Remote sensoric detection of human vital signs

Abstract

Název: Vzdálená senzorická detekce lidských životních funkcí Autor: Mgr. Jaroslava Schovancová, Ph. D. Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí: RNDr. David Obdržálek, Ph. D. Abstrakt: V této práci zkoumáme automatizovanou vzdálenou senzorickou detekci lidských životních funkcí pomocí radaru s frekvenčně modulovanou kontinuální vlnou (FMCW). To může mít pozitivní dopad na provoz LHC v CERNu, a potenciálně pomoci vzdáleným operátorům služby hasičského a záchranného sboru při hodnocení zdravotního stavu osob, které potřebují jejich pomoc. Zkoumáme omezení takové detekce v průmyslových prostředích, se zaměřením zejména na dechovou frekvenci. Zkoumali jsme úspěšnost detekce v závislosti na různých dechových vzorech, poloze těla lidského subjektu a vzdálenosti od senzoru, detekci z různých míst na těle, různém oblečení subjektu a různých podmínkách prostředí, včetně překážek v linii paprsku. Diskutujeme různé přístupy k analýze dat. S dostupným senzorem jsme pozorovali, že nejlepší detekční schopnosti byly při detekci z hrudníku lidského subjektu nezávisle na poloze těla a na očekávaném pracovním oblečení, s nepříliš mělkým a rychlým dechem, ve vzdálenosti až několika metrů a bez fyzických překážek v linii paprsku. Popsali jsme několik parametrických modelů pro detekci dechové...

Title: Remote sensoric detection of human vital signs Author: Mgr. Jaroslava Schovancová, Ph. D. Department: Department of Theoretical Computer Science and Mathematical Logic Supervisor: RNDr. David Obdržálek, Ph. D. Abstract: In this work we explore an automated remote sensoric detection of human vital signs, using a frequency-modulated continuous-wave (FMCW) radar. It can have a positive impact on CERN LHC Operations, potentially assisting the remote Fire & Rescue service Operators in assessing health status of personnel in need of their assistance. We explore limitations of such a detection in industrial settings, focusing particularly on the respiratory rate. We have investigated the detection gain & success w.r.t. different breathing patterns, human subject's body position and distance from the sensor, detection from different locations on the body, different subject's clothing, and different environmental conditions, including obstacles in the line of beam. We discuss different data analysis approaches. With the available sensor, we observed that the best detection capabilities were with detection from the human subject's thorax independent on the body position, and on expected work clothing, with rather a not shallow and quick breathing pattern, in distance of up to several meters and no physical...