Activity recognition in a smart home setting

Abstract

Cílem této práce je implementovat a porovnat několik pravděpodobnostních activity recognition algortitmů, které mohou být využity v prostředí smart home a jsou schopny určit aktivitu kterou pozorovaný subject vykonává na základě elementárních pozorování. Takové algoritmy jsou využívány v několika oblastech, například k vylepšení chování virtuálních agentů různého typu. Implementované algoritmy jsou založeny na dynamických Bayesovských sítích a disponují schopnotí určit, zda byla pozorovaná aktivita již dokončena, nebo pouze přerušena. Pro účely sběru dat použitých k učení a testování modelů bylo v rámcio práce připraveno interaktivní 3D prostředí které pokrývá požadavky activity recognition a je snadno rozšiřitelné pro další použití. Data pro učení a testování modelů byla sesbírána pozorováním lidmi ovládaných virtuálních agentů.

The aim of this work was to implement and compare several activity recognition algorithms which could be used in a smart home environment and would be able to determine the current activity of an observed subject (virtual agent) in the smart home using only data gathered by elementary observations of the environment. Such algorithms are useful in several areas, for example to improve behavior of various virtual agents, making them more aware of actions of the other agents. The algorithms used in this thesis are based on Dynamic Bayesian Networks and have ability to determine whether the observed activity has been completed or just interrupted. An easily extensible 3D interactive simulator of a smart home environment was created to meet the needs of activity recognition and used to gather data for the learning and testing phases of the algorithms. The test subjects were human-controlled virtual agents.