ミリ波レーダと深層学習を用いたベッド周辺行動の分類と予測

カテゴリ：部門大会

論文No：PS8-7

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Prediction and Classification of Bedside Activities Using Millimeter-Wave Radar and Deep Learning

著者名：黒田 都馬（立命館大学）,橋本 周平（富山県立大学）,孔 祥博（富山県立大学）,神谷 和秀（富山県立大学）,佐保 賢志（立命館大学）

著者名(英語)： Toma Kuroda (Ritsumeikan University),Shuhei Hashimoto (Toyama Prefectural University),Xiangbo Kong (Toyama Prefectural University),Kazuhide Kamiya (Toyama Prefectural University),Kenshi Saho (Ritsumeikan University)

キーワード：深層学習,ベッド,予測予測,Deep Learning,Bed,Prediction

要約(日本語)：近年、高齢化が進む社会で介護士の負担を軽減するため、様々な機器による見守りシステムの開発が行われている。その中でもレーダは、非接触かつプライバシーに配慮した手法として注目されている。本研究ではミリ波FM-CWレーダとマイクロドップラーレーダを用いて得られる距離情報と速度情報からレンジプロファイルとスペクトログラムを生成し、CNNのResnet18を用いて定義した行動５種（臥床、少し動く、歩行、長坐（上）、長坐（下））の分類と予測を行った。被験者10人から各行動20データの計1000データを用いて、トレーニング用データ９人（900データ）、テスト用データ1人（100データ）で検証した。距離情報による行動分類では、平均精度は91.3％、速度情報による行動分類では、平均精度は91.3％であった。距離情報による行動予測では、平均精度は78.7％、速度情報による行動予測では、平均精度は78％であった。

本誌掲載ページ：1684-1686p

原稿種別：日本語

PDFファイルサイズ：366Kバイト