Detekcija prisustva i broja ljudi u Wi-Fi polju

diplomski rad

• Naslov (engleski): Detection of the presence and number of people in the Wi-Fi field
• Autor: Tonka Hrboka
• Mentor: Dario Jukić (mentor)
• Mentor: Hrvoje Buljan (komentor)
• Član povjerenstva: Hrvoje Buljan (predsjednik povjerenstva)
• Član povjerenstva: Dario Jukić (član povjerenstva)
• Član povjerenstva: Ivica Smolić (član povjerenstva)
• Član povjerenstva: Davor Horvatić (član povjerenstva)
• Član povjerenstva: Marko Tomislav Cvitaš (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Fizički odsjek); Zagreb
• Datum i država obrane: 2023-10-30, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Fizika

Sažetak

Detekcija prisutstva ljudi u zatvorenom prostoru neophodna je za sigurnost u javnim ustanovama ili kućanstvima, a uobičajeno se obavlja kamerama koje imaju niz mana. Predložena je alternativna metoda detekcije ljudi Wi-Fi poljem koja ne narušava privatnost te izvedba nije skupa, štoviše većina ljudi već posjeduje Wi-Fi odašiljače. Koristi se činjenica da je relativna permitivnost ljudskog tijela na Wi-Fi frekvenciji visoka, stoga ljudi samim stajanjem u Wi-Fi polju mijenjaju njegova svojstva, bez potrebe za nošenjem nekog drugog uređaja. Strojnim učenjem obrađeni su podatci dobiveni eksperimentom u kojem su za različite veličine skupina ljudi u prostoriji mjerene RSSI vrijednosti Wi-Fi polja. Cilj je dobiti model koji će biti u mogućnosti predvidjeti broj ljudi u prostoriji na temelju neviđenih RSSI vrijednosti. Iznesena je fizika elektromagnetskih valova i njihove interakcije s materijom te osnove propagacije valova u komunikacijskim sustavima. Opisana je teorija algoritama plitkog učenja: logističke regresije, stroja potpornih vektora, k najbližih susjeda, stabla odluke te algoritma slučajnih šuma, a opisane su i osnove rada neuralnih mreža. Dobivene su vrlo visoke točnosti za predviđanje broja ljudi u prostoriji svih korištenih algoritama, preko 96 % za sve korištene plitke modele te preko 98 % za sve korištene neuralne mreže, a najveća točnost klasifikacije na neviđenim podatcima iznosi 99.2 %.

Sažetak (engleski)

Detection of the presence of people indoors is imperative for security in both public institutions and households. This is typically achieved through the use of cameras, which possess several drawbacks. An alternative method for detecting people using a Wi-Fi field is proposed. This approach respects privacy, is cost-effective, particularly given that the majority of individuals already possess Wi-Fi transmitters. It leverages the fact that the human body exhibits a high relative permittivity at Wi-Fi frequencies. Thus, merely by standing in a Wi-Fi field, individuals inadvertently alter its properties, obviating the need for additional devices. The data gathered from an experiment measuring RSSI values of the Wi-Fi field for various group sizes in a room were subjected to machine learning. The aim is to develop a model capable of predicting the number of people in the room based on unseen RSSI values. The text provides an overview of the physics of electromagnetic waves, their interaction with matter, and the fundamentals of wave propagation in communication systems. It also outlines the theory of shallow learning algorithms, such as logistic regression, support vector machines, k nearest neighbors, decision trees, and the random forest algorithm. Furthermore, it offers an introduction to the basics of neural networks. The results indicate very high prediction accuracies for the number of people in the room using all the mentioned algorithms. Specifically, all shallow models achieved accuracies exceeding 96 %, while neural networks surpassed 98 %. The highest classification accuracy on unseen data reached 99.2 %.

• Ključne riječi: strojno učenje; elektromagnetski val; dielektrik; Wi-Fi polje; RSSI vrijednost; nadzirano učcenje; klasifikacija; linearni diskriminativni model; neparametarski model; neuralna mreža
• Ključne riječi (engleski): machine learning; electromagnetic wave; dielectric; Wi-Fi field; RSSI value; supervised learning; classification; linear discriminative model; non-parametric model; neural network
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:502736
• Studijski program: Naziv: Fizika; smjerovi: Istraživački; Smjer: Istraživački; Vrsta studija: sveučilišni; Stupanj studija: integrirani prijediplomski i diplomski; Akademski / stručni naziv: sveučilišni magistar fizike (univ. mag. phys.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2024-01-26 14:00:59