边缘设备上家庭警报的流推理

Question

我正在为安全用例开发一些家庭自动化软件，我想最终会有一个具有不同信息源的本体：

• 相机
• 麦克风
• 入室盗窃
• 列出项目
• 警报
• 其他传感设备

我想使用图像/声音识别等组合来检测的事件是： 入室盗窃

• 我儿子和客人一起回家（！）
• 破窗
• 火
• 狗叫声
• 等等

最终我有一个行动清单：

• 警告或报警
• 给我的邻居打电话
• 给住在同一条街上的兄弟打电话
• 警告或致电消防队
• 致电RSPC（动物保护机构）
• 等等

最终我想构建一个迷你推理结构，能够针对不同的输入提出不同的操作，同时考虑到误报的存在并需要避免（即提供一定程度的交叉检查）。

这可能会发生在某种类型的边缘设备上。

我有兴趣研究类似的项目并获得一些想法。

我不太舒服的关键部分是：

• 如何使用来自传感器和警报的流数据更新我的推理结构？
• 我应该只使用内存组件吗？
• 流解决方案是否能够提供基于边缘的内存解决方案，但提供与本体相当的推理能力？

欢迎提出建议/想法！

Answer 1

RDFox 是商业版，它并没有真正的社区版。您可以下载评估许可证，有效期为 1 个月。 Ontotext 的 GraphDB 确实有社区版，它支持一些与 RDFox 相同的推理功能。对于您的目的来说，GraphDB 可能就足够了。