マイクロドップラーレーダーの利用により、若年および高齢者の歩行パターンを分類する：長期的な短期メモリネットワークを使用したアプローチ

ウォーキング中の高齢者の転倒リスクを早期に検出するための毎日の監視システムを開発するために、この研究では、若年および高齢の成人向けの非常に正確なマイクロドップラーレーダー（MDR）ベースの歩行分類方法を提示します。私たちの方法は、300人の参加者を含む実験的研究で、MDR分光造影（時間速度分布）から抽出された歩行中の脚の動きに対応する速度の時系列を利用します。抽出された時系列は、若い参加者グループと年配の参加者グループの歩行を分類するために、長期の短期再発性ニューラルネットワークに入力されました。94.9％の分類精度を達成しました。これは、以前に提示された速度パラメーターベースの分類方法よりも大幅に高いです。

To develop a daily monitoring system for early detection of fall risk of elderly people during walking, this study presents a highly accurate micro-Doppler radar (MDR)-based gait classification method for the young and elderly adults. Our method utilizes a time-series of velocity corresponding to leg motion during walking extracted from the MDR spectrogram (time-velocity distribution) in an experimental study involving 300 participants. The extracted time-series was inputted to a long short-term memory recurrent neural network to classify the gaits of young and elderly participant groups. We achieved a classification accuracy of 94.9%, which is significantly higher than that of a previously presented velocity-parameter-based classification method.