限られたデータ環境下での人間活動認識のための軽量FMCWレーダーフレームワーク

カメラなしで日常を見守る

高齢者が転倒したり、誰かが異常に長く動かなくなったりした場合を、カメラやマイク、着用型デバイスを使わずに静かに検知できる住まいを想像してください。本論文は、小型のレーダーセンサーと効率的な人工知能を組み合わせ、寝室のような環境で少量の学習データしかない場合でも日常の人間活動を認識する新しい手法を示します。目標は、最終的に実際の住宅や病院、介護施設の低コスト機器上で動作可能な、プライバシーを守る実用的な監視システムを構築することです。

なぜカメラやウェアラブルではなくレーダーか？

現在の多くの活動監視システムはスマートウォッチなどのウェアラブル端末や室内に配置したビデオカメラに依存しています。ウェアラブルは不快で充電が必要だったり、寝ている間や入浴時に忘れられたり外されたりしがちです。カメラは明らかなプライバシーの懸念を生み、暗所や家具の陰などでは機能しないことがあります。レーダーは別の選択肢を提供します。電波を送信し、その反射から動きや位置を推定します。ミリ波レーダーは暗所でも働き、ある程度の障害物を透過し、人の外見を明らかにしないため、日常を丁寧に継続監視する技術として有望です。

目に見えない波を有益なパターンに変える

研究者らは、天井付近に小型の60GHzレーダーセンサーを設置し、ベッド、椅子、床をカバーするよう下向きに傾けて配置しました。被験者3名が16回の記録セッションに参加し、室内が空である状態、歩行、ベッドでの着座、椅子での着座、ベッドでの臥位、床での臥位、これらの状態間の遷移という7種類の活動を行いました。多くの先行研究がレーダー信号を画像に変換するのとは異なり、チームはデータを距離、速度、角度といった物理量を直接反映する形で保持しました。各レーダーフレームからレンジ–ドップラー（距離に対する運動）、レンジ–方位（水平角）、レンジ–仰角（垂直角）の3種類の特徴マップを抽出し、それらを積み重ねて、人の身体が時間経過で空間内にどう動くかを保つコンパクトな多次元ベクトルにまとめました。

小型機器向けの軽量インテリジェンス

これらのレーダーパターンを読み取るために、著者らは意図的に小型で効率的なディープラーニングモデルを構築しました。これは一般的な画像認識ネットワーク（ResNet-18）の簡略版と、双方向長短期記憶（bidirectional LSTM）を組み合わせた構成です。空間的な詳細を捉えつつ計算量とパラメータ数を大幅に削減する「深さ方向分離」畳み込みを採用し、再帰部分は半秒ほどの短い時間窓で活動がどのように展開するかを学習します。たった3人のデータしかない状況でも堅牢性を高めるために、チームは現実的なデータ拡張を行いました。見かけ上の位置や速度をわずかにシフトする、信号強度をスケール・バイアスする、動作方向を反転する、穏やかなノイズを加えるといった処理は、実際の住まいや人のばらつきを模倣します。

日常動作の認識精度はどの程度か？

フレームワークは2つの厳格な評価戦略で試験されました。クロスシーンテストでは、記録したセッションの大部分で学習させ、これまで見たことのないシーンで評価します。Leave-one-person-outテストでは、2人のデータで学習し、残る1人で完全にテストして新しい個人への一般化能力を調べます。挑戦的な7活動タスク全体で、シーンを保持した場合に約92%の精度とほぼ90%のF1スコア、見知らぬ人に対しては約90%の精度を達成しました。タスクを4つの主要活動（歩行、ベッドでの着座、椅子での着座、ベッドでの臥位）に簡略化すると、クロスシーンテストで精度は約99%にまで上昇しました。注目すべきは、この性能がより大きく計算負荷の高いニューラルネットワークに匹敵または上回りつつ、パラメータ数は100万未満、モデルサイズは7メガバイト未満に収まっている点です。

将来のスマートホームにとっての意義

簡潔に言えば、本研究は小型のレーダーユニットとコンパクトなAIモデルが、限られた学習データ下でもプライバシーを侵害することなく一般的な屋内活動を安定して識別できることを示しています。物理的に意味のあるレーダー特徴を直接扱い、慎重に選んだ拡張手法を組み合わせることで、高精度と効率性を両立させており、クラウド上の大型サーバーではなくエッジの組み込みハードウェアに適したアプローチになっています。データセットがより多くの人や行動を含むよう拡張されれば、こうしたレーダーベースのモニタリングは、プライバシーと尊厳を守りつつ安全性と健康を静かに見守るスマートな寝室、病室、支援付き住居の基盤となり得ます。

引用: Fard, A.S., Mashhadigholamali, M., Zolfaghari, S. et al. Lightweight FMCW radar framework for human activity recognition under limited data conditions. Sci Rep 16, 9650 (2026). https://doi.org/10.1038/s41598-026-44815-8

キーワード: レーダーベースの活動認識, FMCWミリ波レーダー, スマートホームモニタリング, 軽量ディープラーニング, 環境支援型生活支援