基于CNN的人体检测与关键词识别的TinyML接触式电梯
人机交互
2024-05-24 v1 人工智能
摘要
本研究提出了一种接触式电梯操作系统的概念验证，旨在最小化人类介入，同时提升安全性、智能性和效率。开发了一种基于微控制器的边缘设备，执行tiny机器学习（tinyML）推理。通过人体检测和关键词识别算法，系统提供了具有成本效益和鲁健性的单元，需最少的基础设施更改。设计包含预处理步骤和量化卷积神经网络的多租户框架，以优化准确率和响应时间。结果显示，人体检测准确率为83.34%，关键词识别效果为80.5%，整体延迟低于5秒，表明在实际场景中具有有效性。与当前高成本且不一致的接触式技术不同，本系统利用tinyML提供一种具有成本效益、可靠和可扩展的解决方案，提升了用户安全性和操作效率，无需重大基础设施更改。该研究突显了有前景的成果，尽管还需进一步探索其可扩展性和与现有系统的集成。所示能效、简单性和安全性优势表明，tinyML的采用可能 revolutionize电梯系统，作为未来技术进步的模型。该技术在减少人体接触、提高操作效率方面对公共卫生和便利性产生显著影响，尤其在疫情或卫生 concern 的背景下尤为重要。
引用
@article{arxiv.2405.13051,
title = {Towards Contactless Elevators with TinyML using CNN-based Person Detection and Keyword Spotting},
author = {Anway S. Pimpalkar and Deeplaxmi V. Niture},
journal= {arXiv preprint arXiv:2405.13051},
year = {2024}
}