Metodologi yang diusulkan dari Sistem Pengawasan Rumah (FHSS) berbasis Fuzzy yang terintegrasi dengan beberapa sensor dan perangkat pintar memberikan keamanan perumahan terbaik dengan bantuan Internet of Things (IoT). Fitur-fitur ini secara kolektif bekerja sama untuk menyediakan skema pengawasan yang kuat dan kuat terhadap pencurian dan penyusup. Perangkat ini digabungkan bersama untuk menjaga tempat tinggal sebagai bebas dari ancaman dan aman. Juga, skema ini membantu untuk memantau orang tua dan anak-anak yang ditampung di kediaman.
Sifat Artificial Intelligence (AI) dan logika Fuzzy terkait dengan pendekatan yang diusulkan untuk membuat sistem pengawasan ini lebih kuat dan meningkatkan kinerja lebih. Konsep AI meningkatkan akurasi dan meningkatkan tingkat pengawasan penduduk dengan menganalisis bingkai media yang dikumpulkan dari kamera dengan model terlatih. Setelah bingkai media yang dikumpulkan cocok dengan bingkai atau gambar penyusup yang tidak relevan, itu akan segera mengingatkan tanpa penundaan. Konsep dan sifat kerja dari semua halini diilustrasikan secara jelas di bawah ini.
3.1.Komponen SmartHome
Sistem Pengawasan SmartHome terdiri dari komponen individual seperti Sensor Pencari Suhu, Sensor Intervensi Manusia, Saklar ON/OFF Perangkat Elektronik dan Lampu, Sensor Identifikasi Orang, Sensor Deteksi Gerakan, dan Sensor Identifikasi Sensor Gas dan sebagainya. Semua sensor ini memiliki motif yang berbeda dalam melindungi tempat tinggal.
Sensor ini dikendalikan dan dipantau dengan menggunakan beberapa aplikasi android atau layanan web terkait. Dalam studi sebelumnya, aplikasi tradisional ini dan perangkat terkait lainnya ditangani menggunakan dukungan 2G dan layanan berbasis GPRS lainnya. Tetapi perangkat yang trendi membutuhkan lebih banyak daya dan fleksibilitas untuk menyimpan bingkai media secara instan ke server jauh serta untuk mendapatkan kembali pemicu dari server. Saat ini persyaratan unit pemrosesan tinggi karena kemajuan teknologi terbaru. Metode sistem pengawasan yang diusulkan diberdayakan menggunakan komponen pintar seperti Kamera WiFi, Sensor PIR, modul GSM dan GPS. Unit-unit ini ditangani dan dikendalikan secara terpisah dengan menggunakan aplikasi jarak jauh, di mana antarmuka dimanipulasi melalui Internet of Things (IoT). Tabel berikut,Tabel 1 menggambarkan deskripsi komponen SmartHome Surveillance System secara rinci.
3.2.Internet of Things (IoT)
Setiap metodologi komunikasi membutuhkan jembatan antara sensor lokal dan server jauh untuk menyimpan data yang relevan untuk manipulasi. Proses pengawasan adalah untuk menyimpan informasi yang dikumpulkan ke server jauh untuk pemantauan di ujung lain. Dengan metodologi FHSS ini, pendekatan yang diusulkan meyakinkan pengguna untuk memantau tempat tinggal tanpa batasan jangkauan. Juga,
Tabel 1
Ringkasan komponen sistem pengawasan SmartHome.
Komponen Keterangan
Sensor Sensor Passive InfraRed (PIR) digunakan dalam pendekatan yang diusulkan untuk mengidentifikasi intervensi manusia di tempat tinggal.
Antarmuka Klien Aplikasi Mobile banyak digunakan untuk mengontrol dan memonitor Smart Home.
Perangkat Aplikasi Aplikasi ini umumnya dikembangkan untuk mendukung pengguna berbasis sistem operasi Android dan MAC. Layanan antarmuka web adalah metode lain yang digunakan untuk memantau Rumah pintar melalui PC atau laptop juga. Umumnya, pada perangkat tradisional Bluetooth, ZigBee dan modul berbasis RF
Komponen digunakan untuk menyediakan konektivitas antara Perangkat Cerdas dan unit server. Konektivitas Tetapi ada kontra utama seperti kompleksitas komunikasi dan batasan jangkauan.Jadi,
dalam pendekatan yang diusulkan, dukungan GPRS sensitif tinggi dengan 4G dan 5G digunakan sebagai komponen penghubung. Fitur-fitur ini terkait dengan modul IoT untuk membangun jembatan antara SmartDevice dan Remote Server. Sehingga pengguna dapat dengan mudah memantau detail langsung mengenai tempat tinggal mereka tanpa penundaan.
