In the digital era, Artificial Intelligence (AI) plays a crucial role in developing smart cities and enhancing business operations. Among AI-driven technologies, AI Vision Analytics has gained significant attention for Access Control Systems (ACS) and Consumer Behavior Analytics. This research focuses on integrating AI Access Control and AI Video Analytics to examine factors influencing Technology Adoption Behavior using the UTAUT2 (Unified Theory of Acceptance and Use of Technology 2) framework. Key factors assessed include Trust in Technology, Effort Expectancy, Social Influence, and Performance Expectancy, which impact users’ willingness to adopt AI-driven security and analytics solutions. The study also includes a real-world implementation of AI Vision Analytics at KMITL EXPO, where an AI-powered Access Control System and AI Video Analytics are deployed. The collected data is analyzed to identify trends in AI adoption for business management and security enhancement. The findings provide valuable insights for businesses and organizations to optimize AI Vision Analytics for enhancing security management and digital marketing strategies.
ในยุคดิจิทัล เทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence - AI) ได้เข้ามามีบทบาทสำคัญในการเปลี่ยนแปลงวิธีการดำเนินธุรกิจและการบริหารจัดการความปลอดภัย โดยเฉพาะ AI Vision Analytics ที่สามารถนำมาประยุกต์ใช้ในหลายด้าน เช่น การควบคุมการเข้าถึงสถานที่ (Access Control System - ACS) และ การวิเคราะห์พฤติกรรมผู้บริโภค (Consumer Behavior Analytics) โดย Access Control System (ACS) ช่วยให้สถานที่มีความปลอดภัยยิ่งขึ้น โดยใช้ AI ในการ จดจำใบหน้า (Face Recognition), ตรวจสอบป้ายทะเบียน (License Plate Recognition - LPR) และติดตามการเข้า-ออกในพื้นที่ต่างๆ ซึ่งช่วยลดความเสี่ยงด้านความปลอดภัยและเพิ่มความสะดวกให้กับผู้ใช้ และระบบ AI Video Analytics ช่วยให้ธุรกิจสามารถ วิเคราะห์พฤติกรรมของลูกค้า (Consumer Insights) ผ่านการติดตามความเคลื่อนไหวของผู้บริโภค เช่น Heat Map, Dwell Time, และ Customer Flow Analysis ซึ่งสามารถนำไปใช้เพื่อปรับปรุงกลยุทธ์การตลาดและการให้บริการ ทั้งนี้แม้ว่า AI Vision Analytics จะมีศักยภาพสูง แต่ การยอมรับเทคโนโลยี (Technology Adoption) ยังเป็นประเด็นสำคัญที่ต้องศึกษา เนื่องจาก ความเป็นส่วนตัว (Privacy Concerns), ความเชื่อมั่นในเทคโนโลยี (Trust in Technology), และต้นทุนในการติดตั้ง อาจเป็นอุปสรรคต่อการใช้งาน ดังนั้น งานวิจัยนี้จึงมุ่งเน้น การศึกษาปัจจัยที่มีผลต่อพฤติกรรมการยอมรับเทคโนโลยี AI Vision โดยใช้กรอบแนวคิด UTAUT2 (Unified Theory of Acceptance and Use of Technology 2) เพื่อวิเคราะห์ว่า ผู้ใช้มีความเต็มใจแค่ไหนในการใช้งานระบบ AI ที่เกี่ยวข้องกับความปลอดภัยและการตลาด
คณะวิศวกรรมศาสตร์
Motor control is a critical process for muscle contraction, which is initiated by nerve impulses governed by the motor cortex. This process is vital for performing activities of daily living (ADLs). Consequently, a disruption in communication between the brain and muscles, as seen in various chronic conditions and diseases, can impair bodily movement and ADLs. Evaluating the interaction between brain function and motor control is significant for the diagnosis and treatment of motor control disorders; moreover, it can contribute to the development of brain-computer interfaces (BCIs). The purpose of this study is to investigate brain activation in designed upper extremity motor control tasks in regulating the pushing force in different brain regions; and develop investigation methods to assess motor control tasks and brain activation using a robotic arm to guide upper extremity force and motor control. Eighteen healthy young adults were asked to perform upper extremity motor control tasks and recorded the hemodynamic signals. Functional Near-Infrared Spectroscopy (fNIRs) and robotic arms were used to assess brain activation and the regulation of pushing force and extremity motor control. Two types of motion, static and dynamic, move along a designated trajectory in both forward and backward directions, and three different force levels selected from a range of ADLs, including 4, 12, and 20 N, were used as force-regulating upper extremity motor control tasks. The hemodynamic responses were measured in specific regions of interest, namely the primary motor cortex (M1), premotor cortex (PMC), supplementary motor area (SMA), and prefrontal cortex (PFC). Utilizing a two-way repeated measures ANOVA with Bonferroni correction (p < 0.00625) across all regions, we observed no significant interaction effect between force levels and movement types on oxygenated hemoglobin (HbO) levels. However, in both contralateral (c) and ipsilateral (i) PFC, movement type—static versus dynamic—significantly affected brain activation. Additionally, cM1, iPFC, and PMC showed a significant effect of force level on brain activation.
วิทยาลัยวิศวกรรมสังคีต
This project explores the therapeutic potential of binaural beats within a 3D soundscape environment, focusing on the effects of left-right (L-R) beating sound positioning. Using Dolby Atmos technology to create immersive auditory experiences, the research aims to investigate how varying spatial beating sound placements in binaural beat therapy influence mental and emotional healing. Binaural beats, a form of auditory brainwave entrainment, have been shown to promote relaxation, reduce anxiety, and enhance cognitive performance. However, there has been limited exploration of how spatial sound technologies, like Dolby Atmos, can enhance the efficacy of these therapies. This study examines how different beating L-R configurations in a 3D soundscape impact the listener’s perception and therapeutic outcomes. Participants will experience binaural beat sessions in various beating L-R orientations, and physiological and psychological measures, such as heart rate variability and self-reported relaxation levels, will be assessed. The results are expected to provide new insights into the interaction between spatial audio environments and sound-based therapies, potentially improving sound therapy practices by leveraging advanced audio technologies.
คณะวิทยาศาสตร์
Air pollution, particularly PM2.5, is a major environmental and public health concern in Bangkok. Instead of predicting PM2.5 levels, this project aims to identify the most significant factors influencing PM2.5 concentration. By analyzing historical air quality, weather, and other environmental data, we will determine which variables—such as temperature, humidity, wind speed, or other pollutants—have the greatest impact on PM2.5 fluctuations.