辽宁科技大学硕士研究生学位（毕业）论文开题报告课题名称:视觉分析在智能家居系统中的应用与研究所在院系：研究生院学科专业：电力电子与电力传动年级：2014级研究生姓名：于泽升导师姓名：崔文华开题日期：2015年11月8日一、选题的意义人工智能是一项前瞻性科学研究，自信息技术产生发展以来，人们在这一领域进行了长期的科学探索和技术攻坚，并不断涌现出新思想、新观念、新理论、新技术，成为未来科学技术革命的重要发源地。

就现阶段发展来看，其内涵与外延已经从联结主义、符号主义、行为主义等学派理论发展为广义的智能科学。

智能化是未来信息技术的发展趋势，也是第三次工业革命的重要特征，已成为生产、生活领域技术创新的关键环节，产生深远的影响。

当前，人工智能技术对互联网行业产生的影响和变革主要有如下几个方面：在理论技术层面，人工智能技术为基于互联网和移动互联网等领域的创新应用提供理论基础。

例如，自动定理推理为网络信息检索、问题求解、远程诊断等问题提供了自动求解方案;自然语言理解为计算机人类语言理解提供理论和方法;数据挖掘为从数据库中挖掘提炼出具有必然性和蕴含本质规律的数据提供了规则、聚类等数据处理、建模、评估标准。

在技术应用和创新层面，人工智能技术的发展，为未来ICT等网络技术的发展指引了方向。

当前，以智能算法、深度学习、云计算为代表的大规模网络应用已经成为ICT产业的重要发展方向。

各大互联网公司在深度学习领域不断积极探索。

深度学习是机器学习研究中的一个重点关注领域，其研究侧重于建立、模拟人脑进行分析学习的“神经网络”。

在创新方面，深度学习带来了机器学习的新浪潮，推动“大数据+深度模型+数据发现挖掘”时代的来临。

人工智能技术与互联网的融合，是两个领域发展到一定阶段，探索创新的必然结果，深度学习为拥有强大计算能力和数据资源的互联网巨头公司带来下一次全面领跑的机会。

例如，谷歌、百度在硅谷的研发实验室，在对深度学习、算法升级，对机器学习模仿人脑的智能活动，让机器像人脑一样识别图像、理解自然语言，解析网络内容之间关系做深度探索。

百度语音和图像等相关网络产品应用的快速崛起，正是受益于对机器学习等领域的技术突破。

从技术发展脉络上，人工智能很多技术一直处于创新的前沿，未来会在很大程度上影响信息产业的发展方向。

人工智能发展至今涉及多个研究领域，研究方向包括符号计算、语言识别、模式识别和计算机视觉、机器翻译与机器学习、智能信息检索、问题求解与专家系统、逻辑推理与逻辑证明、自然语言处理等，逐渐成为更为广泛的智能科学学科。

二、综述随着经济的发展社会信息化的程度不断提高，智能家居的概念逐步走进了人们的生活。

1国外智能家居的发展情况自从世界上第1幢智能建筑1984年在美国出现后，美国、加拿大、欧洲、澳大利亚和东南亚等经济比较发达的国家先后提出了各种智能家居的方案。

智能家居在美国、德国、新加坡、日本等国都有广泛的应用。

新加坡模式的家庭智能化系统包括三表抄送功能、安防报警功能、可视对讲功能、监控中心功能、家电控制功能、有线电视接入、住户信息留言功能、家庭智能控制面板、智能布线箱、宽带网接入和系统软件配置等。

那么，什么是智能化家居？几年前一些经济比较发达的国家提出了“智能住宅”的概念，住宅智能化是智能家居的先导，智能家居是住宅智能化的核心。

那么达到一个什么样的标准才可以称之为智能化家庭呢？智能化家庭与智能大厦概念与定义一样至今尚没有取得一致的认同。

美国电子工业协会于1988年编制了第1个适用于家庭住宅的电气设计标准，即《家庭自动化系统与通讯标准》也有称之为家庭总线系标准（HBS）；我国也从1997年初开始制定《小康住宅电气设计（标准）导则》（讨论稿）在《导则》中规定了小康住宅小区电气设计总体上应满足以下要求：高度的安全性，舒适的生活环境，便利的通讯方式，综合的信息服务，家庭智能化系统。

