基于毫米波雷达的医疗监护机器人人体活动识别
机器人学
2024-05-06 v1 人工智能
信号处理
摘要
医疗监护对于独居老年人的日常照护至关重要。它能够检测跌倒等危险事件并及时发出警报以挽救生命。基于先进人体活动识别（HAR）模型的非侵入式毫米波雷达医疗监护系统近年来受到广泛关注。然而，这些系统在处理稀疏点云、实现实时连续分类以及应对静态安装时有限监测范围方面面临挑战。为克服这些局限，我们提出了RobHAR，一种可移动的机器人搭载毫米波雷达系统，配备轻量级深度神经网络，用于实时人体活动监测。具体而言，我们首先提出一种基于稀疏点云的全局嵌入方法，利用轻量级PointNet（LPN）骨干网络学习点云特征。然后，我们使用双向轻量级LSTM模型（BiLiLSTM）学习时间模式。此外，我们实现了一种过渡优化策略，将隐马尔可夫模型（HMM）与连接主义时间分类（CTC）相结合，以提高连续HAR的准确性和鲁棒性。我们在三个数据集上的实验表明，我们的方法在离散和连续HAR任务上均显著优于以往研究。最后，我们将系统部署在可移动的机器人搭载边缘计算平台上，在真实场景中实现了灵活的医疗监护。
引用
@article{arxiv.2405.01882,
title = {Millimeter Wave Radar-based Human Activity Recognition for Healthcare Monitoring Robot},
author = {Zhanzhong Gu and Xiangjian He and Gengfa Fang and Chengpei Xu and Feng Xia and Wenjing Jia},
journal= {arXiv preprint arXiv:2405.01882},
year = {2024}
}