Müller, Sebastian Matthias (2020) Multi-target data association and identification in binary sensor data. PhD, Universität Oldenburg.

Preview

Volltext (8Mb)

Abstract

The growing availability of consumer hardware has made various use cases of activity monitoring possible. The more complex the activity or behavior that needs to be recognized, the more data needs to be collected. The sensors required to do so are often perceived as an invasion of privacy and therefore commonly rejected in domestic settings. Conversely, low resolution sensors such as motion sensors and magnetic contact switches provide little data to derive relevant information from, but are not perceived as invasive and offer other benefits such as long battery life, being lowcost and easy to retrofit. We show that two residents of a two-bedroom apartment can be reliably tracked using basic ambient sensors only. We show that the tracking accuracy largely depends on the number and positioning of the sensors and that tracking is particularly difficult when two persons often cross paths or occupy the same space. Combining ambient and body-worn sensors, such as acceleration data from a smartphone, by improving the motion model of the tracking update function improves tracking accuracy.

["eprint_fieldname_title_plus" not defined]

Mehrpersonen-Datenassoziation und -Identifikation in binären Sensordaten

["eprint_fieldname_abstract_plus" not defined]

Die steigende Verfügbarkeit von günstiger und verlässlicher Verbraucher-Sensorik ermöglicht eine Vielzahl von neuartigen Anwendungsfällen des Aktivitätsmonitoring. Je komplexer die Aktivität bzw. das Verhalten ist, das vermessen werden soll, desto mehr Daten müssen erhoben werden. Die Sensoren dafür werden häufig als Eingriff in die Privatsphäre wahrgenommen und deshalb von Endanwendern abgelehnt. Demgegenüber stehen niedrigauflösende Sensoren wie Bewegungsmelder und Kontaktsensoren, die zwar einzeln wenig Informationen liefern, aber als weniger invasiv angesehen werden und zudem andere Vorteile wie einen einfachen Einbau mit sich bringen. Diese Arbeit zeigt, dass zwei Personen in einer Wohnung mit Hilfe von einfachen ambienten Sensoren über einen langen Zeitraum nachverfolgt werden können. Die Genauigkeit des Tracking-Algorithmus hängt stark von der Anzahl und Positionierung der Sensoren ab und die Tracking-Genauigkeit sinkt, wenn zwei oder mehr Personen häufig den gleichen Raum einnehmen. Die Arbeit zeigt auch, dass die Kombination von ambienten und körpernahen Sensoren die Genauigkeit des Tracking-Algorithmus verbessert.

Item Type:	Thesis (PhD)
Uncontrolled Keywords:	Unterstützungstechnologie, Objektverfolgung, Aktivität, Überwachung, Betreutes Wohnen
Subjects:	Technology, medicine, applied sciences > Medicine and health
Divisions:	Faculty of Medicine and Health Sciences > Department of Public Health and Medical Education
Date Deposited:	18 Sep 2020 09:28
Last Modified:	22 Sep 2020 09:15
URI:	https://oops.uni-oldenburg.de/id/eprint/4674
URN:	urn:nbn:de:gbv:715-oops-47550
DOI:
Nutzungslizenz:

Actions (login required)

View Item