Un sensor doppler puede recopilar datos únicos sobre diferentes movimientos. Crédito: Universidad Carnegie Mellon
Es probable que los datos sobre las ventas de viviendas no ayuden a alguien que busca un automóvil, al igual que la información sobre el baloncesto no ayudará a alguien que juega béisbol.
Pero eso no es cierto dentro del Laboratorio de Detección Inteligente para Humanos (SMASH) en la Universidad Carnegie Mellon, donde los investigadores usan datos recopilados de un tipo de sensor para entrenar a otro. Su trabajo, llamado IMU2Doppler, ha demostrado que los datos recopilados de los sensores de la unidad de medición inercial (IMU) en los relojes inteligentes pueden entrenar rápidamente un doppler de ondas milimétricas para reconocer los movimientos y comportamientos humanos.
Los sensores Doppler utilizan ondas milimétricas y el efecto doppler para determinar la velocidad y la dirección de un objeto en movimiento. El sensor ambiental se puede instalar en una casa inteligente, donde puede reconocer y rastrear actividades diarias como comer, beber, cepillarse los dientes y doblar la ropa. Es una alternativa para preservar la privacidad a los populares dispositivos inteligentes con parlantes y cámaras que han generado preocupaciones sobre la privacidad.
Si bien existen grandes conjuntos de datos etiquetados para entrenar sensores que dependen de IMU o video, no existen para sensores doppler. Recopilar y etiquetar los datos requiere tiempo y recursos, gastos que los investigadores podrían evitar gracias al trabajo del equipo de SMASH Lab.
«Los dispositivos portátiles como Fitbit y Apple Watch han sido comunes durante tantos años. La gente ya ha dedicado mucho tiempo a etiquetar conjuntos de datos IMU para actividades cotidianas, y podemos aprovechar eso para etiquetar nuevos sensores como un doppler». dijo Rushil Khurana, miembro de SMASH Lab y Ph.D. estudiante en la interacción humano-computadora.
El equipo usó una red neuronal entrenada en IMU y datos de video existentes para facilitar el entrenamiento de un modelo de sensor doppler, y descubrió que tenía una precisión del 75% desde el principio con solo unos segundos de sus propios datos de entrenamiento. Este esfuerzo se basa en trabajos previos en video y audio.
Además de rastrear las actividades diarias en una casa, los investigadores de SMASH Lab eventualmente quieren rastrear y monitorear los movimientos de las personas en sus propios hogares para ayudar a los médicos, consejeros, clínicos y otros profesionales médicos a detectar enfermedades o signos de posibles problemas. Los sensores Doppler instalados en los hogares de las personas podrían hacer esto posible.
«Queremos vincular las actividades y los comportamientos de una persona en sus hogares con su salud física y mental. Podríamos ayudar a diagnosticar la depresión, la fatiga del sueño y otras afecciones». dijo Mayank Goel, quien dirige SMASH Lab y es profesor asistente en el Instituto de Investigación de Software y el Instituto de Interacción Humano-Computadora.
Un método para generar automáticamente conjuntos de datos de cámara de radar para aplicaciones de aprendizaje profundo
Citación: Uso de dispositivos portátiles para entrenar nuevos sensores para preservar la privacidad (10 de marzo de 2022) consultado el 19 de marzo de 2022 en https://techxplore.com/news/2022-03-wearables-privacy-preserving-sensors.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
