第3章-物联网典型应用.ppt

(2)智能家居中的无线传输技术 其他的家庭无线传输技术还包括ZigBee、蓝牙、Home RF协议和IrDA传输技术等。 ???ZigBee技术是IEEE 802.15.4协议的代名词，是一种短距离、低功耗的无线通信技术，常用于无线传感器网络通信。 ???蓝牙技术是一种支持设备短距离通信（一般10m内）的无线通信技术，常用于包括移动电话、PDA、无线耳机、笔记本电脑、相关外设等众多设备之间进行无线信息交换。 ???Home RF协议主要针对家庭无线局域网设计，支持语音和数据传输，该协议是IEEE 802.11与DECT的结合，使用开放的2.4GHz频段。上述3种技术均工作在2.4GHz频段。 ???IrDA是一种利用红外线进行点对点通信的技术，具有体积小、功率低的特点，数据传输率较高，抗干扰性较强，但必须直线视距连接，限制太大，并不适合于我们通常意义上的家庭网络，常见于遥控设备。 3.信息处理技术 (1)主人状态识别与预判(2)主人身份识别 (1)主人状态识别与预判 智能家居系统的一个重要能力在于能根据主人当前所处状态，控制各类家居设备主动服务，达到变更家居环境，或是协助主人行为的效果，甚至能够通过预测主人的下一步动作做好服务准备。 ???主人状态识别技术 在主人状态识别方面，需要智能家居系统从众多传感器的观测数据中，分析提取主人的特征行为，且在分析的实时性和可靠性上有较高要求。但由于不同用户有不同的生活习惯，主人状态难以在设备出厂前准确定义，因此智能家居系统必须具备对主人生活习惯的快速学习能力。机器学习技术是其中的重要技术。 机器学习技术用于研究计算机如何模拟或实现人类的学习行为，它通过自动发现数据中的规律，通过计算和统计的方式自动从数据中提取信息。按照学习中使用推理的多少，机器学习所采用的策略大体上可分为6种：机械学习、示教学习、演绎学习、类比学习、基于解释的学习和归纳学习。学习中所用的推理越多，系统的能力越强。 (1)主人状态识别与预判 ???主人状态预测技术 在预判主人行为方面，由于难以对主人的各种行为作明确判断与划分，因此难以直接预测。但是，当用户在家庭环境中生活，将与家庭环境相互作用，而且这种作用能够改变家庭环境的状态，而这些状态的改变能够被直接观察到，此时结合隐马尔科夫模型，能够对智能家居系统下一步需要采取的行为做出准确预测。 马尔可夫（Markov）模型，本质上是一种随机过程，这一随机过程具有无后效性，即当前时刻状态完全取决于其前一时刻状态。隐马尔可夫模型（HMM）是一个二重马尔可夫随机过程，它包括具有状态转移概率的马尔可夫链和输出观测值的随机过程。其状态是不确定或不可见的，只有通过观测序列的随机过程才能表现出来。隐马尔可夫模型是一种强大的统计学机器学习技术，它提供了一种基于训练数据的概率自动构造识别系统。 (2)主人身份识别 主人身份识别主要用于家庭安防系统，用于判断入侵者身份，从而选择开启门禁或是报警操作。或是用于智能小区，根据业主身份启动与业主本人相关的一系列服务，比如在杭州某智能小区内，住宅电梯可以根据业主身份自动停靠在需要的楼层。 主人身份可以基于RFID识别，但此类主动识别方式需要住户配合携带RFID标签，会影响到用户体验，因此被动身份识别方式使用更为广泛。被动识别技术通常通过生物特征进行识别，目前常用的生物识别技术主要包括人脸识别和指纹识别技术。 (2)主人身份识别 ???人脸识别技术 人脸识别特指利用分析比较人脸视觉特征信息，进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是利用生物体（一般特指人）本身的生物特征来区分生物体个体。 一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。 根据人脸识别根本原理的不同，可将现有的人脸识别算法归为如下几类：基于人脸特征点的识别算法，基于整幅人脸图像的识别算法，基于模板的识别算法，利用神经网络学习的识别算法，基于光照估计模型理论的识别算法，基于优化的形变统计校正理论的识别算法，　　基于强化迭代理论的识别算法。 (2)主人身份识别 ???指纹识别技术 指纹识别技术是目前较为成熟的身份识别技术，它通过比较不同指纹的细节特征点来进行识别。指纹识别的难点在于，捺印方位的不同、着力点的不同都会带来指纹图案不同程度的变形，此外大量模糊指纹也会对正确的特征提取和匹配造成影响。 现有最新的指纹识别系统属于第三代指纹识别系统。第一代指纹识别系统通过光学识别系统获取指纹，第二代指纹识别系统通过电容式传感器获取指纹图像，而第三代指纹