Publication
DistSense: sistema distribuído de reconhecimento de atividades em ambientes inteligentes
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Torres, José | |
| dc.contributor.advisor | Sobral, Pedro | |
| dc.contributor.author | Mota, Luís | |
| dc.date.accessioned | 2023-12-28T14:18:17Z | |
| dc.date.available | 2023-12-28T14:18:17Z | |
| dc.date.issued | 2023-12-18 | |
| dc.description.abstract | Nos dias atuais, à medida que Portugal e o mundo enfrentam desafios demográficos e uma população em envelhecimento crescente, a área da Ambient Assisted Living (AAL) emerge como uma resposta crucial para melhorar a qualidade de vida e promover a autonomia dos utilizadores. A crescente aplicação de sensores audiovisuais em casas inteligentes, para funções como segurança, automação e monitorização de saúde, torna a proteção de dados uma preocupação urgente. Os utilizadores exigem garantias de que informações sensíveis capturadas nas suas habitações não serão comprometidas, acedidas por terceiros não autorizados ou utilizadas de forma inadequada. Esta necessidade de segurança coloca uma pressão substancial sobre os sistemas de captura audiovisual, requerendo abordagens que garantam a privacidade e a salvaguarda dos dados do utilizador. Além disso, é essencial que esses sistemas sejam projetados tendo em mente a aceitação dos utilizadores, oferecendo transparência, controlo e, ao mesmo tempo, um grau adequado de precisão na deteção de atividades domésticas. Neste contexto, o sistema DistSense surge como uma resposta inovadora a esses desafios. A adoção de uma rede distribuída Peer-to-Peer (P2P) de sensores domésticos inteligentes, juntamente com a utilização de várias tecnologias para priorizar a segurança dos dados do utilizador, garante um processamento eficiente e colaborativo de informações audiovisuais. Esta abordagem possibilita uma redução significativa de falsos positivos na deteção e reconhecimento de atividades domésticas, especialmente em situações que envolvem oclusão de ângulos, variações na iluminação e ruído acústico. Para comprovar a eficácia do DistSense, foram realizados testes funcionais para cada módulo implementado e investigados dois casos de uso, um em ambiente real e outro em ambiente simulado. Os modelos de áudio e vídeo treinados demonstraram taxas de precisão de 88% e 80%, respetivamente. Os resultados obtidos durante a implementação dos casos de uso foram positivos, destacando a capacidade do sistema em atender de forma eficaz às necessidades dos utilizadores, tanto em termos de segurança e aceitação, quanto na redução de incertezas na deteção de atividades domésticas na presença de variações de ruído audiovisual. | pt_PT |
| dc.description.abstract | In the present day, as Portugal and the world face demographic challenges and an increasingly aging population, the field of Ambient Assisted Living (AAL) emerges as a crucial response to enhance the quality of life and promote user autonomy. The growing use of audiovisual sensors in smart homes for functions such as security, automation, and health monitoring makes data protection an urgent concern. Users demand assurances that sensitive information captured in their residences will not be compromised, accessed by unauthorized third parties, or used improperly. This need for security places substantial pressure on audiovisual capture systems, requiring approaches that ensure user privacy and data safeguarding. Additionally, it is essential that these systems are designed with user acceptance in mind, offering transparency, control, and, at the same time, an appropriate degree of accuracy in household activity detection. In this context, the DistSense system emerges as an innovative response to these challenges. The adoption of a distributed Peer-to-Peer (P2P) network of intelligent household sensors, in conjunction with the use of a variety of technologies to prioritize user data security, ensures efficient and collaborative processing of audiovisual information. This approach enables a significant reduction in false positives in the detection and recognition of domestic activities, especially in situations involving angle occlusion, variations in lighting, and acoustic noise. To validate the effectiveness of DistSense, functional tests were conducted for each implemented module, and two use cases were investigated, one in a real environment and another in a simulated environment. The trained audio and video models demonstrated accuracy rates of 88% and 80%, respectively. The results obtained during the implementation of the use cases were positive, highlighting the system’s ability to effectively meet user needs in terms of security and acceptance, as well as reducing uncertainties in the detection of household activities in the presence of audiovisual noise variations. | pt_PT |
| dc.identifier.tid | 203535510 | |
| dc.identifier.uri | http://hdl.handle.net/10284/12537 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Sistema de sensores inteligentes distribuído | pt_PT |
| dc.subject | AAL | pt_PT |
| dc.subject | Privacidade de dados | pt_PT |
| dc.subject | Internet das coisas | pt_PT |
| dc.subject | Aprendizagem computacional | pt_PT |
| dc.subject | Distributed intelligent sensor system | pt_PT |
| dc.subject | Ambient assisted living | pt_PT |
| dc.subject | Data privacy | pt_PT |
| dc.subject | Internet of things | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.title | DistSense: sistema distribuído de reconhecimento de atividades em ambientes inteligentes | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática, ramo de Computação Móvel | pt_PT |