Published January 1, 2022
| Version v1
Publication
Open
Automatic Human Detection Using Reinforced Faster-RCNN for Electricity Conservation System
Description
Electricity conservation systems are designed to conserve electricity to manage the bridge between the high raising demand and the production.Such systems have been so far using sensors to detect the necessity which adds an additional cost to the setup.Closed-circuit Television (CCTV) has been installed in almost everywhere around us especially in commercial places.Interpretation of these CCTV images is being carried out for various reasons to elicit the information from it.Hence a framework for electricity conservation that enables the electricity supply only when required, using existing resources would be a cost effective conservation system.Such a framework using a deep learning model based on Faster-RCNN is developed, which makes use of these CCTV images to detect the presence or absence of a human in a place.An Arduino microcontroller is embedded to this framework which automatically turns on/off the electricity based on human's presence/absence respectively.The proposed approach is demonstrated on CHOKE POINT dataset and two real time datasets which images from CCTV footages.F-measure, Accuracy scores (AUC score) and training time are the metrics for which the model is evaluated.An average accuracy rate of 82% is obtained by hyper-parameter tuning and using Adam optimization technique.This lays the underpinning for designing automatic frameworks for electricity conservation systems using existing resources.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تم تصميم أنظمة الحفاظ على الكهرباء للحفاظ على الكهرباء لإدارة الجسر بين الطلب المرتفع والإنتاج. وقد استخدمت هذه الأنظمة حتى الآن أجهزة استشعار للكشف عن الضرورة التي تضيف تكلفة إضافية إلى الإعداد. تم تركيب تلفزيون الدائرة المغلقة (CCTV) في كل مكان تقريبًا من حولنا خاصة في الأماكن التجارية. يتم تفسير صور الدوائر التلفزيونية المغلقة هذه لأسباب مختلفة لاستخلاص المعلومات منها. وجود إطار للحفاظ على الكهرباء يتيح توفير الكهرباء فقط عند الحاجة، باستخدام الموارد الموجودة سيكون نظام حفظ فعال من حيث التكلفة. يتم تطوير مثل هذا الإطار باستخدام نموذج تعلم عميق يعتمد على أسرع RCNN، والذي يستخدم صور الدوائر التلفزيونية المغلقة هذه للكشف عن وجود أو عدم وجود إنسان في مكان ما. يتم تضمين متحكم اردوينو في هذا الإطار الذي يقوم تلقائيًا بتشغيل/إيقاف تشغيل الكهرباء بناءً على وجود/غياب الإنسان على التوالي. يتم عرض النهج المقترح على مجموعة بيانات نقطة الاختناق ومجموعتي بيانات في الوقت الفعلي حيث يتم عرض الصور من لقطات الدوائر التلفزيونية المغلقة. قياس F ودرجات الدقة (درجة AUC) ووقت التدريب المقاييس التي يتم تقييم النموذج من أجلها. يتم الحصول على معدل دقة متوسط قدره 82 ٪ عن طريق ضبط المعلمة المفرطة واستخدام تقنية تحسين آدم. يضع هذا الأساس لتصميم أطر تلقائية لأنظمة الحفاظ على الكهرباء باستخدام الموارد الموجودة.Translated Description (French)
Les systèmes de conservation de l'électricité sont conçus pour économiser l'électricité afin de gérer le pont entre la forte augmentation de la demande et la production. De tels systèmes ont jusqu'à présent utilisé des capteurs pour détecter la nécessité, ce qui ajoute un coût supplémentaire à la configuration. La télévision en circuit fermé (CCTV) a été installée presque partout autour de nous, en particulier dans les lieux commerciaux. L'interprétation de ces images CCTV est effectuée pour diverses raisons afin d'en extraire les informations. D'où un cadre de conservation de l'électricité qui permet l'alimentation électrique uniquement lorsque cela est nécessaire, l'utilisation des ressources existantes serait un système de conservation rentable. Un tel cadre utilisant un modèle d'apprentissage en profondeur basé sur Faster-RCNN est développé, qui utilise ces images de vidéosurveillance pour détecter la présence ou l'absence d'un humain dans un lieu. Un microcontrôleur Arduino est intégré à ce cadre qui allume/éteint automatiquement l'électricité en fonction de la présence/absence de l'homme respectivement. L'approche proposée est démontrée sur un ensemble de données de POINT D'ÉTRANGLEMENT et deux ensembles de données en temps réel dont les images à partir de séquences de vidéosurveillance. La mesure F, les scores de précision (score AUC) et le temps de formation sont les métriques pour lesquelles le modèle est évalué. Un taux de précision moyen de 82 % est obtenu par réglage hyper-paramétrique et en utilisant la technique d'optimisation Adam. Cela constitue le fondement de la conception de cadres automatiques pour les systèmes d'économie d'électricité utilisant des ressources existantes.Translated Description (Spanish)
Los sistemas de ahorro de electricidad están diseñados para conservar la electricidad para gestionar el puente entre la alta demanda creciente y la producción. Hasta ahora, estos sistemas han estado utilizando sensores para detectar la necesidad que agrega un costo adicional a la configuración. Se ha instalado un circuito cerrado de televisión (CCTV) en casi todas partes a nuestro alrededor, especialmente en lugares comerciales. La interpretación de estas imágenes de CCTV se está llevando a cabo por varias razones para obtener la información de la misma. De ahí un marco para el ahorro de electricidad que permite el suministro de electricidad solo cuando es necesario. el uso de los recursos existentes sería un sistema de conservación rentable. Se desarrolla un marco que utiliza un modelo de aprendizaje profundo basado en Faster-RCNN, que utiliza estas imágenes de CCTV para detectar la presencia o ausencia de un ser humano en un lugar. Un microcontrolador Arduino está integrado en este marco que enciende/apaga automáticamente la electricidad en función de la presencia/ausencia del ser humano, respectivamente. El enfoque propuesto se demuestra en el conjunto de datos de PUNTOS DE ESTRANGULAMIENTO y dos conjuntos de datos en tiempo real cuyas imágenes de las grabaciones de CCTV. F-measure, Accuracy scores (AUC score) y el tiempo de capacitación son las métricas para las que se evalúa el modelo. Una tasa de precisión promedio del 82% se obtiene mediante el ajuste de hiperparámetros y el uso de la técnica de optimización Adam. Esto sienta las bases para el diseño de marcos automáticos para sistemas de ahorro de electricidad utilizando los recursos existentes.Files
TSP_IASC_22654.pdf.pdf
Files
(5.2 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:a28f725c208aec4c5b18567832abb130
|
5.2 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الكشف البشري التلقائي باستخدام تعزيز أسرع - RCNN لنظام الحفاظ على الكهرباء
- Translated title (French)
- Détection automatique des personnes à l'aide d'un système de conservation de l'électricité renforcé à RCNN plus rapide
- Translated title (Spanish)
- Detección humana automática utilizando RCNN reforzado más rápido para el sistema de ahorro de electricidad
Identifiers
- Other
- https://openalex.org/W4200173089
- DOI
- 10.32604/iasc.2022.022654
References
- https://openalex.org/W1958328135
- https://openalex.org/W2130306094
- https://openalex.org/W2374893736
- https://openalex.org/W2520959394
- https://openalex.org/W2618530766
- https://openalex.org/W2764276316
- https://openalex.org/W2790441826
- https://openalex.org/W2807436399
- https://openalex.org/W2810818231
- https://openalex.org/W2892389796
- https://openalex.org/W2953476424
- https://openalex.org/W2955202322
- https://openalex.org/W4250343270
- https://openalex.org/W639708223