基于毫米波雷达与深度CNN的实时多患者行为检测
信号处理
2020-03-06 v1 机器学习
机器学习
摘要
为解决医院患者监测中发现的潜在缺口,提出了一种使用毫米波雷达和深度卷积神经网络(CNN)的新型患者行为检测系统,支持实时同时识别多名患者的行为。在本研究中,我们使用毫米波雷达跟踪多名患者并检测每个人的散射点云。对于每位患者,一段时间内点云的多普勒图被收集作为行为特征。创建了一个三层CNN模型来对每位患者的行为进行分类。跟踪和点云检测算法也在带有嵌入式图形处理单元(GPU)板的毫米波雷达硬件平台上实现,以收集多普勒图并运行CNN模型。收集了六类行为的训练数据集,历时较长,使用Adam优化器以最小化交叉熵损失函数为目标训练模型。最后,对系统进行了实时操作测试,在双患者场景中预测每位患者行为时获得了非常好的推理精度。
引用
@article{arxiv.1911.06363,
title = {Multiple Patients Behavior Detection in Real-time using mmWave Radar and Deep CNNs},
author = {Feng Jin and Renyuan Zhang and Arindam Sengupta and Siyang Cao and Salim Hariri and Nimit K. Agarwal and Sumit K. Agarwal},
journal= {arXiv preprint arXiv:1911.06363},
year = {2020}
}
备注
This paper has been submitted to IEEE Radar Conference 2019