PIR-based indoor distance estimation for single monitored individual

Human Activity Recognition (HAR) has long been a challenging task across numerous domains. In this study, our focus lies within the realm of Ambient Assisted Living (AAL), where we propose an indoor distance estimation system tailored for individuals residing alone at home, leveraging a minimal number of Passive InfraRed (PIR) sensors for data collection. Our approach utilizes a Bridge monitoring system equipped with only one PIR sensor per room. The selection of PIR sensors is motivated by our aim to preserve the privacy of the monitored individuals, as well as by the limitations associated with wearable and vision-based sensors. PIR sensors offer privacy-preserving features, are cost-effective to implement, and are readily available. Given the constraint of having only one PIR sensor per room, we hypothesize that the sensor's coverage area coincides with the entire room area. Consequently, we compute distances by considering movements between the barycentres of sensor areas within the surveilled environment. The barycentric coordinates of the apartment under surveillance enable us to construct an adjacency graph, where nodes represent the barycentres of sensor areas and arcs represent the distances between them, instrument used for the distance computation. The collected data exhibit various issues due to transmission losses or delays, as well as errors stemming from sensor malfunctions. To address these challenges, we developed a Data Cleaning algorithm designed to systematically process the data sequence. This algorithm traverses the data stream, identifying and removing false activation events, supplementing missing events, and rectifying instances where events appear in reverse order. Consequently, the algorithm ensures the consistency of the input data, rendering it suitable for subsequent analysis and interpretation. To enhance the fidelity of the inferred individual trajectories, several techniques were introduced. Firstly, we incorporated accesses as additional nodes in the graph, thereby enforcing passage through them. Subsequently, we introduced direct transitions between accesses to address instances where passage through the barycentre resulted in unrealistic or unusual movement patterns. The sole remaining challenge lies in accurately estimating distances within the same area, attributed to the presence of a single sensor within each room. Passive InfraRed (PIR) sensors detect human presence but lack the capability to determine the individual's precise position within the room. Consequently, the only feasible estimation within the same room entails characterizing permanence as either static or dynamic. A dynamic individual exhibits frequent sensor activations, leading to the characterization being contingent upon the proximity between consecutive activation events. In conclusion, this study presents an effective methodology for estimating the movements of individuals residing alone in a monitored apartment equipped with a single PIR sensor per room. The proposed approach involves cleaning the raw input data and accurately classifying prolonged periods of presence within each room. By leveraging these techniques, the system can provide valuable insights into the activities and behaviors of individuals in the monitored environment, facilitating applications in Ambient Assisted Living (AAL) and enhancing overall monitoring capabilities.

Il riconoscimento di attività umane (Human Activity Recognition - HAR) è da tempo una sfida in diversi ambiti. In questo studio, il nostro focus è nel campo del Ambient Assisted Living (AAL), dove proponiamo un sistema di stima della distanza indoor adatto per individui che vivono da soli a casa, sfruttando un numero minimo di sensori Passive InfraRed (PIR) per la raccolta dati. Il nostro approccio utilizza un sistema di monitoraggio Bridge dotato di un solo sensore PIR per stanza. La selezione dei sensori PIR è motivata dal nostro obiettivo di preservare la privacy degli individui monitorati, così come dalle limitazioni associate ai sensori indossabili e basati sulla visione. I sensori PIR offrono funzionalità di protezione della privacy, sono economici da implementare e sono facilmente disponibili. Data la limitazione di avere un solo sensore PIR per stanza, ipotizziamo che l'area di copertura del sensore coincida con l'intera area della stanza. Di conseguenza, calcoliamo le distanze considerando i movimenti tra i baricentri delle aree dei sensori all'interno dell'ambiente monitorato. Le coordinate baricentriche dell'appartamento sotto sorveglianza ci consentono di costruire un grafo di adiacenza, dove i nodi rappresentano i baricentri delle aree dei sensori e gli archi rappresentano le distanze tra di essi, strumento utilizzato per il calcolo della distanza. I dati raccolti presentano varie discrepanze, dovute a perdite o ritardi nella trasmissione, così come errori derivanti da malfunzionamenti dei sensori. Per affrontare queste sfide, abbiamo sviluppato un algoritmo di Pulizia Dati progettato per elaborare sistematicamente la sequenza di dati. Questo algoritmo attraversa il flusso di dati, identificando e rimuovendo eventi di attivazione falsi, integrando eventi mancanti e correggendo istanze in cui gli eventi appaiono in ordine inverso. Di conseguenza, l'algoritmo assicura la coerenza dei dati in ingresso, rendendoli adatti per l'analisi e le interpretazione successive. Per migliorare la fedeltà delle traiettorie individuali inferite, sono state introdotte diverse tecniche. In primo luogo, abbiamo incorporato gli accessi come nodi aggiuntivi nel grafo, imponendo quindi il passaggio attraverso di essi. Successivamente, abbiamo introdotto transizioni dirette tra gli accessi per affrontare le istanze in cui il passaggio attraverso il baricentro ha comportato modelli di movimento irrealistici o insoliti. L'unica sfida rimanente risiede nell'accurata stima delle distanze all'interno della stessa area, attribuita alla presenza di un solo sensore in ogni stanza. I sensori Passive InfraRed (PIR) rilevano la presenza umana ma non hanno la capacità di determinare la posizione precisa dell'individuo all'interno della stanza. Di conseguenza, l'unica stima praticabile all'interno della stessa stanza comporta la caratterizzazione della permanenza come statica o dinamica. Un individuo dinamico presenta frequenti attivazioni del sensore, portando alla caratterizzazione che dipende dalla vicinanza tra eventi di attivazione consecutivi. In conclusione, questo studio presenta una metodologia efficace per stimare i movimenti degli individui che risiedono da soli in un appartamento monitorato dotato di un singolo sensore PIR per stanza. L'approccio proposto prevede la pulizia dei dati di input grezzi e la classificazione accurata dei periodi prolungati di presenza all'interno di ciascuna stanza. Sfruttando queste tecniche, il sistema può fornire preziose informazioni sulle attività e sui comportamenti degli individui nell'ambiente monitorato, facilitando applicazioni nell'Assistenza Ambientale Assistita (AAL) e migliorando le capacità complessive di monitoraggio.