《Deep Learning Models for Tracking People through Walls and Sensing their Vital Signs》与会笔记

734e96cdf3fbe04c48f23cfb8ea87a8
麻省理工学院Dina Katabi 教授2018年11月14日在北京大学做了题为《Deep Learning Models for Tracking People through Walls and Sensing their Vital Signs》的报告,报告主要讲述了如何利用毫米波雷达的射频信号进行非接触式人体追踪与生命特征感知。使用射频信号实现上述功能可以避免由传统摄像头、穿戴式心率呼吸设备等造成的诸多隐私及不便的问题,具有重大实际使用意义。

毫米波雷达测距及测速的原理
FMCW(频率调制连续波)雷达的原理可以参考链接:https://en.wikipedia.org/wiki/Continuous-wave_radar#Modulated_continuous-wave
毫米波进行人体追踪的原理及挑战
FMCW技术已经非常成熟,使用FMCW可以轻松获取物体在粗粒度空间中移动的速度及距离,获取细粒度的人体关节的移动则较为困难,Dina教授从人体与雷达相对运动的特性原理出发,固定的毫米波雷达只能侦测小范围的物体运动,人体在运动的过程中,被雷达测量的部分也逐渐变化,经过深度学习算法处理之后可以获取到整个人关节的移动,除此之外,由于毫米波雷达侦测物体依赖于信号的反射,由于电磁波在空间中存在多径反射的效应,如何避免这种干扰也是非常大的挑战。
be5cbff4cdcdee832eac6bc409a6f42
计算机视觉联合深度学习的应用
训练数据集通过计算机视觉的方法处理获得,Dina教授团队将人体分解为14个关键点,训练数据集记录人体移动时14个关键点的数据。
Image
Image
毫米波雷达生命特征感知的应用
毫米波雷达技术除了在人体运动追踪方面有应用,也能够探测人体生命特征(呼吸、心跳),如下图所示为毫米波雷达捕获到人体呼吸及心跳波形。
d2662c23f192bae146e8c95ad59dc1c
技术应用与展望
使用毫米波雷达追钟人体移动及生命特征感知具有重要意义,它可以避免由传统摄像头追踪带来的隐私问题,也可以避免穿戴式呼吸及心率检测设备使用的繁琐及不变,在家庭照顾中将会得到应用。
a2ac21b3417c30f03994214bead32ef
QA:   数据集和硬件系统的设计如何获取?
          Dina教授暂时不对外提供任何数据集的下载及硬件系统的技术指标说明。
anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

发表评论