Mar, 2020

毫米波微多普勒特征的多人连续跟踪和识别

PDF
TL;DR研究使用回波毫米波无线电信号在室内环境中联合跟踪和识别人类身份，并结合多个处理步骤，如滤波、分类和轨迹跟踪等，以实现多用户场景中的准确性和鲁棒性。
backscattered mm-wave radio signalsindoor environmentsmulti-user settingstrajectory trackinguser identification
发现论文，激发创造
  • 稀疏毫米波雷达点云中的实时人员追踪与鉴别

    本文提出了一种低复杂度高精度的端到端方法，使用来自低成本 mm 波雷达的稀疏点云序列，结合扩展物体跟踪 Kalman 滤波器和针对雷达点云的有效特征提取和快速推理的深度学习分类器，实时跟踪和识别多个主体，并在一组八个对象中准确识别三个对象，操作速度高达 15 帧 / 秒。

    May, 2021

  • 针对稀疏时序微多普勒重建的强化注意力展开方法

    本文提出用于 Joint Communication and Sensing 系统中基于深度学习的 STAR 方法，实现在通讯质量差的条件下，从人类运动的微多普勒信号中准确地重建微多普勒序列，以实现人类运动活动识别等功能，并使其适用于实时系统的应用。

    Jun, 2023

  • 面向拥挤环境的基于视觉引导的 MIMO 雷达波束成形增强生命迹象检测

    本文介绍一种新型的双传感技术，其中视觉传感器用于引导 MIMO 雷达的数字波束成形，并提出一种校准算法将两种类型的传感器对齐，最后证明该方法能够在复杂环境中同时检测到坐立不同的一组人的生命体征。

    Jun, 2023

  • milliFlow: 用毫米波雷达点云进行场景流估计以实现人类运动感应

    提出了一种基于毫米波雷达的新型深度学习方法，即 milliFlow，用于场景流估计，为下游的人体动作传感任务提供了中间级别的特征，并且进一步改善了人体活动识别、人体分割和人体部分跟踪。

    Jun, 2023

  • 利用具备隐私保护的分布式摄像头网络和边缘计算进行室内定位和多人跟踪

    本文提出了一个开源、低成本、可扩展和隐私保护的边缘计算框架，用于室内多人定位，其中包括多个 Tensor 处理单元 (TPU) 摄像头系统，配合基于 Kalman 滤波的多人跟踪方法和一种先进的身体方向估计方法，能够同时确定多人的位置和朝向，并保证了个人隐私，实现了优化的数据传输和存储以及可扩展性。

    May, 2023

  • 基于 UWB 多静态无线电的非设备式人体状态估计

    利用低成本的 Ultra-Wide Band（UWB）传感器和深度学习网络，我们提出了一个人类状态估计框架，能够在室内环境中无需特定设备的情况下估计人的位置和活动，实现精确的定位和活动识别。

    Dec, 2023

  • mD-Track：利用多维度进行室内无线被动式追踪

    本文提出使用 mD-Track，一种不需要设备的 Wi-Fi 跟踪系统，通过将尽可能多的维度信息进行联合融合来克服各个单独维度的分辨率限制，并通过新颖的路径分离算法来在更精细的分辨率下解决多径问题，从而实现仅使用单个 Wi-Fi 发射器对人进行高精度被动定位，并引入了一种新颖的方法来大大简化其估计算法，实现实时操作。

    Dec, 2018

  • 视觉遇见无线定位：基于循环上下文传播的有效人员再识别

    本文提出了一种基于人员视觉数据和无线定位数据的人员重识别方法 —— 使用循环上下文传播模块和交叉模态线索进行信息传递以提高匹配度，实验结果表明该算法的有效性。

    Aug, 2020

  • 利用 mmWave 雷达和深度卷积神经网络实时检测多个病人的行为

    本研究提出了一种使用 mmWave 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个患者的行为，利用三层 CNN 模型对每个患者的行为进行分类，经过训练和测试，在两个患者场景下取得了非常好的推理准确性。

    Nov, 2019

  • 使用分层深度轨迹复识别技术进行多人跟踪

    本文提出了一个 hierarchical clustering 机制的跟踪框架，以便在利用 multi-stage deep network 进行 tracklet re-identification 的同时，合并 tracklets，从而提高多人追踪准确性。在 MOT16 和 MOT17 基准测试中，实验结果表明，我们的方法显著优于最先进技术。

    Nov, 2018