Exploring FMCW Radars and Feature Maps for Activity Recognition: A Benchmark Study
Created by
- Haebom
Category
Empty
저자
Ali Samimi Fard, Mohammadreza Mashhadigholamali, Samaneh Zolfaghari, Hajar Abedi, Mainak Chakraborty, Luigi Borzi, Masoud Daneshtalab, George Shaker
개요
본 논문은 착용형 센서 및 비디오 기반 방식의 한계를 극복하기 위해 60GHz FMCW 레이더를 이용한 인간 활동 인식 프레임워크를 제안한다. 기존의 영상처리 방식과 달리, Range-Doppler, Range-Azimuth, Range-Elevation 등 다차원 특징 맵을 벡터 형태로 SVM, MLP, CNN, LSTM, ConvLSTM 모델에 직접 입력하여 공간 및 시간적 정보를 보존한다. 7가지 활동으로 구성된 새로운 데이터셋을 사용하여 두 가지 검증 방식(cross-scene validation, leave-one-person-out cross-validation)으로 성능을 평가한 결과, ConvLSTM 모델이 90% 이상의 정확도와 87% 이상의 F1-score를 달성하여 우수한 성능을 보였다. 이는 실제 환경에서 확장 가능하고 비침습적이며 개인정보 보호가 가능한 활동 모니터링의 잠재력을 보여준다.
시사점, 한계점
•
시사점:
◦
60GHz FMCW 레이더를 이용한 비접촉식 인간 활동 인식의 효용성을 제시.
◦
다차원 특징 맵을 직접 입력하는 방식을 통해 기존 방식보다 우수한 성능 달성.
◦
개인정보 보호 및 확장성이 우수한 활동 모니터링 시스템 개발 가능성 제시.
◦
ConvLSTM 모델의 인간 활동 인식 분야에서의 효과성 검증.
•
한계점:
◦
제한된 활동 종류(7가지)와 데이터셋 크기.
◦
실제 환경에서의 다양한 간섭 및 노이즈에 대한 고려 부족.
◦
다른 레이더 시스템이나 센서와의 비교 분석 부족.
◦
다양한 환경 및 조건에서의 일반화 성능에 대한 추가적인 검증 필요.
