方法,用于自动监测食物摄入量.
- 开发一种能够识别细粒度的饮食手势的系统.
- 评估使用雷达技术持续监测饮食的可行性.
主要方法:
- 使用频率调制连续波 (FMCW) 雷达传感器进行手势识别.
- 开发了一个具有自我注意的3D时间卷积网络 (3D-TCN-Att) 来处理范围多普勒立方体 (RD立方体).
- 收集了来自70名参与者在70个连续的饮食中收集的数据,包括各种不同的饮食风格.
主要成果:
- 3D-TCN-Att模型获得了高分段F1分数:0.896的饮食手势和0.868的饮酒手势.
- 证明精确检测和细粒度的饮食手势的细分.
- 使用七倍交叉验证方法验证了系统的性能.
结论:
- 拟议的基于雷达的方法可用于细粒度的饮食手势检测和细分.
- 这项技术为非接触式和持续的食物摄入量监测提供了一个有希望的途径.
- 有可能改善饮食评估和饮食相关疾病患者的管理.
