摘要
智能家居不仅具有传统的居住功能,还能将原来被动静止建筑转变为能动、智能的生存空间,拥有全方位的信息交换功能,保证家庭内部、家庭与外部信息的畅通。智能家居利用计算机技术、网络通信技术、无线传感器等先进技术的设计理念,融合人的个性化需求,通过智能化的控制和管理,实现“以人为本”的家居生活。
智能家居的实现需要大量的信息采集,这就离不开对无线传感器网络的应用。智能家居通过在家居空间中的特定位置安置各种感知设备,完成对环境数据、人的位置和动作数据的采集,从而实现对环境信息、人的位置和动作甚至意图的感知。
在智能家居设计方面要注重实用、易用,要给人提供真实、准确的服务。关键要基于“人”的考虑,本文的研究重点有三方面：
(1)智能家居需要给人提供具有实用、易用的服务,本文在第三章提出了智能家居的服务结构,以及针对智能家居的系统组成上提出了智能家居的网络架构。
(2)要想实现为人提供准确服务,准确、可靠的位置信息的获取是前提。本文的第四章研究了智能家居的定位技术,并融合了粒子滤波技术的定位算法,在一定程度上保障了定位的准确度。
(3)能够为人提供准确服务的关键在于很好地实现人行为的识别与理解。本文的第五章研究了一种基于特征融合的人体动作识别算法；在高层,对人的行为认知意图识别过程中,不仅可以实现人意图的识别,还能有效地识别人的反常行为。
Intelligent Home space is not only living, but also the original passive static architectural change for dynamic and intelligent living space, with a full range of information exchange to ensure the smooth flow of communication within the family, family and external information efficiently. Intelligent home use computer technology, network communication technology, wireless sensors, and many other advanced design concepts. It, focusing on the integration of people, through the intelligent control and management, aim at building "people-oriented" home life.
Intelligent home requires a lot of information collection, which can not be separated from the application of the cloud of wireless sensor networks. Intelligent home space complete data collection of environmental and location data to achieve recognize people behavior and intention.
The design of intelligent home should focus on the practicality and easiness to use to provide people true and accurate service. Based on "people" to consider, this study focused on three aspects:
(1) Intelligent home should provide people practical, easy-to-use services, this article in Chapter III propose the service structure of the intelligent home, as well as for the intelligent home systems composed of intelligent home network architecture.
(2) To realize providing accurate and practical service to people, reliable location information access is a prerequisite. The fourth chapter study the existing positioning technology, as well as integration of the application of the particle filter in the intelligent home positioning technology, which, to some extent, protect the accuracy of the positioning.
(3) Achieving the recognition and understanding of human behavior is the key to provide accurate services for people. In the fifth chapter a algorithm based on feature fusion to identify human action is introduced in details. At a high level of the process to cognize human behavior and the intention, high-level cognitive system can not only achieve the identification of the person, but also effectively identify anomalous behavior.
引文
[1]翟宏伟.基于物联网技术的智能家庭应用研究[D].北京邮电大学硕士学位文.2011.05.
[2]金逸超.基于物联网环境的智能家居系统的研究与实现[D].南京邮电大学学位论文.2011.03.
[3]李程.基于嵌入式的智能家居系统研究[D].电子科技大学硕士学位论文.2006.03.
[4]张巍巍.基于无线传感器网络的智能家庭应用研究[D].西北工业大学硕士学位论文.2006.03.
[5]桂兵祥,屈太国,吕国斌.智能家庭网络体系结构模式研究[J].微型机与应用.2002年第9期.
[6]马拓,杨昆,李亚军.无线传感器网络结构特点及关键问题研究概述[J].新技术.2011年11月22期.
[7]李锋刚.基于优化案例推理的智能决策技术[D].合肥工业大学硕士学位论文.2007年2月.
[8]赵守鹏.家庭服务机器人智能空间关键技术研究与设计[D].山东大学硕士学位论文.2007年5月.
