Uso de sensores termales para la monitorización en el hogar

Matthew Burns; Javier Medina Quero; Chris Nugent; Philip Morrow; Sally McClean; Macarena Espinilla

Matthew Burns Ulster University (Irlanda del Norte, Reino Unido)
Javier Medina Quero Universidad de Jaén, Departamento de Informática (Jaén, España)
Chris Nugent Ulster University (Irlanda del Norte, Reino Unido)
Philip Morrow Ulster University (Irlanda del Norte, Reino Unido)
Sally McClean Ulster University (Irlanda del Norte, Reino Unido)
Macarena Espinilla Universidad de Jaén, Departamento de Informática (Jaén, España)

Palabras clave: Sensor termal, Monitorización en el hogar, Privacidad, Seguridad, Detección de gestos

Resumen

Un factor prioritario en el monitoreo de ambientes domésticos es garantizar la privacidad y la seguridad de los habitantes. Hay varios métodos para sensorizar un entorno con dispositivos tales como: sensores infrarrojos pasivos (PIR), sensores de consumo de energía, sensores de contactos para puertas, sensores presión para asientos/camas con acelerómetros y relojes inteligentes como ejemplos de sensores portátiles. Sin embargo, el problema de la privacidad prevalece de forma importante ante el uso de cámaras de espectro visible debido a la captura de características distintivas de una persona cuando se graban los datos, ya sea para el reconocimiento de actividades o la detección de eventos. El uso de cámaras de espectro visible y sensores portátiles puede, por lo tanto, violar los requerimientos de seguridad y privacidad necesarias siendo necesarios enfoques alternativos, pero que sigan siendo efectivos, al monitorear un hogar.

Bibliografía

1. D. J. Cook, “How smart is your home?,” Science, vol. 335, no. 6076. American Association for the Advancement of Science, pp. 1579–1581, 30-Mar-2012.
2. J. Zhou, H. Zheng, H. Wang, J. Synnott, C. Nugent, and P. Jeffers, “Thermal sensor based multi-occupancy motion tracking and visualisation in smart environments,” in Proceedings - 2015 IEEE International Conference on Bioinformatics and Biomedi-cine, BIBM 2015, 2015, pp. 1497–1502.
3. D. Ding, R. A. Cooper, P. F. Pasquina, and L. Fici-Pasquina, “Sensor technology for smart homes,” Maturitas, vol. 69, no. 2, pp. 131–136, Jun. 2011.
4. B. Bhanu, “Human Activity Recognition in Thermal Infrared Imagery,” 2005 IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit. - Work., vol. 3, pp. 17–17, 2005.
5. P. Hevesi, S. Wille, G. Pirkl, N. Wehn, and P. Lukowicz, “Monitoring household activities and user location with a cheap, unob-trusive thermal sensor array,” in Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing - UbiComp ’14 Adjunct, 2014, pp. 141–145.
6. T. Guettari et al., “Thermal signal analysis in smart home environment for detecting a human presence,” in 2014 1st Interna-tional Conference on Advanced Technologies for Signal and Image Processing, ATSIP 2014, 2014, pp. 334–339.
7. B. Pontes, M. Cunha, R. Pinho, and H. Fuks, “Human-sensing: Low resolution thermal array sensor data classification of loca-tion-based postures,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lec-ture Notes in Bioinformatics), 2017, vol. 10291 LNCS, pp. 444–457.
8. J. Hossen, E. L. Jacobs, and F. K. Chowdhury, “Activity recognition in thermal infrared video,” in Conference Proceedings - IEEE SOUTHEASTCON, 2015, vol. 2015–June, no. June, pp. 1–2.
9. S. Kido, T. Miyasaka, T. Tanaka, T. Shimizu, and T. Saga, “Fall detection in toilet rooms using thermal imaging sensors,” in 2009 IEEE/SICE International Symposium on System Integration (SII), 2009, pp. 83–88.
10. A. Hayashida, V. Moshnyaga, and K. Hashimoto, “New approach for indoor fall detection by infrared thermal array sensor,” in 2017 IEEE 60th International Midwest Symposium on Circuits and Systems (MWSCAS), 2017, vol. 2017–Augus, pp. 1410–1413.
11. Heimann, “Welcome to Heimann Sensor’s Website,” 2018. [Online]. Available: http://www.heimannsensor.com/products_imaging.php. [Accessed: 28-May-2018].
12. J. Rafferty, J. Synnott, A. Ennis, C. Nugent, I. McChesney, and I. Cleland, “SensorCentral: A research oriented, device agnos-tic, sensor data platform,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2017, vol. 10586 LNCS, pp. 97–108