新系统由滑铁卢大学的研究人员构建，无需可穿戴设备即可准确、持续地跟踪个人活动，收集重要信息，并提醒医学专家介入并提供帮助。
“经过五年多的研究这项技术，我们已经证明，由机器学习和人工智能支持的极低功率毫米波无线电系统可以可靠地用于家庭、医院和长期护理机构，”电气和计算机工程兼职副教授 George Shaker 博士说。
“一个额外的好处是，该系统可以提醒医护人员突然跌倒，而不需要像相机这样的侵犯隐私的设备。”
Shaker 和他的同事开展这项工作之际，公共医疗系统负担过重，难以满足迅速增长的老年人口的迫切需求。
虽然老年人的身体或精神状况可能会迅速变化，但几乎不可能全天候跟踪他们的行动并发现问题 - 即使他们住在长期护理中也是如此。此外，其他用于监测步态（一个人如何走路）的现有系统价格昂贵、难以操作、对诊所不切实际且不适合家庭使用。
新系统向前迈出了一大步，其工作方式如下：首先，无线发射器在室内空间（例如长期护理室、公寓或家中）发送低功率波形。
当波形从不同的物体和被监控的人身上反弹时，它们被接收器捕获和处理。该信息进入 AI 引擎，该引擎破译用于检测和监控应用程序的处理波。
该系统采用极低功率的雷达技术，可以简单地安装在天花板上或墙上，并且不会有可穿戴监控设备的缺点（这些设备可能不舒服并且需要经常为电池充电）。
“在家庭和长期护理院使用我们的无线技术可以有效地监控各种活动，如睡觉、看电视、吃饭和上厕所的频率，”Shaker 说。
“目前，该系统可以提醒护理人员行动能力普遍下降、跌倒的可能性增加、尿路感染的可能性以及其他几种疾病的发作。”
滑铁卢的研究人员与加拿大公司 Gold Sentintel 合作，将这项技术商业化，该技术已经安装在几家长期护理院中。
有关这项工作的论文，基于毫米波调频连续波雷达和云计算的人工智能非接触式室内步态监测和活动识别系统，发表在 IEEE 物联网期刊上。
博士生 Hajar Abedi 是第一作者，Ahmad Ansariyan、Plinio Morita 博士、Jen Boger 博士和 Alexander Wong 博士也做出了贡献。
本文刊登在Sciencedaily，由生活100编译。参考资料：基于毫米波 FMCW 雷达和云计算的人工智能非接触式室内步态监测和活动识别系统
