MIMOミリ波レーダーを用いた送信チャネル差分エンコーディングによる軽量歩容ベースの人員識別
Lightweight Gait-Based Person Identification via Transmit-Channel Differential Encoding with MIMO Millimeter-Wave Radar
本論文は、ミリ波レーダーを用いた非接触型の歩容(Gait)ベースの人員識別手法を提案する。この手法は、複数の送信チャネル間の応答差分をエンコードし、軽量な畳み込みリカレントニューラルネットワーク(Asym-CRNN)で処理することで、従来の課題であった胸部エコーによる手足の動きの不明瞭化や、歩行スタイルによるチャネル依存性を克服する。3送信4受信(3T4R)MIMOレーダーシステムで評価した結果、1秒の観測時間で89.62%、6秒で99.52%の識別精度を達成した。また、オープンセットシナリオではAUROC 0.9869を示し、登録されていない人物やペットの干渉も効果的に排除できることを確認した。提案手法は、Raspberry Pi 5上でCPUのみで動作し、モデルサイズは4.32MBとコンパクトである。これにより、リソースが制約されたエッジデバイスでのプライバシー保護を重視した屋内監視への応用可能性を示唆している。
- 3送信4受信(3T4R)MIMOミリ波レーダーで送信チャネル間の応答差分をエンコードする歩容ベース人員識別手法を提案し、胸部エコーによる手足の動きの不明瞭化と歩行スタイルのチャネル依存性を克服
- 軽量な畳み込みリカレントニューラルネットワーク(Asym-CRNN)を採用し、モデルサイズ4.32MBでRaspberry Pi 5上のCPUのみで動作
- 評価結果は1秒の観測時間で89.62%、6秒で99.52%の識別精度を達成
- オープンセットシナリオでAUROC 0.9869を記録し、未登録の人物やペットの干渉を効果的に排除できることを確認
- リソース制約のあるエッジデバイスでのプライバシー保護重視型屋内監視への応用可能性を示唆
ミリ波レーダー×歩容識別という非接触生体認証の研究で、Raspberry Pi 5上でCPUのみ・モデル4.32MBという軽量性はエッジAI推論の実装余地を示す。1秒89.62%/6秒99.52%、オープンセットAUROC 0.9869という数値は実用水準に近く、未登録者やペットを排除できる点は屋内監視・見守り市場でのプライバシー配慮型センシングの差別化要素になり得る。ただし論文段階の成果であり、商用化・採用企業・調達の動きは示されておらず、直ちに投資対象となる企業業績への影響は限定的。レーダー/エッジAIチップ、スマートホーム・介護向けセンサーモジュールへの応用展開を注視したい。