| Anotācija |
Cilvēku detektēšana iekštelpās ir aktuāla joma, kas ietver sevī vairākas problēmas, piemēram, citu pētnieku izveidoto sistēmu izmantošanu, kas saistās ar publisku datu nepieejamību, sistēmu pārlieku pielāgošanos vienai videi, kas ievērojami samazina to darbību citās telpās, kā arī izmantojamo tehnoloģiju pieejamību. Literatūrā minēts, ka sistēmas pārnešana jaunos apstākļos ievērojami samazina akurātumu, kur vairākos rakstos minēta akurātuma samazināšanās par 20%.
Maģistra darba ietvaros izmantots RSSI, kas ir trokšņaināks un neprecīzāks par citām tehnoloģijām, piemēram, CSI, tomēr RSSI nav nepieciešama papildus infrastruktūra, to var izmantot jau ar esošajām tehnoloģijām, ko nevar teikt par CSI. Līdz ar to jāizvēlas starp precizitāti un pieejamību.
Darba mērķis ir izstrādāt cilvēku detektēšanas sistēmu. Tā sasniegšanai tika izmantots RSSI, no tā iegūti statistikas dati, pēc tam izmantots UMAP, lai iegūtu samazinātas dimensijas un pēc tam apmācīti kNN un SVM modeļi, kas darba ietvaros darbojās vienlīdzīgi.
Iegūtie rezultāti norāda, ka sistēma spēj nošķirt cilvēka esamību telpā un tukšu telpu ar vidēji 95% akurātumu, kas nokrīt mazliet, uz 85%, kad sistēma validēta jaunos apstākļos. Savukārt ar vidēji 78% akurātumu iespējams arī atšķirt, vai cilvēks telpā stāv vai staigā, kas nokrīt uz 67%, kad sistēma darbojas uz neredzētiem datiem. Šeit akurātums samazinās viena par 11%, kas ir mazāk par citos rakstos atrastajiem datiem.
Tiek piedāvāts variants sistēmas darbības uzlabošanai, apmācot modeļus uz vairāku telpu datiem, kur arī iegūts akurātuma uzlabojums. Divu klašu gadījumā tas atkal kļuva tuvs 95%, savukārt trim klasēm tas palielinājās jau līdz gandrīz 90%, kas ir augstāk nekā vienas telpas gadījumā. |
