2024/7/31 由印度理工学院卡拉格普尔分校创建发布 mmDoppler 数据集。一个能连续识别人们各种强度活动的被动式感应数据集。
传统的人体活动识别方法依赖于像激光雷达 或 深度摄像头这样的传感器，这些传感器在捕捉走路或跑步这样的大动作方面表现出色。然而，如打字、打电话、弹吉他、梳头、刷牙或手部微妙的动作，通常无法检测到。
想象一下，捕捉从轻轻一弹指到挥手致意这样的大手动作。
近年来，毫米波雷达技术能够穿透非金属材料，对环境变化具有韧性，并且具有高分辨率的传感能力。
mmDoppler 数据集 ：它利用现成的（COTS）毫米波雷达，通过机器学习驱动的信号处理流程来捕捉宏观和微观的人体运动。
数据集地址：mmDoppler|人体活动识别数据集
一、先来看看数据集
mmDoppler 数据集包含75000条记录，包括七个受试者执行19种不同的活动，并采用自适应多普勒分辨率来增强活动识别。通过基于活动类型调整雷达的多普勒分辨率，我们的系统能够更精确地捕捉微妙的动作。
通过提供详细的范围-多普勒热图，展示详细的运动动态，数据是在受控环境中收集的，包括单一和多个受试者同时进行活动的情境。该数据集旨在通过提供更全面和详细的资源，来弥合HAR系统之间的差距，提高mmWave雷达活动识别的鲁棒性和准确性。
与其他数据集比较，mmDoppler 在Granularity(粒度）涵盖了宏观和微观尺度的活动，在Multi Subjects 唯一一个包含多受试者数据的数据集。
人体活动识别，在不同活动中雷达信号的多普勒频率变化和距离变化
宏观活动，如拍手、跳跃、弓步、走路、深蹲、挥手、折叠衣服、更换衣服、吸尘清洁和跑步
微观活动，如使用手机、笔记本电脑打字、坐着、吃饭、打电话、弹吉他、刷牙、梳头、喝水
二、数据集的应用场景：
1、老年人监护：
比如家里有老人，可以及时发现行动不便或者不小心摔倒，可以快速信息传递给家人。
2、康复监测：
通过监测日常康复需要进行的运动，给予康复中心工作人员判断以便指导康复者进行练习。
3、睡眠质量监测：
比如 对夜间醒来次数，还有醒来以后，再进入睡梦中难易程度等这些微小动作监测，对睡眠障碍的诊断和治疗会有些帮助。
