面向隐私感知人体动作识别的增强稀疏点云数据处理
计算机视觉与模式识别
2025-08-15 v1 人工智能
摘要
人体动作识别（HAR）在医疗保健、健身追踪和环境辅助生活技术中扮演着关键角色。虽然传统的基于视觉的 HAR 系统有效，但它们引发了隐私问题。毫米波雷达传感器提供了一种保护隐私的替代方案，但由于其点云数据的稀疏性和噪声特性而带来挑战。在文献中，三种主要的数据处理方法：基于密度的噪声应用空间聚类（DBSCAN）、匈牙利算法和卡尔曼滤波，已被广泛用于提高雷达数据的质量和连续性。然而，对这些方法单独及组合使用的全面评估仍然缺乏。本文通过使用 MiliPoint 数据集对这三种方法进行详细的性能分析，填补了这一空白。我们评估了每种方法单独使用、所有可能的成对组合以及三者组合使用的情况，评估了识别准确度和计算成本。此外，我们提出了针对单个方法的针对性增强措施，旨在提高准确度。我们的结果为每种方法及其集成的优势和权衡提供了关键见解，为未来基于毫米波的 HAR 系统工作提供了指导。
引用
@article{arxiv.2508.10469,
title = {Enhanced Sparse Point Cloud Data Processing for Privacy-aware Human Action Recognition},
author = {Maimunatu Tunau and Vincent Gbouna Zakka and Zhuangzhuang Dai},
journal= {arXiv preprint arXiv:2508.10469},
year = {2025}
}