基于普适传感器与概率推理的智能家居在线访客检测
人工智能
2020-03-16 v1
摘要
配备分布式传感器网络的智能家居环境能够通过提供与健康、紧急检测或日常作息管理相关的服务来帮助人们。这些系统的支柱通常依赖于系统追踪和检测用户在家中执行活动的能力。尽管智能家居活动识别领域持续取得进展，许多系统在根本假设上强烈假定任意时刻家中居住者数量始终已知。如今，在每个时间步估计智能家居中的人数仍是一项挑战。事实上，与大多数基于计算机视觉技术的（人群）计数方案不同，智能家居中所考虑的传感器通常非常简单，且单独无法提供对情况的良好概览。因此，所收集的数据需要被融合以推断有用信息。本文旨在应对这一挑战，提出一种能够在每个时间步估计环境中人数的概率方法。该方法分两步工作：首先，基于传感器网络的拓扑结构与此时刻的传感器激活模式，使用约束满足问题求解器对环境中存在的人数进行估计；随后，隐马尔可夫模型通过考虑与传感器相关的不确定性来细化该估计。利用仿真与真实数据，我们的方法已在两个不同大小与配置的智能家居上测试并验证，展示了准确估计居住者数量的能力。
引用
@article{arxiv.2003.06347,
title = {Online Guest Detection in a Smart Home using Pervasive Sensors and Probabilistic Reasoning},
author = {Jennifer Renoux and Uwe Köckemann and Amy Loutfi},
journal= {arXiv preprint arXiv:2003.06347},
year = {2020}
}