ترجمه فارسی مقاله مجموعه داده‌ای برای تشخیص فعالیت مداوم انسان با شدت‌های مختلف از طریق حسگری غیرفعال

چکیده

Human activity recognition (HAR) is essential in healthcare, elder care, security, and human-computer interaction. The use of precise sensor data to identify activities passively and continuously makes HAR accessible and ubiquitous. Specifically, millimeter wave (mmWave) radar is promising for passive and continuous HAR due to its ability to penetrate non-metallic materials and provide high-resolution wireless sensing. Although mmWave sensors are effective at capturing macro-scale activities, like exercising, they fail to capture micro-scale activities, such as typing. In this paper, we introduce mmDoppler, a novel dataset that utilizes off-the-shelf (COTS) mmWave radar in order to capture both macro and micro-scale human movements using a machine-learning driven signal processing pipeline. The dataset includes seven subjects performing 19 distinct activities and employs adaptive doppler resolution to enhance activity recognition. By adjusting the radar’s doppler resolution based on the activity type, our system captures subtle movements more precisely. mmDoppler includes range-doppler heatmaps, offering detailed motion dynamics, with data collected in a controlled environment with single as well as multiple subjects performing activities simultaneously. The dataset aims to bridge the gap in HAR systems by providing a more comprehensive and detailed resource for improving the robustness and accuracy of mmWave radar activity recognition.

چکیده به فارسی (ترجمه ماشینی)

شناخت فعالیت های انسانی (HAR) در تعامل مراقبت های بهداشتی ، مراقبت از سالمندان ، امنیت و انسان و رایانه ضروری است.استفاده از داده های سنسور دقیق برای شناسایی فعالیت ها به صورت منفعلانه و مداوم باعث می شود HAR در دسترس و همه جا باشد.به طور خاص ، رادار موج میلی متر (MMWAVE) به دلیل توانایی در نفوذ به مواد غیر فلزی و ارائه سنجش بی سیم با وضوح بالا ، امیدوار کننده HAR منفعل و مداوم است.اگرچه سنسورهای MMWAVE در ضبط فعالیت های در مقیاس کلان مانند ورزش ، مؤثر هستند ، اما آنها نمی توانند فعالیت های میکرو در مقیاس مانند تایپ کردن را ضبط کنند.در این مقاله ، ما MMDOPPLER را معرفی می کنیم ، یک مجموعه داده جدید که از رادار MMWAVE خارج از قفسه (COTS) استفاده می کند تا بتوانیم حرکات انسانی در مقیاس کلان و میکرو را با استفاده از یک خط لوله پردازش سیگنال محور ماشین را ضبط کنیم.این مجموعه داده شامل هفت موضوع است که 19 فعالیت مجزا را انجام می دهند و از وضوح داپلر تطبیقی ​​برای تقویت تشخیص فعالیت استفاده می کنند.با تنظیم وضوح داپلر رادار بر اساس نوع فعالیت ، سیستم ما حرکات ظریف را دقیق تر ضبط می کند.MMDOPPLER شامل نقشه های گرمای دامنه داپلر ، ارائه پویایی حرکت دقیق ، با داده های جمع آوری شده در یک محیط کنترل شده با موضوعات منفرد و همچنین چندین موضوع که به طور همزمان فعالیت می کنند.این مجموعه داده با هدف تأمین یک منبع جامع تر و دقیق تر برای بهبود استحکام و صحت تشخیص فعالیت رادار MMWAVE ، شکاف در سیستم های HAR را ایجاد می کند.