基于毫米波雷达的3D点云空间时间信息的人类运动识别
Xiaochao Dang1, Peng Jin1, Zhanjun Hao1
1College of Computer Science & Engineering, Northwest Normal University, Lanzhou 730070, China.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
这项研究引入了一种新的毫米波雷达系统,用于准确识别人类运动,在行走时达到94%的准确性,在跌倒时达到93%的准确性. 该系统增强了隐私,并在具有挑战性的环境中工作.
科学领域:
- 计算机科学 计算机科学
- 工程 工程师 工程师 工程师
- 信号处理 信号处理
背景情况:
- 传统的人类运动识别方法,如视频和Wi-Fi,在不利的条件和复杂的环境下与性能作斗争.
- 基于LiDAR的方法是有限的,因为它们主要捕捉静态物体特征,而不是动态的人类运动.
- 毫米波雷达在隐私,安全和非视线识别方面提供了优势,用于人类运动分析.
研究的目的:
- 开发一种新的人类运动特征识别系统 (PNHM),利用毫米波雷达3D点云时空信息.
- 设计和实施基于PointNet++的神经网络,以有效识别人类运动特征.
- 为了评估系统在识别四个不同的人类运动在各种环境和角度的表现.
主要方法:
- 人类运动特征识别系统 (PNHM) 是使用毫米波雷达空间时空3D点云数据开发的.
- 一个神经网络架构,从PointNet++改编,被设计用于处理和分类运动特征.
- 在受控的实验条件下,创建了一个包含四种人类运动 (行走,坐站立,站坐,摔倒) 的数据集.
主要成果:
- PNHM系统实现了很高的识别准确度:94%的直立行走,84%的着站立,87%的站着坐着,93%的跌倒.
- 该系统在不同的角度和实验环境中展示了强大的性能.
- 与四种主流的3D点云行动识别模型进行比较,验证了拟议系统的有效性.
结论:
- 毫米波雷达3D点云时空信息是有效的人类运动识别.
- 拟议的PNHM系统,利用PointNet++,为人类运动分析提供了保护隐私和准确的解决方案.
- 这项技术在智能养老金,远程健康监测和儿童监督等领域具有很大的应用潜力.