Unit Kontrol Terpusat Unit kontrol terpusat dikaitkan dengan dua unit individu seperti Mikrokontroler dan Strategi Manipulasi. Di sini, modul ESP berkemampuan WiFi berdaya tinggi digunakan sebagai pengontrol untuk membuang seluruh logika pengawasan. Dan strategi manipulasi yang terkait dengan kamera WiFi berbasis AI. Dengan menggunakan kamera ini pengguna dapat dengan mudah mengidentifikasi kedatangan penyusup, dan dalam kasus perampokan segera memberikan peringatan dengan bantuan modul GSM dan unit buzzer yang terintegrasi dengan Smart Device FHSS yang diusulkan.
metode ini murni independen pada platform yang berbeda. Saat ini, metode yang lebih kuat untuk membuat koneksi internet melalui perangkat kecil untuk memastikan bahwa perangkat bertindak cerdas dan mengumpulkan detail dari perangkat untuk mendorongnya ke server untuk manipulasi dikenal sebagai Internet of Things (IoT). Umumnya, kita semua berpikir bahwa komputer bertindak sebagai perangkat IoT, tetapi kenyataannya adalah perangkat IoT yang hanya dapat memberikan Dukungan Internet ke perangkat lain. Tetapi dalam hal komputer, itu tidak dimaksudkan untuk mengaktifkan internet dengan perangkat lain. Komputer adalah mesin pengolah dan bukan perangkat IoT. Perangkat yang memungkinkan koneksi internet yang dibuat ke perangkat lain dianggap sebagai perangkat Internet of Things (IoT). Ini juga dikenal sebagai perangkat penghubung antara lingkungan klien dan server. Dalam pendekatan FHSS yang diusulkan ini, semua data yang dikumpulkan dari perangkat pintar dikumpulkan dengan menggunakan pengontrol dan mendorongnya ke lingkungan server dengan menggunakan dukungan Internet of Things ini. Tabel berikut,Meja 2 mengilustrasikan data komunikasi dari Smart
Tabel 2
Analisis frekuensi komunikasi modul IoT.
SI. Tidak | Data dalam Bytes | Frekuensi dalam Hz |
1. | 10 Byte | 698–1207 Hz |
2. | 20 Byte | 700-1210 Hz |
3. | 30 Byte | 750–1290 Hz |
4. | 40 Byte | 780-1330Hz |
5. | 50 Byte | 800-1360 Hz |
6. | 60 Byte | 850-1400Hz |
7. | 70 Byte | 890-1450Hz |
8. | 80 Byte | 920-1500Hz |
9. | 90 Byte | 960-1550 Hz |
10. | 100 Byte | 980–1590 Hz |
11. | * | 990–1620 Hz |
12. | # | 995-1700 Hz |
Perangkat dalam byte dan frekuensi modul IoT yang diperlukan ditampilkan.
3.3. Artifificial intelligence
Tujuan AI adalah untuk menyediakan barang-barang buatan manusia secara virtual dicara yang sistematis. Kemampuan berpikir manusia dan tingkat kinerja dianggap sebagai masukan untuk sistem tersebut agar untuk memberikan hasil yang efisien tinggi. Dalam FHSS, konsep AI adalah diterapkan pada proses streaming kamera dan manipulasi Prosedur. Sistem dilatih dengan beberapa penyusup, tidak diketahui individu, daftar kasus yang dicurigai dan sebagainya. Kamera terkait dengan WiFi dapat dengan cerdas mengidentifikasi navigasi orang dan memperkirakan fitur orang dengan fitur diragukan per anak yang sudah terlatih. Dalam hal ini, dua kategori hasil akan terjadi, satu adalah output yang cocok dengan fitur orang yang meragukan dan segera menimbulkan peringatan kepada masing-masing pemilik atau individu tentang masalah dengan rekaman itu. Jenis keluaran lainnya dicapai dari server disebut objek yang tidak dikenal, dalam hal ini fitur yang disimpan dalam database tidak cocok dengan keduanya fitur orang terlatih (baik orang normal dan ragu-ragu). Ini juga akan diinformasikan kepada masing-masing individu melalui peringatan mekanisme dengan bukti yang tepat. Era kamera berkemampuan WiFi berbasis AI ini dengan mudah mengidentifikasi orang-orang yang dikenal biasanya datang ke tempat tinggal dan memungkinkan mereka untuk melanjutkan tanpa gangguan apa pun, tetapi ini murni berdasarkan mekanisme pelatihan sistem dengan fitur orang yang dikenal (Mis. Sekuritas, Pekerja, Pemilik, Anak-anak dan sebagainya). Algoritma dan kode semu berikut menunjukkan yang sebenarnya alur kerja algoritma Artificial Intelligence secara detail.
