論文の概要: Estimating indoor occupancy through low-cost BLE devices
- arxiv url: http://arxiv.org/abs/2102.03351v1
- Date: Sat, 30 Jan 2021 09:54:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:24:29.955991
- Title: Estimating indoor occupancy through low-cost BLE devices
- Title（参考訳）: 低コストBLEデバイスによる屋内居住の推定
- Authors: Florenc Demrozi, Fabio Chiarani, Cristian Turetta, Philipp H. Kindt,
and Graziano Pravadelli
- Abstract要約: 本稿では, 低コストの占有検知システムを提案する。
人間の存在に関連するBluetooth Low Energy (BLE)信号の変化を検出することに基づいています。
平均して、異なる環境では、97.97%の精度で占領者を正しく分類することができる。
- 参考スコア（独自算出の注目度）: 2.462983746099006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting the presence and estimating the number of subjects in an indoor
environment has grown in importance recently. For example, the information if a
room is unoccupied can be used for automatically switching off the light, air
conditioning, and ventilation, thereby saving significant amounts of energy in
public buildings.
Most existing solutions rely on dedicated hardware installations, which
involve presence sensors, video cameras, and carbon dioxide sensors.
Unfortunately, such approaches are costly, subject to privacy concerns, have
high computational requirements, and lack ubiquitousness.
The work presented in this article addresses these limitations by proposing a
low-cost system for occupancy detection.
Our approach builds upon detecting variations in Bluetooth Low Energy (BLE)
signals related to the presence of humans. The effectiveness of this approach
is evaluated by performing comprehensive tests on 5 different datasets.
We apply different pattern recognition models and compare our methodology
with systems building upon IEEE 802.11 (WiFi).
On average, in different environments, we can correctly classify the
occupancy with an accuracy of 97.97\%. When estimating the number of people in
a room, on average, the estimated number of subjects differs from the actual
one by 0.32 persons.
We conclude that the performance of our system is comparable to existing ones
based on WiFi, while leading to a significantly reduced cost and installation
effort. Hence, our approach makes occupancy detection practical for real-world
deployments.
- Abstract（参考訳）: 近年,室内環境における被写体数の検出と推定が重要になっている。
例えば、部屋が占有されていない場合の情報は、照明、空調、換気を自動的にオフにすることで、公共の建物においてかなりのエネルギーを節約することができる。
既存のソリューションのほとんどは、プレゼンスセンサー、ビデオカメラ、二酸化炭素センサーを含む専用のハードウェアインストールに依存している。
残念ながら、そのようなアプローチはコストがかかり、プライバシーの懸念を受け、高い計算要求を持ち、ユビキタス性に欠ける。
本稿では、これらの制約に対処するため、低コストで占有検知システムを提案する。
提案手法は,Bluetooth Low Energy(BLE)信号の変動を検知し,人体の存在を検知する。
このアプローチの有効性は、5つの異なるデータセットで包括的なテストを行うことで評価される。
異なるパターン認識モデルを適用し,IEEE 802.11(WiFi)上に構築されたシステムと比較する。
異なる環境では、平均して97.97\%の精度で居住地を正しく分類できる。
部屋の人数を平均して見積もると、実際の被験者の人数は0.32人である。
当社のシステムの性能は、既存のwi-fiシステムと同等であり、コストとインストールの労力を大幅に削減していると結論づけた。
したがって,本手法は実世界の展開において,占有率の検出を現実的に行う。
関連論文リスト
- Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - Environment-independent mmWave Fall Detection with Interacting Multiple
Model [1.9358739203360094]
mmWave radarは、プライバシー保護と非接触性のための有望な候補技術である。
FADEは現実のシナリオにおいて精度と堅牢性を高めた実用的な落下検知レーダーシステムである。
論文 参考訳（メタデータ） (2023-11-15T07:49:46Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Using Statistical Models to Detect Occupancy in Buildings through
Monitoring VOC, CO$_2$, and other Environmental Factors [2.1485350418225244]
これまでの研究は、CO$$のセンサーと視覚に基づく技術を使って、占有パターンを判定していた。
揮発性有機化合物(VOCs、Volatile Organic Compounds)は、別の汚染物質である。
揮発性有機化合物(VOCs、Volatile Organic Compounds)は、別の汚染物質である。
論文 参考訳（メタデータ） (2022-03-07T22:25:11Z) - 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) - Improving Proximity Estimation for Contact Tracing using a Multi-channel
Approach [1.3404503606887717]
近接推定を改善するためのマルチチャネル手法を提案する。
我々は,BLEとIEEE 802.11信号に基づく分類モデルを開発し,評価した。
IEEE 802.11のプローブ要求に基づく実装では、プライバシーの問題や制限にも遭遇しました。
論文 参考訳（メタデータ） (2022-01-25T15:45:23Z) - DAPPER: Label-Free Performance Estimation after Personalization for
Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。
実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文 参考訳（メタデータ） (2021-11-22T08:49:33Z) - In-Bed Person Monitoring Using Thermal Infrared Sensors [53.561797148529664]
パナソニックグリッド(Panasonic Grid-EYE)は、低解像度の赤外線サーモパイルアレイセンサーで、よりプライバシーを提供する。
この目的のために、2つのデータセットが取得され、1つ (480 画像) は一定条件で、もう1つ (200 画像) は異なるバリエーションで取得された。
我々は、SVM(Support Vector Machines)、k-Nearest Neighbors(k-NN)、Neural Network(NN)の3つの機械学習アルゴリズムをテストする。
論文 参考訳（メタデータ） (2021-07-16T15:59:07Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z) - Indoor Localization Techniques Within a Home Monitoring Platform [0.0]
本稿では,高齢者のリアルタイムモニタリングのために開発された屋内位置決め技術について詳述する。
これらは欧州連合が出資したi-Light研究プロジェクトの枠組みの中で開発された。
論文 参考訳（メタデータ） (2020-09-03T13:40:13Z) - Few shot clustering for indoor occupancy detection with extremely
low-quality images from battery free cameras [12.411387535687556]
低消費電力画像センサによる極低品質・プライバシー保護画像による占有率検出の課題について考察する。
我々は、この課題に対処するために、いくつかのショットラーニングとクラスタリングのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-13T02:47:01Z)
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。