[논문 리뷰] Personal Identification Using Ultrawideband Radar Measurement of Walking and Sitting Motions and a Convolutional Neural Network

Takuya Sakamoto|arXiv (Cornell University)|2020. 01. 01.

Non-Invasive Vital Sign Monitoring참고 문헌 35인용 수 3

한 줄 요약

이 논문은 보행 및 앉는 동작에서 발생하는 마이크로 도플러 서명을 캡처하기 위해 초광대역(UWB) 신호를 사용하는 레이더 기반 개인 신원 확인 시스템을 제안한다. 이는 이러한 레이더 에코의 스펙트로그램 이미지를 입력으로 사용하는 이중층 컨볼루션 신경망(CNN)을 학습시켜 실험적 평가에서 6명의 참가자 대상으로 높은 신원 확인 정확도를 달성한다.

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.

연구 동기 및 목표

• 보행에 의해 유도되는 마이크로 도플러 서명을 캡처하기 위해 UWB 레이더를 사용하여 비침습적인 개인 신원 확인 방법을 개발하기 위해.
• 직선 시야나 생체 정보 센서가 필요 없이 레이더 신호의 미세한 운동 패턴을 기반으로 개인을 구분하는 도전 과제를 해결하기 위해.
• 보행 및 앉는 동작의 레이더 에코에서 유도된 스펙트로그램 기반 딥러닝의 효과성을 평가하기 위해.
• 두 번째 층의 CNN을 사용하여 레이더에서 유도된 스펙트로그램 이미지를 분류함으로써 개인 레이블을 사용한 높은 수준의 개인 식별 성능를 입증하기 위해.

제안 방법

• 6명의 참가자가 보행 및 앉는 동작 중일 때 초광대역 레이더를 사용하여 에코 신호를 측정하였다.
• 레이더 신호에 시간-주파수 분석을 적용하여 사지 운동으로부터 유도된 마이크로 도플러 성분을 강조하는 스펙트로그램 이미지를 생성하였다.
• 스펙트로그램 이미지를 두 번째 층의 컨볼루션 신경망(CNN)의 입력으로 사용하여 엔드 투 엔드 특징 학습 및 분류를 수행하였다.
• 개인 식별을 위한 스펙트로그램 내의 구분 가능한 패턴을 학습하기 위해 개인 레이블을 사용하여 CNN을 학습시켰다.
• 레이더 시스템은 사지 진동으로 인한 주기적인 도플러 이동과 같은 동적 운동 서명을 캡처하였으며, 이는 스펙트로그램에 유지되었다.
• 수집된 레이더 데이터를 기반으로 참가자 간 교차 테스트를 수행하여 식별 정확도를 평가하기 위한 실험적 검증을 실시하였다.

실험 결과

연구 질문

• RQ1 보행 및 앉는 동작에서 발생하는 마이크로 도플러 서명을 초광대역 레이더를 사용하여 개인 식별을 위해 효과적으로 캡처할 수 있는가?
• RQ2 컨볼루션 신경망이 레이더 에코에서 유도된 스펙트로그램 이미지를 기반으로 개인을 얼마나 잘 분류할 수 있는가?
• RQ3 레이더 기반 생체 인식 시스템에서 보행과 앉는 동작 간의 식별 정확도는 어떻게 달라지는가?
• RQ4 추가적인 신호 전처리 없이 레이더 신호의 스펙트로그램 표현만으로도 두 번째 층의 CNN이 높은 식별 성능를 달성할 수 있는가?

주요 결과

• 제안된 방법은 보행 및 앉는 동작의 UWB 레이더 신호에서 유도된 스펙트로그램 이미지를 사용하여 높은 개인 식별 정확도를 달성하였다.
• 두 번째 층의 CNN은 스펙트로그램에서 구분 가능한 특징을 효과적으로 학습하여 개인 식별을 위한 신뢰성 있는 분류를 가능하게 하였다.
• 스펙트로그램에서 사지 운동과 관련된 마이크로 도플러 성분이 명확하게 나타나 개인 간의 차별화에 기여하였다.
• 실험 결과는 직접 접촉이나 직선 시야 제약 없이 운동 패턴을 기반으로 한 레이더 기반 생체 인식의 가능성은 입증되었다.
• 보행 및 앉는 동작 유형 간에 식별 성능가 일관되었으며, 이는 운동 모드 변화에 대한 강건성을 시사한다.
• 본 연구는 스펙트로그램 기반 딥러닝이 UWB 신호를 사용한 레이더 기반 개인 식별에 실현 가능한 접근법임을 확인한다.