MétaCan
Menu
Retour à la cohorte
Enregistrement W4285306100 · doi:10.1109/jsen.2022.3184188

Hallway Gait Monitoring Using Novel Radar Signal Processing and Unsupervised Learning

2022· article· en· W4285306100 sur OpenAlexaff
Hajar Abedi, Jennifer Boger, Plinio Pelegrini Morita, Alexander Wong, George Shaker

Notice bibliographique

RevueIEEE Sensors Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRadarGaitArtificial intelligenceComputer visionRadar trackerReal-time computingLow probability of intercept radarRadar engineering detailsRadar imagingTelecommunications

Résumé

récupéré en direct d'OpenAlex

We propose a novel corridor or hallway gait monitoring system based on radar signal processing, unsupervised learning, and a subject detection, association and tracking method. This paper proposes an algorithm that could be paired with any type of MIMO FMCW radar to capture human gait in a highly cluttered environment without needing radar antenna alteration. We validate algorithm functionality by capturing spatiotemporal gait values (e.g., speed, step points, step time, step length, and step count) of people walking in a long hallway. We show that our proposed algorithm yields an average absolute error for speed estimation between 0.0040 m/s to 0.0435 m/s. These preliminary results demonstrate the promising potential of our algorithm to accurately monitor gait in hallways, which increases opportunities for its applications in institutional and home environments.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,231
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207