[9]孙泽宇,国强.改进贝叶斯滤波模型井下人员定位算法的研究[J].计算机仿真.第28卷第2期.2011.02.
[10]刘潇,刘幸,吴胜华.基于RFID的智能家居用户识别定位技术分析[J].物联网技术.2011.07.
[11]丁正,章民融.空间传感器节点定位方法研究[J].计算机应用与软件.第27卷第3期2010年3月.
[12]周彦,文宝,李建勋无线传感器网络节点近点加权质心定位方法[J].计算机工程与应用.2012,48(1)：87-89.
[13]刘志辉.无线传感器网络在智能家居中的应用研究[D].天津大学硕士学位论文.2007.06.
[14]武建华,白凤娥.无线传感器网络自定位算法的研究[J].计算机与数字程.2012年第1期.
[15]殷琪,徐巍.一种改进的无线自主传感器网络定位算法[J].计算机系统应用.第21卷第1期2012年.
[16]朱敏,刘昊霖,张志宏,易宗锐.一种基于DV-HOP改进的无线传感器网络[J].四川大学学报.第44卷第1期2012年1月.
[17]王江涛,葛强,钱炜.一种新型传感器网络节点定位法[J].计算机工程与应用.2012, 48(2)
[18]谷红亮,史元春,中瑞民,陈渝.一种用于智能空间的多目标跟踪室内定位系统[J].计算机学报.第30卷第9期2007年9月.
[19]周艳,赵海,汗世娟,李海成.智能空间定位模型研究[J].计算机工程.第35卷第7期2009年4月.
[20]孙佩刚,赵海,罗玎玎,张晓丹,尹震宇.智能空间中RSSI定位问题研究[J].电子学报.第7期2007年7月.
[21]林以明,罗海勇,李锦涛,赵方.基于动态Radio Map的粒子滤波室内无线定位算法[J].计算机研究与发展.48(1)：139-146,2011.
[22]张弦.基于改进粒子滤波算法的移动机器人定位[D].北京邮电大学硕士学位论文.2010.06.
[23]黄艳,臧传治,于海斌.基于改进粒子群优化的无线传感器网络定位算法[D].控制与决策.第27卷第1期2012年1月.
[24]陈得昌,吴介军,王庆林,黄中.基于粒子滤波的RFID室内节点定位跟踪研究[J].信息技术.2011年第8月.
[25]方正,佟国峰,徐心和.基于粒子群优化的粒子滤波定位方法[J].控制理论与应用.第25卷第3期2008年6月.
[26]程水英,张剑云.粒子滤波评述[J].宇航学报.第29卷第4期2008年7月.
[27]朱洁,张冰,刘炜.粒子滤波算法在单站无源定位中的应用[J].火力与指挥控制.第33卷第6期2008年6月.
[28]张颖,苗全利.一种基于RFID技术的定位算法实现[J].信息科技.2011年第11期.
[29]周维柏,李蓉.基于轨迹特征分析的行人异常行为识别[J].人工智能及识别技术.2010.04.
[30]蒲静,胡栋.基于时空Markov随机场的人体异常行为识别算法[J].计算机应用.第30卷第8期2010年8月.
[31]凌志刚,赵春晖,梁彦,潘泉,王燕.基于视觉的人行为理解综述[J].计算机应用研究.第25卷第9期2008年9月.
[32]吉艳青.家庭环境下人的行为理解系统研究[D].山东大学硕士学位论文.2009.05.
[33]刘相滨,向坚持,王胜春.人行为识别与理解研究探讨[J].计算机与现代化.2004年第12期.
[34]胡栋.人体异常行为识别算法研究与实现[D].电子科技大学学位论文.2010.05.
[35]黄彬.智能空间中人的行为识别与理解[D].山东大学博士学位论文.2010,04.
[36]艾莉,程加堂.无线传感器网络及其应用概述[J].技术与市场.第16卷第4期.2009年.
[37]江月山.智能化产业链中存在的问题及其分析[C].首届国际智能与绿色建筑技术研讨会.2005.02.
