WITS:一个用于个性化智能家居活动识别的物联网计算框架

摘要

在过去的几年里,活动识别技术受到了前所未有的关注。随着电子健康在智能家居等各种应用中的普及,自动活动识别正越来越多地应用于康复系统、慢性病管理和老年人的个人健康监测。在本文中,我们提出了一个端到端的家庭监护系统WITS,以方便和高效地提供护理。该系统将数据驱动和知识驱动技术相结合,实现了个性化智能家居中的实时多层次活动监控。核心组件包括一种新的共享结构字典学习方法,结合基于规则的推理来进行连续的日常活动跟踪和异常活动检测。WITS还利用物联网中间件对环境传感器产生的信息进行可伸缩、无缝的管理和学习。我们进一步开发了一个用户友好的界面,它可以在iOS和Andriod上运行,也可以在Chrome中运行,从而在不需要编程的情况下高效地定制WITS监控服务。本文介绍了WITS的体系结构设计、核心算法以及我们对系统实现中的技术挑战的解决方案。

这是订阅内容的预览,通过您的机构访问.

图1
图2
图3
图4

笔记

  1. 1

    http://www.un.org/en/development/desa/population/publications/pdf/ageing/worldpoulationageing2013.pdf.

  2. 2

    http://www.alientechnology.com/.

  3. 三。

    https://www.arduino.cc/.

  4. 4

    https://www.raspberrypi.org/.

  5. 5

    http://www.phidgets.com/.

工具书类

  1. 1

    Aharon M,Elad M,Bruckstein A(2006)SVD:稀疏表示的超完备词典设计算法。IEEE传输信号处理54(11):4311–4322

    文章 数学 谷歌学者 

  2. 2

    Bhattacharya S,努尔米P,Hammerla N,Plötz T(2014)在稀疏编码框架中使用未标记数据进行人类活动识别。普及人群计算15:242–262

    文章 谷歌学者 

  3. 三。

    Bulling A,Blanke U,Schiele B(2014)使用人体惯性传感器进行人体活动识别的教程。ACM计算机测量(CSUR)46(3):33

    文章 谷歌学者 

  4. 4

    陈杰,周杰,叶杰(2011)结合低秩和群稀疏结构的鲁棒多任务学习。第17届ACM-SIGKDD知识发现与数据挖掘国际会议论文集。ACM,第42-50页

  5. 5

    Chen L,Hoey J,Nugent CD,Cook DJ,Yu Z(2012)基于传感器的活动识别。IEEE Trans-Syst Man Cybern第C部分应用修订版42(6):790-808

    文章 谷歌学者 

  6. 6

    Cook DJ,Schmitter Edgecombe M,Dawadi P(2015),使用智能家居技术分析自然主义环境中的活动行为和运动。IEEE J生物医学健康通报19(6):1882–1892

    文章 谷歌学者 

  7. 7

    Dawadi PN,Cook DJ,Schmitter Edgecombe M(2013)《使用智能家居监控复杂任务的自动认知健康评估》。IEEE Cyberman(美国电气与电子工程师协会)第1303卷第1303卷

    文章 谷歌学者 

  8. 8

    Edwards WK,Grinter RE(2001年),《家中无处不在的计算:七个挑战》。在:Ubicomp 2001:普适计算。斯普林格,第256-272页

  9. 9

    Evgeniou A,Pontil M(2007)多任务特征学习。Adv神经信息处理系统19:41

    谷歌学者 

  10. 10

    Guha T,Ward RK(2012)学习稀疏表示用于人类行为识别。IEEE Trans-Pattern Anal-Mach Intell 34(8):1576-1588

    文章 谷歌学者 

  11. 11

    Hodrick RJ,Prescott EC(1997)《战后美国经济周期:一项实证调查》。J货币信贷银行1:1–16

    文章 谷歌学者 

  12. 12

    Intille S et al(2006)使用现场实验室进行普适计算研究。国际普适计算会议论文集

  13. 13

    Kidd CD,Orr R R,Abowd GD,Atkeson CG,Essa IA,MacIntyre B,Mynatt E,Starner TE,Newstetter W(1999)aware home:普适计算研究的活实验室。在:Streitz NA,Siegel J,Hartkopf V,Konomi S(编辑)合作建筑。集成信息、组织和体系结构。1999年,计算机科学讲义,第1670卷,斯普林格,柏林,第191-198页

