Comparative Analysis of Gait Speed Estimation Using Wideband and Narrowband Radars, Thermal Camera, and Motion Tracking Suit Technologies
Notice bibliographique
Résumé
Research has shown that cognitive and physical functioning of older adults can be reflected in indicators such as walking speed. While changes in cognition, mobility, or health cause changes in gait speed, often gradual variations in walking speed go undetected until severe problems arise. Discrete clinical assessments during clinical consultations often fail to detect changes in day-to-day walking speeds and do not reflect walking speeds in everyday environments, where most of the mobility issues happen. In this paper, we compare four walking speed measurement technologies to a GAITRite mat (gold standard): (1) an ultra wideband radar (covering the band from 3.3 GHz to 10 GHz), (2) a narrow band 24-GHz radar (with a bandwidth of 250 MHz), (3) a perception Neuron Motion Tracking suit, and (4) a thermal camera. Data were collected in parallel using all sensors at the same time for 10 healthy adults for normal and slow walking paces. A comparison of the sensors indicates better performance at lower gait speeds, with offsets (when compared to GAITRite) between 0.1 and 20% for the ultra wideband radar, 1.9 and 17% for the narrowband radar, 0.1 and 38% for the thermal camera, and 1.7 and 38% for the suit. This paper supports the potential of unobtrusive radar-based sensors and thermal camera technologies for ambient autonomous gait speed monitoring for contextual, privacy-preserving monitoring of participants in the community.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».