Anomaly detection in elderly behavior using TinyML and UWB Radar

In the context of elderly care, there is an emerging need for advanced technologies that can improve health care delivery. This is due to the fact that the elderly population is increasing and with it the challenges related to the health and well-being of the elderly. Machine Learning (ML) technologies can provide valuable support for health carers in identifying significant changes in the conditions of patients under their care. At the same time, the technologies in this field, in order to be used and accepted by the final user, require to be non-invasive, discrete and respectful of each one habits and lifestyle. Wearables and smart cameras are examples of technologies that showed this kind of rejection from the elderly population: wearables require, in fact, to be constantly carried by the users in order to work, while cameras are often perceived as too invasive of the final user privacy. In this context, we propose an innovative Ultra-Wide-Band (UWB) radar-based distributed solution employing two distinct ML algorithms hierarchically working together, with the objective of enhancing privacy while taking into account the perception of older users. The two algorithms, namely the in-sensor distance and presence estimation algorithm and the anomaly detection algorithm, are designed to be run together on different devices of a distributed ML pipeline. The in-sensor algorithms have been specifically designed to match the severe constraints that characterize the TinyML environments. It is meant to be run on multiple UWB-radar sensors distributed in all the rooms of a house, and, inputing high-dimensional radar matrices, it outputs the presence and the distance of a target in a room. The Anomaly Detection (AD) algorithm is then executed on an edge device, gathering the output of all the smart sensors with the objective of detecting significant deviations from the standard habits of the patient. The presented distributed solution encompassing smart, tinyML enabled, UWB-radar sensors present a promising approach to the enhancement of elderly care, offering a privacy-preserving and noninvasive solution that can enhance the quality of life for seniors while at the same time limiting the burden on their carers.

Nel contesto dell’assistenza agli anziani, sta emergendo la necessità di tecnologie avanzate che possano migliorare l’erogazione dell’assistenza sanitaria. Ciò è dovuto al fatto che la popolazione anziana sta aumentando e con essa le sfide legate alla salute e al benessere degli anziani. Le tecnologie di Machine Learning (ML) possono fornire un valido supporto agli operatori sanitari nell’identificare cambiamenti significativi nelle condizioni dei pazienti da loro assistiti. Allo stesso tempo, le tecnologie in questo campo, per essere utilizzate e accettate dall’utente finale, richiedono di essere non invasive, discrete e rispettose delle abitudini e dello stile di vita di ciascuno. I dispositivi indossabili e le telecamere intelligenti sono esempi di tecnologie che hanno mostrato questo tipo di rifiuto da parte della popolazione anziana: i dispositivi indossabili richiedono, infatti, di essere portati costantemente con sé dagli utenti per funzionare, mentre le telecamere sono spesso percepite come troppo invasive della privacy dell’utente finale. In questo contesto, proponiamo un’innovativa soluzione distribuita basata su radar in banda ultralarga (UWB) che impiega due distinti algoritmi di ML che operano gerarchicamente insieme, con l’obiettivo di migliorare la privacy tenendo conto della percezione degli utenti più anziani. I due algoritmi, ovvero algoritmo di stima della distanza e della presenza in-sensor e algoritmo di rilevamento delle anomalie, sono progettati per essere eseguiti insieme su diversi dispositivi di una pipeline ML distribuita. Gli algoritmi in-sensor sono stati specificamente progettati per soddisfare i severi vincoli che caratterizzano gli ambienti TinyML. È pensato per essere eseguito su più sensori radar UWB distribuiti in tutte le stanze di una casa e, inserendo matrici radar ad alta dimensione, restituisce la presenza e la distanza di un bersaglio in una stanza. L’algoritmo di rilevamento delle anomalie (AD) viene eseguito su un dispositivo edge, raccogliendo l’output di tutti i sensori intelligenti con l’obiettivo di rilevare deviazioni significative dalle abitudini standard del paziente. La soluzione distribuita presentata, che comprende sensori UWB-radar intelligenti e abilitati a tinyML, rappresenta un approccio promettente per il miglioramento dell’assistenza agli anziani, offrendo una soluzione non invasiva e rispettosa della privacy che può migliorare la qualità della vita degli anziani, limitando al tempo stesso il carico di lavoro di chi li assiste.