尊重隱私的智能家居系統

GETTY IMAGES

This article is part of our exclusive IEEE Journal Watch series in partnership with IEEE Xplore.

通過感知人類活動并相應調整環境設置，智能家居系統可以幫助建造更節能、更可持續的建筑。然而，當涉及到這些監控人們活動的系統時，面對隱私問題，智能家居系統可能需要大量的數據處理來學習如何應對給定的環境。

一個名為“Chameleon”的新智能系統旨在解決這兩個問題。它最近在兩種不同的環境中進行了為期一個月的測試，僅經過一周的訓練，就能夠以87%到99%的準確率預測人類活動。該研究結果發表在4月6日的《IEEE物聯網》雜志上。

Andres Rico是麻省理工學院媒體實驗室城市科學組的研究生研究助理，參與了這項研究。他和同事們圍繞二氧化碳和被動紅外（PIR）傳感器構建了他們的系統。Rico解釋說：“二氧化碳和PIR數據本質上不具有侵入性。”他指出，基于攝像頭或其他光學系統的系統可能會引發隱私問題。

二氧化碳和紅外傳感可以用于估計各種情況，例如房間里的人數和他們的呼吸強度，這可以指示出休息或活動狀態。每個場景都有獨特的二氧化碳和紅外特征，可以使用機器學習進行分析。

MIT MEDIA LAB

Chameleon智能家居系統使用有監督和無監督的機器學習算法。因此，該系統已經掌握了一些關于如何評估任何環境的一般知識，但它也可以學會區分其新環境的獨特變量。Rico說，這種組合可以減少校準和維護系統的時間和成本。

麻省理工學院的研究人員在兩種不同的環境中對Chameleon進行了測試：一個只有少數員工的辦公室和一個每天有15到20人的教室。包括電路板、二氧化碳和PIR傳感器在內的所有組件都組合在一個單元上，并安裝在墻上。

雖然這項研究持續了一個月，但結果表明，智能家居系統能夠在僅僅一周的訓練后，就對房間內進行的活動進行高精度分類。Rico說：“該系統在完全不同的房間內提供這些結果，這對于將這些設備擴展到更多的建筑和用例非常有價值。”

他說，他的團隊希望將Chameleon融入更多的現實空間中，幫助創造更智能的建筑。例如，它可以幫助一個單獨的房間用于各種各樣的活動（例如，視頻會議、鍛煉、睡覺、和朋友吃飯），并對每個活動做出適當的反應。

Rico表示：“這些系統還可以集成到數字城市規劃過程中，以便告知社區他們如何使用空間，以便就辦公室、教室、公園、住宅等的變更、運營和維護政策達成共識。”