Merkmalbasierte Schätzung von menschlichen Bewegungsparametern mit Radar

Radar kann eine äußerst nützliche Sensortechnologie sein, um Personen zu beobachten. Es erkennt Personen hinter Wänden oder aus großer Entfernung und in Situationen, in denen Personen keine oder schlechte Sicht haben. Die menschliche Bewegung moduliert das Radarsignal, was im Spektrogramm des empfangenen Signals beobachtet werden kann. Die Extraktion dieser Bewegungen ermöglicht die Animation einer Person in der virtuellen Realität. Die Autoren konzentrieren sich auf einen schnellen, merkmalsbasierten Ansatz zur Schätzung menschlicher Bewegungsmerkmale für Echtzeitanwendungen. Das menschliche Gehmodell von Boulic wird verwendet, das die menschliche Bewegung mit drei Parametern beschreibt. Personenbezogene Informationen werden durch die Schätzung der individuellen Bein- und Rumpfparameter erhalten. Diese Bewegungsparameter können aus der temporalen Maximum-, Minimum- und Mittelgeschwindigkeit der menschlichen Bewegungsverteilung geschätzt werden. Es werden drei Methoden vorgestellt, um diese Geschwindigkeiten zu extrahieren. Darüber hinaus extrahieren wir eine unabhängige Schätzung der menschlichen Bewegungswiederholfrequenz basierend auf Geschwindigkeitsbereichen im Spektrogramm. Kalman-Filter glätten die Parameter und schätzen die globalen Boulic-Parameter. Diese geschätzten Parameter dienen als Eingabe für das menschliche Modell von Boulic, das die Grundlage für die Animation bildet. Die Methoden werden auf realen Radarmessungen angewendet. Die animierte Person, die mit den extrahierten Parametern erzeugt wird, bietet ein realistisches Abbild der tatsächlichen Bewegung der Person.