室内团体识别和定位使用保护隐私的边缘计算分布式摄像机网络
Chaitra Hegde1, Yashar Kiarashi2, Amy D Rodriguez2
1Georgia Institute of Technology, Atlanta, GA 30332 USA.
IEEE journal of indoor and seamless positioning and navigation
|February 26, 2024
概括
这项研究引入了一种低成本的摄像系统,用于跟踪诊所患者的社交行为. 该系统准确地识别了群体组成,有助于心理健康监测和及时干预.
科学领域:
- 计算机视觉 计算机视觉
- 行为监测 行为监测
- 边缘计算 边缘计算
背景情况:
- 社会互动的变化可能表明身体或精神健康问题.
- 监测患者组活动对于临床环境中的心理健康评估至关重要.
- 现有的方法缺乏在治疗环境中被动的实时社会行为分析.
研究的目的:
- 开发和评估用于在治疗环境中检测和定位群体形成的系统.
- 为了使患者心理健康的社会行为能够被动地实时监控.
- 使用边缘计算和摄像头网络创建一个可扩展和低成本的解决方案.
主要方法:
- 在1700平方米的治疗空间内使用分布式边缘计算摄像头网络.
- 采用轻量级多人2D姿势检测模型进行个人位置估计.
- 开发了一种群体识别方法,以从杂的个人数据中定位形成.
主要成果:
- 在群体识别方面获得高达90%的F1分数.
- 对于群体定位,证明了平均绝对误差为1.25m.
- 在35分钟内对2-7个受试者的基准数据集进行验证.
结论:
- 拟议的系统有效地识别和定位使用边缘计算的社会群体构成.
- 这项技术提供了一个可扩展的,低成本的解决方案,用于将建筑物转化为健康监测的智能环境.
- 该系统可以通过被动监测社会行为和促进实时干预来增强治疗单元.