[38]张璐.智能家居系统人机关系研究[D].江南大学硕士学位论文.2008.03.
[39]秦召兵.嵌入式智能家居无线图像监控系统的研究[D].东北大学硕士学位论文.2008.06.
[40]赵虹钧.基于ZigBee技术的智能家居系统的设计[D].上海交通大学硕士学位论文.2007.01.
[41]叶玮琼.嵌入式WEB Server的智能家居中央控制器实现方法研究[D].广东工业大学硕士学位论文.2005.06.
[42]侯连勇.基于滤波关联的视频多目标跟踪[D].西安电子科技大学硕士学位论文.2011.03.
[43]唐荣霞.智能家居控制系统的设计与实现[D].山东大学硕士学位论文.2009.02.
[44]董乐.基于无线网络的智能家居系统网络节点和网关的设计与实现[D].天津工业大学硕士学位论文.2009.
[45]赵强.基于Zigbee的智能家居无线图像监控系统设计与实现[J].辽宁建材.2008年第5期.
[46]王家耀,孙庆辉,吴明光,成毅.面向智能空间信息服务的网GIS节点构建[J].武汉大学学报.2009,01.
[47]田国会,吉艳青,李晓磊.家庭智能空间下基于场景的人的行为理解[J].智能系统学报.2010.02.
[48]吴瑞明,刘豹.关于定性推理的智能空间概念研究[J].高技术通讯.1998.6.
[49]喻梅.面向对象的智能空间设计与实现[J].软件时空.2009年第25卷第7-3期.
[50]明亮,况晓辉,黄敏桓,金旗.基于SOA的可信智能空间系统软件研究[J].计算机学报.2010.01.
[51]田国会,李晓磊,卜范骞.基于智能空间的家庭服务机器人SLAM[J]华中科技大学学报.2008.10.
[52]贾伟.无线传感器网络在智能家居中的应用研究[D].江苏大学硕士论文.2009.06.
[53]K. Hara, T. Omori, and R. Ueno. Detection of unusual human behavior intelligent house[A].In Proceedings of the 12th IEEE workshop on Neural Networks for Signal processing[C]. Japan 2002:697 - 706.
[54]N·T Nguyen, D·Q·Phung, and S. Venkatesh. Learning and detecting activities from movement trajectories using the hierarchical hidden markov model[A].In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition [C]. San Diego, CA, USA,2005:955-960.
[55]D. Mahajan, N. Kwatra, S.Jain, et al. A framework for activity recognition and detection of unusual activities[A]. In Proceedings of the Indian Conference on Computer Vision, Graphics, Image processing[C].Kolkata, India,2004:37-42.
[56]K. Murphy. Dynamic Bayesian networks: representation, inferenceand learning[D] Berkeley: University of California,2002.
[57]J. x. Wu, A. Osuntogun, T. Choudhury, et al. A scalable approach to activity recognition based on objcet use[A].In Proceedings of the IEEE International Conference on Compute Vision[C].Beijing, China,2007:1-8.
[58]Huang M.Sneed, AneCon GmbH.Integrating legacy Software into a Service oriented Architectur[J].Proceedings of the IEEE International Conference on Software Maintenance and Reengineering, Venna, Austria. 2006.
[59]Dang G, Cheng Z, Jin S et al. A service oriented architecture for tele-immersion. Proceedings of the 2005 IEEE International Conference on e-Technology, e-Commerce and e-Service, Hong Kong, China.2005:646-649.
[60]Statyanarayanan M. Pervasive computing:vision and challenge. IEEE Personal Communications,2001,8(8):10-17.
[61]Lee J H, Hashimoto H. Intelligent Space, its past and future//Proceedings of the 25th Annual Conference of the IEEE Indus—trial Electronics Society. California, USA, IEEE, 1999:126-131.
[62]Wright S, Steven ton Intelligent spaces—the vision, the opportunities and the barriers. BT Technology Journal,2004,22(3):15-26.