人體定位和3D姿態估計 (Human Pose Estimation, HPE) 在擴增及虛擬實境 (AR/VR)、人機介面、醫療照護及體育等方面都是核心技術之一 (圖一)。在醫院或長照場域中，人體定位可於跌倒事件發生時即時提供意外發生位置的資訊，3D姿態估計則可達到如離床警示或跌倒預測等，以減少意外傷害的發生。

傳統方法多使用基於RGB相機的動作捕捉系統，但其通常存在如：對光線敏感和侵犯隱私等問題。將較於傳統RGB相機，毫米波雷達 (mmWave) 則具有：能穿牆識別、對光線等環境條件有較高穩定性及無隱私侵犯疑慮等優勢，使其適合用於醫療照護等環境複雜且對保護隱私有較高要求的應用。

本實驗室與美國華盛頓大學Information Processing Lab合作提出一基於mmWave的人體定位和3D姿態估計系統 (圖二)，該系統以mmWave作為主感測器。此外，透過雙RGB相機及光達 (LiDAR) 同步收集的資料，經由ZeDo模型產生之高精度人體骨架作為HPE模型訓練的Ground Truth (圖三)。提出之HPE模型以HRNet作為模型骨幹，並於特徵空間分出兩個輸出：表示人體中心定位的分佈圖，以及各關節關鍵點的位置偏移量 (圖四)。

模型辨識成果如圖五所示，本實驗室所提出之HPE模型具有精確的定位表現，其平均定位誤差約為9.91 cm，證明本系統能更有效的對人員進行定位及人體姿態估計。