Machine learning based device-free presence detection for privacy-aware smart mirror systems

Integration of information technologies into every aspect of our modern lives is inevitable and rapid. We are witnessing how more and more familiar devices are becoming "smart", demanding less actions from human. Field of IoT is not something extraordinary anymore, but rather a seamless layer between Hi-Tech and routine, making the living of a society trouble-free. The progress is even more impetuous with applications of Machine Learning and Artificial Intelligence, which are the hot topics of the last years. This work is dedicated to the convergence of IoT and ML. We’re aiming to present an outline of building a device-free presence/occupancy detection system on example of Smart Mirror. We use different ML algorithms in conjunction with Estimote BLE beacons and MagicMirror framework to accomplish this task. Also, we take into account the privacy issues of using the Smart Mirror system in a public environment. The job is done using only RSSI measurements sent from beacons and with feeding those values to a suitable classification model we prove that this approach gives appropriate results in terms of accuracy. In order to select the best ML algorithm, we apply different performance estimation metrics, such as Learning Curves, AUC-ROC etc. The experiments are held in 3 different environments, providing a broad view on the selected approach.

La tecnologia si sta inevitabilmente e in maniera sempre più rapida integrando nella vita di tutti i giorni. Siamo testimoni di come i dispositivi si stanno evolvendo in dispositivi “smart". L’Internet of Things non è più qualcosa di straordinario, ma un punto di incontro tra Hi-Tech e routine, andando a semplificare la vita di tutti i giorni. Il progresso è ancora più impetuoso grazie all’utilizzo del Machine Learning e dell’Intelligenza Artificiale, sempre più attuali oggigiorno. Questo lavoro si inquadra in un contesto di convergenza tra IoT e ML. Il nostro scopo è sviluppare un dispositivo, chiamato Smart Mirror, capace di individuare, senza l’utilizzo di un dispositivo personale, la presenza/occupazione in una data area di un edificio. Per raggiungere questo obiettivo, abbiamo usato diversi algoritmi di ML sfruttando diversi beacon BLE Estimote e il framework MagicMirror. Inoltre abbiamo analizzato i problemi di privacy causati dallo Smart Mirror in un ambiente pubblico. Il lavoro è stato sviluppato utilizzando misurazioni di RSSI provenienti dai beacon, con i quali è stato allenando un modello di classificazione. Infine, è stato dimostrato che l’approccio consegue buoni risultati in termini di accuratezza. Per selezionare l’algoritmo di ML migliore, sono state studiate diverse metriche di performance, ad esempio Learning Curves, AUC-ROC, etc. L’esperimento è stato effettuato in tre diversi ambienti, spiegando ampiamente l’approccio scelto.