| 講演名 | 2024-01-18 Enhancing Human Skeleton Estimation with Multi-Frame mmWave Radar Point Cloud-based Method 師 馨童(慶大), 大槻 知明(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | |
| 抄録(英) | Millimeter-Wave (mmWave) radar-based skeleton estimation has emerged as a focal point in the realm of human motion analysis and sensing, offering distinct advantages over conventional RGB camera, depth camera, and inertial sensor approaches. One notable advantage is its ability to operate independently of varying lighting conditions. Furthermore, it successfully addresses limitations inherent in depth camera methods, such as susceptibility to reflections and occlusions, and excels in providing precise real-time tracking, thereby elevating its overall performance. However, prevalent human skeleton estimation methods utilizing point cloud data often rely on single-frame inputs or incorporate voxelization, introducing associated drawbacks. This research presents an innovative model based on a combination of Convolutional Neural Network (CNN) and Bi-directional Long Short-Term Memory (BiLSTM) architecture specifically designed for handling multi-frame point cloud data without resorting to voxelization. Additionally, a Long Short-Term Memory (LSTM)-based neural network is introduced to evaluate the reliability of the point cloud, thereby enhancing overall robustness. Experimental results underscore the superior accuracy and robustness achieved in human skeleton estimation when compared to conventional single-frame methods. This research contributes to advancing the efficacy of mmWave radar-based skeletal tracking systems, paving the way for enhanced applications in human motion analysis and sensing. |
| キーワード(和) | |
| キーワード(英) | Millimeter-Wave radarHuman skeleton estimationConvolutional neural networkBi-directional long short-term memory neural networkPoint cloud |
| 資料番号 | SeMI2023-52 |
| 発行日 | 2024-01-11 (SeMI) |
| 研究会情報 | |
| 研究会 | SeMI |
|---|---|
| 開催期間 | 2024/1/18(から2日開催) |
| 開催地（和） | 楽気ハウス 甲斐路 |
| 開催地（英） | Raki House Kaiji |
| テーマ（和） | センシング，モビリティ，モバイル・ユビキタスコンピューティング，センサ・アドホック・モバイルネットワーク，アプリケーション，一般 |
| テーマ（英） | |
| 委員長氏名（和） | 門田 和也(日立) |
| 委員長氏名（英） | Kazuya Monden(Hitachi) |
| 副委員長氏名（和） | 大和田 泰伯(NICT) / 猿渡 俊介(阪大) |
| 副委員長氏名（英） | Yasunori Owada(NICT) / Shunsuke Saruwatari(Osaka Univ.) |
| 幹事氏名（和） | 勝間田 優樹(NTTドコモ) / 中山 悠(東京農工大) / 田谷 昭仁(東大) |
| 幹事氏名（英） | Yuki Katsumata(NTT DOCOMO) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / Akihito Taya(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 松田 裕貴(奈良先端大) / 鈴木 拓(日立) / 平井 健士(阪大) |
| 幹事補佐氏名（英） | Yuki Matsuda(NAIST) / Taku Suzuki(Hitachi) / Takeshi Hirai(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Sensor Network and Mobile Intelligence |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Enhancing Human Skeleton Estimation with Multi-Frame mmWave Radar Point Cloud-based Method |
| サブタイトル（和） | |
| キーワード(1)（和/英） | / Millimeter-Wave radarHuman skeleton estimationConvolutional neural networkBi-directional long short-term memory neural networkPoint cloud |
| 第 1 著者 氏名（和/英） | 師 馨童 / Xintong Shi |
| 第 1 著者 所属（和/英） | 慶応義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 大槻 知明 / Tomoaki Ohtsuki |
| 第 2 著者 所属（和/英） | 慶応義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2024-01-18 |
| 資料番号 | SeMI2023-52 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | SeMI-345 |
| ページ範囲 | pp.18-21(SeMI), |
| ページ数 | 4 |
| 発行日 | 2024-01-11 (SeMI) |