{
  "paper_id": "46b1768200b980873ab5feea758e2f52",
  "paper_title": "一种基于微型LiDAR的精确点云人体识别方法",
  "paper_authors": [
    "Shota Yamada",
    "Hamada Rizk",
    "Hirozumi Yamaguchi"
  ],
  "publication_date": "",
  "publication_venue": "unknown",
  "abstract": "为了提升安全系统并限制COVID-19的快速传播，实时生命日志成为追踪感染病例和控制疫情的重要应用，这需要精确的人体识别技术，而摄像头因隐私问题无法采用。近年来，LiDAR传感器因其以3D点云形式表示周围环境的能力而受到关注。本文提出一种新型的穿戴式微型LiDAR设备，用于构建基于板载的人体识别系统以实现生命日志。该系统获取周围环境的3D点云数据，从中提取具有区分性的签名，通过时空密度聚类和Fisher向量表示去除噪声和背景。提取的特征用于训练随机森林分类器进行人体识别。基于六名不同受试者的实验评估表明，该系统能有效去除噪声和背景，并以99.9%的准确率精确识别受试者。",
  "keywords": [
    "point cloud-based recognition",
    "LiDAR",
    "Human identification",
    "user tracing for COVID-19"
  ],
  "paper_institutions": [
    "Osaka University",
    "Tanta University"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:34.593852Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对COVID-19期间对安全增强系统和实时生命日志的需求，提出了一种基于微型LiDAR（称为Hitonavi-μ）的穿戴式人体识别系统。现有基于摄像头或麦克风的识别方法存在隐私泄露风险，且传统LiDAR设备体积大、成本高。该系统通过穿戴于颈部的微型LiDAR获取周围环境的3D点云，利用时空密度聚类（DBSCAN）结合多帧集成来检测和去除噪声及背景，随后采用Fisher向量提取固定大小的判别性特征，并训练随机森林分类器进行人体识别。实验在六名受试者（学生和工作人员）上进行，采集3分钟点云数据，按80%训练、20%测试划分。结果显示，当集成5帧（约1秒）时识别准确率达到99.9%，且多帧集成增强了噪声去除效果。未来将探索更多受试者和不同交互场景。该系统适用于教室、商店试衣间等对隐私要求高的环境，但受限于微型传感器的探测距离（3米）和边缘设备的计算能力，利用Fisher向量表示点云偏离生成模型的梯度，结合RF分类器实现高效识别。\n### 关键要点\n- 提出首个使用微型可穿戴LiDAR（Hitonavi-μ）进行人体识别的系统，传感器尺寸为44×24×16毫米，连接树莓派4B计算单元。\n- 系统通过胸佩戴式传感器获取周围环境的3D点云，仅含x、y、z坐标，不包含个人身份信息，保护隐私。\n- 使用DBSCAN算法结合多帧集成（1、3、5帧）进行噪声和背景去除，集成帧数越多，密度差异越大，噪声检测效果越好。\n- 特征提取采用Fisher向量（FV）表示，基于高斯混合模型（GMM）计算点云对数似然对参数（权重、均值、协方差）的梯度，生成固定尺寸特征，适应点云大小可变性。\n- 分类器采用随机森林，包含200棵树，使用熵作为分裂指标，无需复杂调参即可获得高准确率。\n- 实验涉及六名受试者，数据在自然对话场景中采集，距离可变，采集时长3分钟，按80/20划分训练和测试。\n- 集成5帧（约1秒）时识别准确率达到99.9%，超过5帧后准确率下降，因为帧数过多可能导致目标形状变化。\n- 单帧聚类也能达到较高准确率，但多帧集成显著提升性能，混淆矩阵证实五帧集成的优越性。\n- 系统在边缘设备（树莓派）上运行，计算高效，无需高性能GPU，适用于实时生命日志应用。\n- 相比基于人脸、语音或步态的识别方法，点云方法避免了隐私泄露，可用于试衣间等敏感场景。\n- 未来工作将扩大受试者数量并研究不同人际交互情境下的系统性能。",
  "available_templates": [
    "deep_read",
    "simple"
  ]
}