論文の概要: Online Guest Detection in a Smart Home using Pervasive Sensors and
Probabilistic Reasoning
- arxiv url: http://arxiv.org/abs/2003.06347v1
- Date: Fri, 13 Mar 2020 15:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 01:50:25.651573
- Title: Online Guest Detection in a Smart Home using Pervasive Sensors and
Probabilistic Reasoning
- Title（参考訳）: 広帯域センサと確率推論を用いたスマートホームにおけるオンラインゲスト検出
- Authors: Jennifer Renoux, Uwe K\"ockemann, Amy Loutfi
- Abstract要約: 本稿では,各段階における環境人数を推定できる確率論的アプローチを提案する。
シミュレーションデータと実データの両方を用いて,異なるサイズと構成の2つのスマートホーム上で,本手法を検証・検証した。
- 参考スコア（独自算出の注目度）: 3.538944147459101
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart home environments equipped with distributed sensor networks are capable
of helping people by providing services related to health, emergency detection
or daily routine management. A backbone to these systems relies often on the
system's ability to track and detect activities performed by the users in their
home. Despite the continuous progress in the area of activity recognition in
smart homes, many systems make a strong underlying assumption that the number
of occupants in the home at any given moment of time is always known.
Estimating the number of persons in a Smart Home at each time step remains a
challenge nowadays. Indeed, unlike most (crowd) counting solution which are
based on computer vision techniques, the sensors considered in a Smart Home are
often very simple and do not offer individually a good overview of the
situation. The data gathered needs therefore to be fused in order to infer
useful information. This paper aims at addressing this challenge and presents a
probabilistic approach able to estimate the number of persons in the
environment at each time step. This approach works in two steps: first, an
estimate of the number of persons present in the environment is done using a
Constraint Satisfaction Problem solver, based on the topology of the sensor
network and the sensor activation pattern at this time point. Then, a Hidden
Markov Model refines this estimate by considering the uncertainty related to
the sensors. Using both simulated and real data, our method has been tested and
validated on two smart homes of different sizes and configuration and
demonstrates the ability to accurately estimate the number of inhabitants.
- Abstract（参考訳）: 分散型センサネットワークを備えたスマートホーム環境は、健康、緊急検知、日々のルーチン管理に関連するサービスを提供することで、人々を助けることができる。
これらのシステムのバックボーンは、しばしば、自宅のユーザが行うアクティビティを追跡し、検出するシステムの能力に依存している。
スマートホームにおける活動認識分野の継続的な進歩にもかかわらず、多くのシステムは、任意の時点における家内の居住者の数が常に知られているという強い前提を定めている。
スマートホームにおける各ステップの人数を推定することは、今日でも課題である。
実際、コンピュータビジョン技術に基づくほとんどの(混雑した)カウントソリューションとは異なり、スマートホームで考慮されるセンサーは、非常に単純であり、個別に状況の概要を提供するものではない。
したがって、収集したデータは有用な情報を推測するために融合する必要がある。
本稿では,この課題に対処し,各時間ステップにおける環境中の人物数を推定可能な確率論的手法を提案する。
まず、この時点でセンサネットワークのトポロジーとセンサ活性化パターンに基づいて、制約満足度問題解決器を用いて、環境に存在する人の数の推定を行う。
そして、隠れマルコフモデルは、センサに関する不確実性を考慮してこの推定を洗練する。
シミュレーションデータと実データの両方を用いて,異なるサイズと構成の2つのスマートホームで検証および検証を行い,住民数を正確に推定する能力を実証した。
関連論文リスト
- Layout Agnostic Human Activity Recognition in Smart Homes through Textual Descriptions Of Sensor Triggers (TDOST) [0.22354214294493352]
スマートホームにおけるヒューマンアクティビティ認識(HAR)システムのためのレイアウトに依存しないモデリング手法を開発した。
我々は、周囲のトリガー条件をカプセル化するセンサートリガーのテキスト記述(TDOST)を生成する。
我々は、ベンチマークしたCASASデータセットの実験を通して、見知らぬスマートホームにおけるTDOSTベースのモデルの有効性を実証する。
論文 参考訳（メタデータ） (2024-05-20T20:37:44Z) - Know Thy Neighbors: A Graph Based Approach for Effective Sensor-Based
Human Activity Recognition in Smart Homes [0.0]
スマートホームにおけるヒューマンアクティビティ認識(HAR)のためのグラフ誘導ニューラルネットワーク手法を提案する。
スマートホームにおけるセンサネットワークを表す,より表現力のあるグラフ構造を学習することで,これを実現する。
本手法は,アテンション機構の適用により,個別の入力センサ計測を特徴空間にマッピングする。
論文 参考訳（メタデータ） (2023-11-16T02:43:13Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - To Compute or not to Compute? Adaptive Smart Sensing in
Resource-Constrained Edge Computing [1.7361161778148904]
我々は,時間変化信号のサンプリングと基地局への更新をリモートグローバル監視のために送信するエッジコンピューティングアプリケーションのための,スマートセンサのネットワークを考察する。
センサーはセンサーと計算機能を備えており、生のデータを送信したり、送信前にオンボードで処理することができる。
計算と通信遅延の両方を埋め込んだ推定理論最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-05T23:46:42Z) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳（メタデータ） (2022-02-15T17:38:30Z) - Benchmarking high-fidelity pedestrian tracking systems for research,
real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。
この技術が進歩するにつれて、社会においても益々有用になってきている。
歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。
我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文 参考訳（メタデータ） (2021-08-26T11:45:26Z) - Domain and Modality Gaps for LiDAR-based Person Detection on Mobile
Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。
実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。
その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文 参考訳（メタデータ） (2021-06-21T16:35:49Z) - Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets
Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。
モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文 参考訳（メタデータ） (2021-06-03T08:35:10Z) - Energy Aware Deep Reinforcement Learning Scheduling for Sensors
Correlated in Time and Space [62.39318039798564]
相関情報を利用するスケジューリング機構を提案する。
提案したメカニズムは、センサが更新を送信する頻度を決定することができる。
我々は,センサの寿命を大幅に延長できることを示した。
論文 参考訳（メタデータ） (2020-11-19T09:53:27Z) - Data-Driven Distributed State Estimation and Behavior Modeling in Sensor
Networks [5.817715558396024]
センサネットワークにおける状態推定と行動学習の同時学習の問題を定式化する。
本稿では,ガウス過程に基づくベイズフィルタ(GP-BayesFilters)をオンライン分散環境に拡張することで,シンプルで効果的な解を提案する。
提案手法の有効性は,マルチロボットプラットフォームから収集した合成データとデータの両方を用いて,未知の動作行動を持つ物体の追跡に評価される。
論文 参考訳（メタデータ） (2020-09-22T21:31:18Z) - Wavelet-based temporal models of human activity for anomaly detection in
smart robot-assisted environments [2.299866262521074]
本稿では,スマートホームセンサを用いた長期人間の活動の時間的モデリング手法を提案する。
このモデルはウェーブレット変換に基づいており、スマートセンサーデータの予測に使われ、人間の環境における予期せぬ事象を検出するための時間的前兆を提供する。
論文 参考訳（メタデータ） (2020-02-26T14:08:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。