使用FMCW雷达进行人类骨估计的新型深度学习模型
Parma Hadi Rantelinggi1,2, Xintong Shi1, Mondher Bouazizi3
1Graduate School of Science and Technology, Keio University, Yokohama 223-8522, Japan.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一个新的深度学习框架,用于使用频率调制连续波 (FMCW) 雷达进行精确的人类骨估计,以稀少的数据改进隐私保护运动分析.
科学领域:
- 机器人和自动化 机器人和自动化
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 频率调制连续波 (FMCW) 雷达提供保护隐私的人类运动分析.
- 现有的骨架估计方法面临着稀疏的雷达点云数据的挑战,影响关节定位的准确性.
研究的目的:
- 开发一种新的深度学习框架,使用FMCW雷达数据进行增强的人类骨估计.
- 为了提高关节定位在保护隐私的动作分析中的准确性和稳定性.
主要方法:
- 一个深度学习框架,集成卷积神经网络 (CNN),多头变压器和Bi-LSTM网络.
- 一个框架连接策略,在神经网络处理之前提高数据质量.
- 使用MARS数据集进行实验评估.
主要成果:
- 与传统方法相比,拟议的模型显著减少了估计误差.
- 获得了1.77厘米的平均绝对误差 (MAE) 和2.92厘米的根平均平方误差 (RMSE).
- 证明了计算效率与提高准确性的同时.
结论:
- 新的深度学习框架有效地解决了稀疏的雷达数据对人类骨估计的局限性.
- 这种方法增强了时空特征表示,从而导致更准确,更可靠的运动分析.
- 该方法显示了保护隐私的人类运动跟踪应用程序的巨大潜力.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
3.1K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
