[論文レビュー] Personal Identification Using Ultrawideband Radar Measurement of Walking and Sitting Motions and a Convolutional Neural Network

Takuya Sakamoto|arXiv (Cornell University)|Jan 1, 2020

Non-Invasive Vital Sign Monitoring参考文献 35被引用数 3

ひとこと要約

本稿では、歩行および座り動作からの微ドップラー成分を捉えるために超広帯域（UWB）信号を用いたレーダー基盤の個人識別システムを提案する。これらのレーダーエコーのスペクトログラム画像を入力として使用する2層の畳み込みニューラルネットワーク（CNN）を訓練し、6名の参加者を対象とした実験的評価で高い識別精度を達成した。

ABSTRACT

This study proposes a personal identification technique that applies machine learning with a two-layered convolutional neural network to spectrogram images obtained from radar echoes of a target person in motion. The walking and sitting motions of six participants were measured using an ultrawideband radar system. Time-frequency analysis was applied to the radar signal to generate spectrogram images containing the micro-Doppler components associated with limb movements. A convolutional neural network was trained using the spectrogram images with personal labels to achieve radar-based personal identification. The personal identification accuracies were evaluated experimentally to demonstrate the effectiveness of the proposed technique.

研究の動機と目的

• 歩行や座り動作に起因する運動誘発の微ドップラー成分を捉えるためにUWBレーダーを用いた、侵襲的でない個人識別手法の開発。
• 視線が遮られたり、生体認証センサーを必要としない状況下でも、レーダー信号における微細な運動パターンの差を識別する課題に対処すること。
• 歩行および座り動作のレーダーエコーから得られるスペクトログラムに基づく深層学習の有効性を、個人識別に応用する実効性を評価すること。
• 2層のCNNが、追加の信号前処理を施さずにレーダー由来のスペクトログラム画像を分類する上で高い識別性能を達成できるかを実証すること。

提案手法

• 6名の参加者が歩行および座り動作を実行した際のエコー信号を、超広帯域レーダーで収集した。
• 時間周波数解析をレーダー信号に適用し、四肢の運動に起因する微ドップラー成分を強調するスペクトログラム画像を生成した。
• スペクトログラム画像を2層の畳み込みニューラルネットワーク（CNN）の入力として使用し、エンドツーエンドの特徴抽出と分類を実行した。
• 個人ラベルを用いてCNNを訓練し、個々の識別に有用なスペクトログラム内の特徴パターンを学習した。
• レーダーシステムは、四肢の振動に起因する周期的なドップラー周波数シフトを含む動的運動シグネチャを捉え、それがスペクトログラムに保持された。
• 収集したレーダー信号を用いたクロス参加者テストを通じて、識別精度を実験的に評価した。

実験結果

リサーチクエスチョン

• RQ1 歩行および座り動作からの微ドップラー成分を、UWBレーダーを用いて個人識別に有効に捉えることができるか？
• RQ2 畳み込みニューラルネットワークは、レーダーエコーから導出されたスペクトログラム画像に基づいて、個人をどの程度正確に分類できるか？
• RQ3 レーダー基盤のバイオメトリクスシステムにおいて、歩行と座り動作の両状態における識別精度はどのように異なるか？
• RQ4 2層のCNNは、追加の信号前処理を施さずに、レーダー信号のスペクトログラム表現のみを用いて高い識別性能を達成できるか？

主な発見

• 提案手法は、歩行および座り動作のUWBレーダー信号から得られるスペクトログラム画像を用いて、高い個人識別精度を達成した。
• 2層のCNNは、スペクトログラムからの特徴を効果的に学習し、個人の信頼性ある分類を可能にした。
• 四肢の運動に起因する微ドップラー成分がスペクトログラムに明確に可視化され、個々の識別に寄与した。
• 実験結果から、直接接触や視線が確保されている必要がない運動パターンに基づくレーダー基盤バイオメトリクスの実現可能性が示された。
• 歩行および座り動作の両状態において識別性能が一貫しており、動作モードの変化に対しても頑健であることが示された。
• 本研究は、UWB信号を用いたレーダー基盤個人識別において、スペクトログラムに基づく深層学習が実用的であることを確認した。