Algorithm:.
Artifificial Intelligence
Input:Person Features (Face and Body Structure)
Output:Matched/Unmatched/Doubtful
Step-1: Importing the required libraries
Pseudocode:
Import CV_Library;
Import Face_Feature_Analysis;
Import Object_Analysis;
Step-2: Gather a reference from the Connected WiFi Camera.
Pseudocode:
video_frames = cv.video_capture(‘‘/device/video_100);
Step-3: Initialize the respective variables to store the face
features.
Pseudocode:
varface_featres[];
Step-4: Initialize the respective variables to store the normal
object features.
Pseudocode:
varobj_featres[];
Step-5: Raise the while loop to gather the frames from the
selected video device on Step-2.
Pseudocode:
while(true)
{
retn, frames = cv.video_capture.Read();
}
Step-6: Convert the collected frames from RGB to greyscale with
while loop.
Pseudocode:
while(frames.available())
{
Grey_frames = RGB.ConverttoGrey(frames());
Artifificial Intelligence
}
Step-7: Compare the features of the collected frames with the
trained samples.
Pseudocode:
while(Grey_frames.available())
{
booleancmp = Grey_frames.equals(features.compare());
if(cmp>=1)
{
comparison_Cnt+=1;}}
Step-8: Check the actual trained count samples are greater than
or lesser than or equal to present samples.
Pseudocode:
if(comparison_cnt < 0)
{
Alert(’Trained Sample Status: Unmatched’);
} elseif(comparison_cnt>=1)
{
Alert(’Trained Sample Status: Doubtful’);
} elseif(comparison_cnt==1)
{
Alert(’Trained Sample Status: Matched’);
}
Step-9: Result Accumulated and displayed to respective user via
proper user interfacing.
Pseudocode:
cv.rectangle(frames, (left, top), (right, bottom), (0, 0, 255), 2);
# displaying the outcome
cv.imshow(’Video’, frames)
3.4.Sistem pengawasan rumah berbasis fuzzy (FHSS)
Seluruh logika Sistem Pengawasan Rumah berbasis Fuzzy dijelaskan secara rinci. Logika fuzzy mengintegrasikan sebagian besar fitur penting dengan teknologi terbaru untuk merancang Perangkat Cerdas dengan bantuan Internet of Things (IoT). Logika di balik logika interferensi fuzzy menangkap frame dari kamera WiFi dan menyimpannya ke server untuk menampilkannya dengan benar kepada pengguna di akhir untuk memantau skenario tempat tinggal saat ini. Pada Smart Device, sensor Passive InfraRed (PIR) digunakan untuk mengumpulkan fitur-fitur manusia saat melakukan pemantauan. Biasanya, perangkat ini dipasang di pintu masuk tempat tinggal atau rumah. Misalnya, pertimbangkan skenarionya; pengguna menutup pintu dan menyalakan perangkat untuk memantau entri orang melalui kediaman. Saat perangkat dinyalakan, status sensor aktif dan jika mendeteksi ada orang yang masuk melalui pintu masuk, sensor memicu modul IoT untuk meningkatkan peringatan masing-masing berdasarkan pemicu. Pendekatan FHSS ini mengintegrasikan fitur GSM dan GPS untuk mengirim peringatan masing-masing kepada pengguna melalui SMS dan modul GPS untuk mengidentifikasi lokasi perangkat tertentu. Seluruh logika sistem FHSS digambarkan kepada pengguna melalui beberapa antarmuka pengguna yang berorientasi aplikasi. Antarmuka ini juga menyediakan dukungan pemantauan gratis melalui Android, MAC, serta platform web.
Jadi, pengguna dapat memantau sistem secara lengkap melalui ponsel pintar. Jika pengguna mengikuti platform Linux, Tablet, Laptop atau PC, maka perangkat dapat dipantau dengan antarmuka web melalui browser. Fitur peta juga diaktifkan untuk mengidentifikasi lokasi yang tepat dari perangkat dan fitur ini memungkinkan pengguna dengan bantuan fitur Google Map untuk menemukan lokasi dengan mudah dan memperkirakan jarak dari perangkat ke mereka secara akurat tanpa gangguan apapun. Dari hasiltersebut jelas membuktikan kinerja dan rasio akurasi pendekatan FHSS yang diusulkan secara rinci.
Tanggapan :
Sistem Pengawasan Rumah (FHSS) berbasis Fuzzy dirancang dengan mengkombinasikan perangkat komponen pengwasan rumah (sensor), Internet of Things (IoT), Artifificial intelligence dan penerapan logika fuzzy.
Tidak ada komentar:
Posting Komentar