Publication: inContexto: framework to obtain people context using wearable sensors and social network sites
Loading...
Identifiers
Publication date
2015-06-08
Defense date
2015-06-08
Authors
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Export
Abstract
Ambient Intelligent (AmI) technology is developing fast and will promote a new generation of applications with some characteristics in the area of context awareness, anticipatory behavior, home security, monitoring, Health Care and video surveillance. AmI Environments should be surrounded by multiples sensors in order to discover people needs. These kind of scenarios are characterized by intelligent environments, which are able to recognize inconspicuously the presence of individuals and react to their needs. In such systems, people are conceived as the main actor, always in control, playing multiple roles, and this is perhaps the new real facet of research related to AmI: it introduces a new dimension creating synergies between the user and the environment.
The AmI paradigm sets the principles to design pervasive and transparent infrastructures being capable of observing people without prying into their lives, and also adapting to their needs. There are several basis concepts to consider for retrieving people context, however the most important for users is that sensors devices must be unobtrusive. Many technologies are conceived as hand-held or wearable, taking advantage of the intelligence embedded in the environment.
Mobile technologies and Social Network Sites make it possible to collect people information anywhere at anytime, and provide users with up-to-date information ready for decision-making processes. Nevertheless, the management of these sensors for collecting user context poses several challenges. Besides the limited computational capabilities of mobile devices, mobile systems face specific problems that cannot be solved by traditional knowledge management methodologies and tools, and thus require creative new solutions.
This dissertation proposes a set of techniques, interfaces and algorithms for the implementation of inferring context information from new kind of sensors (Smartphones and Social Networking). The huge potential of both new sensors have motivated us to design a framework that can intelligently capture different sensory data in real-time. Smartphones may obtain and process physical phenomena from embedded sensors (Accelerometer, gyroscope, compass, magnetometer, proximity sensor, light sensor, GPS, etc.) and SNS the affective ones. Subsequently this information could be transmitted to remote locations without any human intervention.
The mechanisms proposed here are based on the implementation of a basic framework that modifies information from the raw data to the most descriptive action. To this end, the development of this thesis starts from a inContexto framework which exploits off-the-shelf sensor-enabled mobile phones and SNS people presence to automatically infer people’s context.
The main goals of our architecture are: (i) Collection, storage, analyse, and sharing of the user context information, (ii) Plug-and-play support for a wide variety of sensing devices, (iii) Privacy preservation of individuals sharing their data, and (iv) Easy application development.
Furthermore our inContexto has been implemented to allow third party application to participate and improve people context.
La Inteligencia Ambiental (AmI) está sufriendo una evolución rápida y en un futuro cercano saldrán a la luz una nueva generación de aplicaciones en el área de los sistemas basados en contexto, seguridad en el hogar, monitorización, salud y video vigilancia. Los entornos AmI se caracterizan por estar plagados de sensores los cuales, están encargados de capturar información de la gente que hay en ellos para describir sus necesidades. Este tipo de escenarios se caracterizan por ser entornos inteligentes, capaces de reconocer autónomamente la presencia de personas y reaccionar a sus necesidades. En dichos sistemas, las personas o usuarios se conciben como el actor principal, siempre en control, jugando múltiples roles, y esto es una nueva característica dentro del marco de la investigación relacionada con AmI: introducir nuevas sinergias entre el usuario y el entorno que le rodea. El paradigma AmI establece los principios para el diseño de arquitecturas generales que son capaces de capturar información relevante de las personas sin entrometerse en su vida, y además adaptar dicha información a las necesidades del mismo. Existen diferentes conceptos a tener en cuenta para la captura del contexto de las personas, sin embargo, el factor más importante es que los dispositivos usados deben ser transparentes para el usuario, es decir que trabajen de manera autónoma y sin la ayuda del mismo. Los nuevos teléfonos móviles inteligentes o smarpthone y las redes sociales permiten extraer información de las personas en cualquier lugar en cualquier momento, y así poder proporcionar a los usuarios ayuda para la toma de decisiones en las actividades de su vida real. Sin embargo, la gestión de la información de estos sensores, los cuales nos permiten inferir el contexto, plantean varios desafíos a resolver En primer lugar la limitación de las capacidades tanto computacionales como de disponibilidad (consumo de energía) de los dispositivos móviles, los sistemas móviles se enfrentan a problemas específicos que no pueden ser resueltos por las metodologías y herramientas de gestión del conocimiento tradicional, y por lo tanto requieren de nuevas soluciones creativas. En esta tesis se propone un conjunto de técnicas, interfaces y algoritmos para inferir la información de contexto de las personas a través de nuevos sensores, los cuales han sido infrautilizados hasta el momento como son los smartphone y Redes Sociales. Gracias al enorme potencial de estos nuevos sensores nos ha motivado para diseñar un framework que de manera transparente al usuario puede capturar diferentes datos sensoriales en tiempo real. A través de los Smartphone se puede obtener y procesar los fenómenos físicos (Correr, Andar, etc.) de las personas, utilizando los sensores embebidos como el acelerómetro, giroscopio, brújula, magnetómetro, sensor de proximidad, sensor de luz, GPS, etc. Además a través de las redes sociales se podría obtener información de los fenómenos afectivos del usuario. Posteriormente, esta información se transmitirá para su procesamiento y búsqueda de nuevas inferencias sin la colaboración del usuario, de manera transparente. Los mecanismos propuestos en esta tesis se basan en la aplicación de un framework, inContexto, que recoge la información de los sensores (Señales, palabras, etc.) para posteriormente generar una acción más descriptiva y entendible por el usuario. Los principales objetivos que presenta inContexto son: (i) Recogida, almacenamiento, análisis e intercambio de la información de contexto de usuario, (ii) el apoyo Plug-and-play para una amplia variedad de dispositivos, (iii) la preservación de privacidad de los las personas, y (iv) el desarrollo de nuevas aplicaciones fácilmente, permitiendo a través de inContexto el acceso a los datos a aplicaciones de terceros para mejorar la información recogida.
