Identifying residents in smart environments based on clusters of features extracted from motion tracks

We live in a world where the life expectancy of the developed countries is increasing day by day, thanks to medical developments and new technologies. As people start to live longer, they are more prone to live with chronic diseases or disabilities in their houses. This is telling that the technologies which can assist people in their daily lives, will be more valuable in the future. In this context, this work tries to use privacy-centric approaches with simple algorithms to try to identify and track residents living in the same house. Our work uses data collected with PIR sensors which are the kinds of sensors respectful to residents' privacy. This data is fed to our tracking algorithm to produce separate tracks of movements of the residents. Then, the goal of this thesis is to extract features from these tracks such as the most activated sensors in the house by a resident or the gait speed of the residents. After the feature extraction process, we use a constrained k-means clustering algorithm which allows the usage of domain knowledge we have about the environment, by giving the algorithm some constraints to create clusters from this set of features. In the end, the performances of the algorithms used are measured and provided their results and findings

Viviamo in un mondo in cui l'aspettativa di vita dei paesi sviluppati aumenta di giorno in giorno, grazie agli sviluppi medici e alle nuove tecnologie. Man mano che le persone iniziano a vivere più a lungo, sono più inclini a convivere con malattie croniche o disabilità nelle loro case. Questo sta dicendo che le tecnologie che possono assistere le persone nella loro vita quotidiana, saranno più preziose in futuro. In questo contesto, questo lavoro cerca di utilizzare approcci incentrati sulla privacy con semplici algoritmi per cercare di identificare e monitorare i residenti che vivono nella stessa casa. Il nostro lavoro utilizza i dati raccolti con sensori PIR che sono i tipi di sensori rispettosi della privacy dei residenti. Questi dati vengono inviati al nostro algoritmo di tracciamento per produrre tracce separate dei movimenti dei residenti. Quindi, l'obiettivo di questa tesi è estrarre caratteristiche da queste tracce come i sensori più visitati in casa da un residente o la velocità di andatura dei residenti. Dopo il processo di estrazione delle funzionalità, utilizziamo un algoritmo di clustering vincolato k-means che consente l'utilizzo della conoscenza del dominio che abbiamo sull'ambiente, assegnando all'algoritmo alcuni vincoli per creare cluster da questo insieme di funzionalità. Alla fine, vengono misurate le prestazioni degli algoritmi utilizzati e forniti i loro risultati e risultanze.