عنوان پایان‌نامه
تخمین تعداد و موقعیت افراد در محیط¬های هوشمند بر اساس ترکیب اطلاعات سنسوری
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2518;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64816
- تاریخ دفاع
- ۳۱ خرداد ۱۳۹۳
- دانشجو
- پویا مهران نیا
- چکیده
- وجود ابزارهای قدرتمند محاسباتی، ارتباطی و حسگرهای پیشرفته در بیشتر اماکن خصوصی و عمومی اعم از منازل، ادارات، آزمایشگاه ها و دانشگاه ها موجب تسهیل امور روزمره شده است. با این حال دانشمندان در نظر دارند که با تبدیل اینگونه مکان‌ها به محیط‌های هوشمند، انجام این امور را بیش از پیش آسان سازند. . محیط هوشمند به محیطی اطلاق می‌شود که در آن تمامی گفتارها و رفتارهای کاربران به طور خودکار ضبط و پردازش می‌شود. محیط‌های هوشمند از زمانی مورد توجه قرار گرفت که پژوهشگران متوجه شدند ایجاد چنین محیط‌هایی باعث کاهش چشمگیر مصرف انرژی می‌شود. این در حالی است که امروزه مسائلی همچون مسئله سلامت معلولین و از کار افتادگان، انگیزه ای فراتر از مسئله صرفه جویی در مصرف انرژی برای گسترش محیط های هوشمند ایجاد می کنند. در میان داده های موجود در یک محیط هوشمند، داده های مربوط به اطلاعات مکانی کاربران از بالاترین اهمیت برخوردار است. دانستن تعداد افراد موجود در یک محیط و مکان دقیق هرکدام از پایه‌ای‌ترین اطلاعاتی است که حاصل پردازش‌های اولیه است و بسیاری از پردازش‌های ثانویه بر اساس آن انجام می‌شود. از این لحاظ هم سرعت و هم صحت به دست آوردن اطلاعات مکانی بسیار دارای اهمیت است. در این پژوهش یک راهکار مبتنی بر ترکیب اطلاعات جهت افزایش صحت تخمین تعداد و مکان افراد ارائه شده است. با استفاده از روش بیزین ترکیب اطلاعات و اعمال این روش بر روی سه نوع حسگر مختلف، تعداد اشخاص و مکان آن‌ها با صحت قابل قبولی تخمین زده شده است. مقایسه نتایج بدست آمده از ترکیب این سه حسگر با نتایج حاصل از ترکیب دو حسگر و تک حسگر ها نشان می دهد که ترکیب انتخاب شده از بالاترین دقت و صحت برخوردار است. همچنین با تعریف معیار قابلیت اطمینان و مقایسه این معیار در ترکیب های یاد شده، نشان داده شده است که ترکیب انتخاب شده بالاترین قابلیت اطمینان را دارا میباشد. کلید واژه: محیط هوشمند، ترکیب اطلاعات حسگرها، تخمین تعداد و موقعیت افراد.
- Abstract
- The presence of computation, communication, and sensorial capabilities in most places where human exists facilitate daily works, but the idea of making such places smart can make the tasks even easier. Smart-rooms are multi-modal environments where the audible and visible actions of the people inside the rooms are recorded and analyzed automatically. Robust detection and localization of people in smart environments are essential. In smart environments human activities are monitored and analyzed to recognize the intention. Information extracted in the localization process is fundamental for intention recognition. Actions in smart environments are taken by the actuators regarding the decisions made based on the recognized intention. As a smart environment is made up of many different sensors and their responses have redundant and complementary areas, it is highly probable that data fusion techniques can decrease uncertainty of decisions and increase their reliability. Although sensors in any kind may independently satisfy the user, but based on their quality of performance we intend to select the ones which accelerate reaching user’s aim with maximum accuracy. As location information is one of the most fundamental data used in smart environments, we apply sensor fusion techniques to improve the localization infrastructure and consequently the quality of actions and decisions made in smart environments. In this research, a data fusion approach was applied to improve localization of people in smart environments. Data from three different sensors are combined to get benefit from the redundancy and complementary of the information extracted from these sensors. Comparing the result of this approach with single sensor results and sensor fusion using two sensors, shows that this combination of sensors leads to the best performance of localization considering the accuracy and precision. Moreover, a criterion to measure reliability of estimated number and location of people is presented. Using this criterion to compare the reliability of results also shows that the result achieved by the mentioned three sensors has the most reliability among all other combinations and single sensors. Keywords: Smart environments, sensor fusion, localization, number and location estimation.