La Inteligencia Ambiental (AmI) está sufriendo una evolución rápida y en un futuro cercano saldrán a la luz una nueva generación de aplicaciones en el área de los sistemas basados en contexto, seguridad en el hogar, monitorización, salud y video vigilancia. Los entornos AmI se caracterizan por estar plagados de sensores los cuales, están encargados de capturar información de la gente que hay en ellos para describir sus necesidades. Este tipo de escenarios se caracterizan por ser entornos inteligentes, capaces de reconocer autónomamente la presencia de personas y reaccionar a sus necesidades. En dichos sistemas, las personas o usuarios se conciben como el actor principal, siempre en control, jugando múltiples roles, y esto es una nueva característica dentro del marco de la investigación relacionada con AmI: introducir nuevas sinergias entre el usuario y el entorno que le rodea. El paradigma AmI establece los principios para el diseño de arquitecturas generales que son capaces de capturar información relevante de las personas sin entrometerse en su vida, y además adaptar dicha información a las necesidades del mismo. Existen diferentes conceptos a tener en cuenta para la captura del contexto de las personas, sin embargo, el factor más importante es que los dispositivos usados deben ser transparentes para el usuario, es decir que trabajen de manera autónoma y sin la ayuda del mismo. Los nuevos teléfonos móviles inteligentes o smarpthone y las redes sociales permiten extraer información de las personas en cualquier lugar en cualquier momento, y así poder proporcionar a los usuarios ayuda para la toma de decisiones en las actividades de su vida real. Sin embargo, la gestión de la información de estos sensores, los cuales nos permiten inferir el contexto, plantean varios desafíos a resolver En primer lugar la limitación de las capacidades tanto computacionales como de disponibilidad (consumo de energía) de los dispositivos móviles, los sistemas móviles se enfrentan a problemas específicos que no pueden ser resueltos por las metodologías y herramientas de gestión del conocimiento tradicional, y por lo tanto requieren de nuevas soluciones creativas. En esta tesis se propone un conjunto de técnicas, interfaces y algoritmos para inferir la información de contexto de las personas a través de nuevos sensores, los cuales han sido infrautilizados hasta el momento como son los smartphone y Redes Sociales. Gracias al enorme potencial de estos nuevos sensores nos ha motivado para diseñar un framework que de manera transparente al usuario puede capturar diferentes datos sensoriales en tiempo real. A través de los Smartphone se puede obtener y procesar los fenómenos físicos (Correr, Andar, etc.) de las personas, utilizando los sensores embebidos como el acelerómetro, giroscopio, brújula, magnetómetro, sensor de proximidad, sensor de luz, GPS, etc. Además a través de las redes sociales se podría obtener información de los fenómenos afectivos del usuario. Posteriormente, esta información se transmitirá para su procesamiento y búsqueda de nuevas inferencias sin la colaboración del usuario, de manera transparente. Los mecanismos propuestos en esta tesis se basan en la aplicación de un framework, inContexto, que recoge la información de los sensores (Señales, palabras, etc.) para posteriormente generar una acción más descriptiva y entendible por el usuario. Los principales objetivos que presenta inContexto son: (i) Recogida, almacenamiento, análisis e intercambio de la información de contexto de usuario, (ii) el apoyo Plug-and-play para una amplia variedad de dispositivos, (iii) la preservación de privacidad de los las personas, y (iv) el desarrollo de nuevas aplicaciones fácilmente, permitiendo a través de inContexto el acceso a los datos a aplicaciones de terceros para mejorar la información recogida.
Description
Mención Internacional en el título de doctor
Keywords
Ambient intelligence, AmI, People context, Social networks, Sensors