  14. 14

    Lee H,Battle A,Raina R,Ng AY(2007)高效稀疏编码算法。在:神经信息处理系统的进展。麻省理工学院出版社,剑桥,801-808页

  15. 15

    Mairal J,Bach F,Ponce J,Sapiro G(2009)稀疏编码在线词典学习。第26届国际机器学习年会论文集。ACM,第689-696页

  16. 16

    Mennicken S,Vermeulen J,Huang EM(2014)《从今天的增强型住宅到明天的智能住宅:家庭自动化研究的新方向》。2014年ACM普及与普适计算国际联席会议论文集。ACM,105-115页

  17. 17

    Minor B,Doppa JR,Cook DJ(2015)《数据驱动活动预测:算法、评估方法和应用》。In:KDD,第805-814页

  18. 18

    Mozer M(2004)从经适房获得的教训。博士。论文,科罗拉多大学

  19. 19

    Pintus A、Carboni D、Piras A(2012年)《Parapumu:一个社交物联网平台》。网址:WWW,第401-404页

  20. 20

    Rashidi P,Cook DJ(2011)智能环境中的知识转移活动。无处不在的暴徒计算机7(3):331–343

    文章 谷歌学者 

  21. 21

    Sohn T,Dey A(2003)iCAP:上下文感知应用程序交互原型的非正式工具。In:CHI,第974-975页

  22. 22

    Taylor K等人(2013年)耕作物联网。IEEE集成系统28(6):12–19

    文章 谷歌学者 

  23. 23

    Tung J,Snyder H,Hoey J,Mihailidis A,Carrillo M,Favela J(2013)《老年痴呆症患者日常护理技术》。IEEE普及计算机12(4):80–83

    文章 谷歌学者 

  24. 24

    乌尔B,麦克马纳斯E,白勇 Ho M,Littman ML(2014)《智能家居中的实际触发动作编程》。In:CHI,第803-812页

  25. 25

    Wang H,Nie F,Huang H(2013)基于结构稀疏性的多视图聚类与特征学习。地址:ICML,3号,352–360页

  26. 26

    Welbourne E、Battle L、Cole G、Gould K、Rector K、Raymer S、Balazinska M、Borriello G(2009)《使用RFID构建物联网:RFID生态系统体验》。IEEE互联网计算机13(3):48–55

    文章 谷歌学者 

  27. 27

    Yan Y,Ricci E,Subramanian R,Liu G,Sebe N(2014)多任务线性判别分析在视不变动作识别中的应用。IEEE Trans-Image Process23(12):5599-5611

    数学网 文章 数学 谷歌学者 

  28. 28

    姚L,贝纳塔拉B,王X,特兰克,鲁Q。情境即服务:为老年人的独立生活实现物联网感知过程。In:面向服务计算国际会议

  29. 29

    Yao L,Nie F,Sheng QZ,Gu T,Li X,Wang S(2016),“从更少中学习更好:基于共享结构发现的半监督活动识别”。2016年ACM普及与普适计算国际联席会议(UbiComp)会议记录。ACM,第13-24页

  30. 30

    Yao L,Sheng QZ,Li X,Gu T,Tan M,Wang X,Wang S,Ruan W(2018),无源RFID信号强度的无设备活动识别的压缩表示法。IEEE Trans Mob计算机17(2):293–306

    文章 谷歌学者 

  31. 31

    Yao L,Sheng QZ,Ngu AH,Li X,Benattalah B(2017),通过挖掘物联网中的人与物的交互作用揭示相关性。ACM Trans-Intell系统技术(TIST)8(5):62

    谷歌学者 

下载参考资料

作者信息

隶属关系

作者

通讯作者

通信对象姚丽娜.

权利和权限

转载和许可

关于这篇文章

通过十字标记验证货币和真实性

引用这篇文章

Yao,L.,Sheng,Q.Z.,贝纳塔拉,B。等等。WITS:一个用于个性化智能家居活动识别的物联网计算框架。计算 100个,369–385(2018年)。https://doi.org/10.1007/s00607-018-0603-z

下载引文

关键词

  • 活动识别
  • 本地化
  • 共享词典学习
  • 物联网
  • 智能家居

数学学科分类

  • 68岁35岁