Dec, 2023

非接触式多模态室内人体监测系统：综述

PDF
TL;DR室内人员监测系统利用各种传感器，包括摄像头、无线电设备和惯性测量单元，从用户和环境中收集大量数据。我们在这篇论文中详细介绍了一种针对室内人员监测系统的多模态方法的综合调查，重点关注其在老年护理方面的相关性。我们特别强调非接触技术在室内人员监测系统开发中的重要作用，特别是摄像头和无线电设备作为关键组件。我们探讨了从多模态数据源中提取特征的成熟技术，并研究了将这些特征融合和利用多种模态改善机器学习模型的准确性和鲁棒性的方法。此外，我们进行了不同数据模态在各种人员监测任务中的比较分析，并对现有多模态数据集进行了全面检查。这个广泛的调查不仅强调了室内人员监测系统的重要性，还确认了它们的多样化应用。特别是我们强调了它们在提高老年护理质量方面的关键作用，为满足老龄人口需求的非接触监测解决方案的开发提供了宝贵的见解。
indoor human monitoring systemsmultimodal approacheselderly carenon-contact technologiesmachine learning models
发现论文，激发创造
  • 可穿戴活动识别的单模态和多模态传感器融合

    综合不同的感知模态与多个位置有助于形成对人类行为等复杂情况的统一感知和理解，因此，人类活动识别受益于综合冗余和互补信息（单模态 / 多模态）。然而，这并不是一项容易的任务，它需要多学科的方法，包括传感器技术、信号处理、数据融合算法和领域特定知识。本博士研究使用惯性、压力（音频和大气压力）和纺织电容感应等感知模型进行人类活动识别。所探索的场景包括手势和手部位置跟踪、面部和头部模式识别以及身体姿势和手势识别。所选择的可穿戴设备和感知模型完全集成了基于机器学习的算法，其中一些实现在嵌入式设备上，并在实时环境中进行了测试。

    Apr, 2024

  • 人体跌倒检测 - 多模态方法

    通过多模式方法，使用手腕加速度计数据和传感器与摄像头数据的融合来检测老年人跌倒，并对其进行二分类标记，使用 UP-FALL 检测数据集进行实验，结果表明使用多种传感器数据并未显著提高跌倒检测的性能。

    Feb, 2023

  • MM-Fi：多模式非侵入式 4D 人体数据集用于多功能无线感应

    本文提出了 MM-Fi，这是第一个多模态、非侵入式的 4D 人员数据集，通过利用 LiDAR、毫米波雷达和 WiFi 信号等技术，来桥接无线感知和高级人员任务，支持人体姿态估计和动作识别等潜在感知任务。

    May, 2023

  • 多模态可佩戴传感器人体动作识别调查

    结合增加的预期寿命和下降的出生率导致人口老龄化问题，可穿戴传感器技术的人体活动识别成为一种有着巨大潜力的辅助技术来支持老年人的日常生活，近期的研究聚焦于深度学习方法或单一传感器模态，为了给机器带来类似的智能，多模态机器学习成为研究者们热衷的领域之一，本研究从新颖的视角对多模态学习在可穿戴传感器技术的人体活动识别领域的应用进行全面调查，包括探索最近的传感器模态和深度学习方法，研究目前的多模态系统的技术，以及解决现有问题的多模态学习方法，同时连接其他领域的多模态文献与当前的可穿戴传感器技术的人体活动识别领域，最后识别出当前领域的挑战和潜在研究方向以进一步提升该技术的性能。

    Apr, 2024

  • MAISON -- 为老年人设计的多模式基于人工智能的传感器平台

    本研究提出 MAISON 云平台，能够从老年人和患者的家中收集所需的多模态传感器数据，有助于构建预测模型，帮助医护人员监测和分析老年人的行为、功能和心理数据，以及检测主要健康指标，包括社交孤立、抑郁和功能衰退等。

    Nov, 2022

  • 利用惯性、生理和环境传感器进行的人体活动识别：综述

    本文综述了机器学习在发展基于惯性传感器以及生理和环境传感器的人类活动识别应用中所扮演的重要角色。

    Apr, 2020

  • 基于传感器的个人健康监测系统中的语义技术：一项系统映射研究

    本研究评估语义技术在基于传感器的个人健康监测系统中的应用。通过系统分析，确定了 6 个关键挑战，并评估了这些系统在应对这些挑战方面采用语义技术的情况。

    Jun, 2023

  • 惯性测量单元基于跨模态迁移学习在人体活动识别中的调查

    人类行为 / 动作识别中，通过跨模态转移学习，介绍了人工智能模型、IMU 数据和多模态学习的重要性以及它们的应用潜力。

    Mar, 2024

  • 老年间歇性痴呆患者多模态危险状态识别与早期预警系统

    我们团队开发了一种可穿戴的防丢失设备和智能早期警告系统，用于老年易失藤症患者，利用人工智能和物联网技术。

    May, 2024

  • 利用手机传感器对人机交互进行建模：用户身份认证的研究数据集和概述

    该研究总结了现代智能手机上常见的传感器，并提出了一个利用这些传感器模拟人与智能手机之间交互的维度分类法。其应用包括神经运动技能、认知功能和行为或例行程序，尤其关注用户认证方面的应用。通过使用人类移动交互的新型多模式数据库（HuMIdb 数据库），以深度学习中的连体神经网络为基础，该研究还检验了一个基于简单线性触摸手势的生物识别认证系统，达到了 87% 的准确率。

    Jun, 2020