同时也对小康住宅与小区建设在安全防范、家庭设备自动化和通讯与网络配置等方面提出了三级设计标准，即：第一级为“理想目标”，第二级为“普及目标”，第三级为“最低目标”。

智能家居最终目的是让家庭更舒适，更方便，更安全，更符合环保。

随着人类消费需求和住宅智能化的不断发展，今天的智能家居系统将拥有更加丰富的内容，系统配置也越来越复杂。

智能家居包括网络接入系统、防盗报警系统、消防报警系统、电视对讲门禁区系统、煤气泄露探测系统、远程抄表（水表、电表、煤气表）系统、紧急求助系统、远程医疗诊断及护理系统、室内电器自动控制管理及开发系统、集中供冷热系统、网上购物系统、语音与传真（电子邮件）服务系统、网上教育系统、股票操作系统、视频点播、付费电视系统、有线电视系统等等，各种新鲜的名词逐渐成为智能家居中的组成部分。

2国内智能家居的发展现状我国将住宅小区智能化定义为：利用4C（即计算机、通讯与网络、自控、IC卡）技术，通过有效的传输网络，将多元信息服务与管理、物业管理与安防、住宅智能化系统集成，为住宅小区的服务与管理提供高技术的智能化手段，以期实现快捷高效的超值服务与管理，提供安全舒适的家居环境。

随着科技的发展，计算机技术的不断提升，智能视觉技术应运而生，可以有效的解决传统视频监控行业的问题，为安防行业提供了更为广阔的应用方向。

它和以往的监控技术有本质的区别，其主要特征是采用计算机视觉的方法，在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析，对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应。

智能视觉分析技术是指计算机图像视觉分析技术，计算机图像视觉技术是人工智能(AI，Artificial Intelligent)研究的分支之一，它能够在图像及图像描述之间建立映射关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。

而视频监控中所提到的智能视频技术主要指的是“自动分析和抽取视频源中的关键信息”。

如果把摄像机看作人的眼睛，智能视频系统或设备则可以看作人的大脑。

智能视频技术借助计算机强大的数据处理功能，通过将场景中背景和目标分离，进而分析并追踪在摄像机场景内出现的目标，对视频画面中的海量数据进行高速分析，过滤用户不关心的信息，仅仅提供有用的关键信息。

智能视频解决方案以数字化、网络化视频监控为基础，用户可以根据视频内容分析功能，通过在不同摄像机的场景中预设不同的规则，系统识别不同的物体，同时识别目标行为是否符合这些规则，一旦目标在场景中出现了违反预定义规则的行为，系统能够以最快和最佳的方式作出反应并提供有用信息。

由此可见，视觉分析技术在智能家居系统中应用至关重要。

三、提纲第一章绪论部分。

主要从智能家居的概念出发，简单的介绍智能家具系统的定义，对国内外的发展现状做了简要概述。

提出论文的研究内容，并分析课题的研究意义。

第二章主要介绍视觉分析技术在智能家居系统中应用与研究的方案。

从关键设备和软件系统两个方面介绍了系统的构成。

第三章主要介绍视觉分析技术的相关理论。

本章从智能家居系统的实际应用出发，分析视觉分析可以应用于智能机据系统的一些相关理论知识。

第四章主要介绍视觉分析与运动分析的关键算法。

第五章基于视觉分析的智能家居系统的建模与实现。

围绕之前介绍的理论知识，本章对其在智能家居系统中具体实现的问题进行讨论。

第六章是总结与展望。

归纳本人对视觉分析在智能家居系统中的应用与研究的成果，以及对其发展前景的展望。

四、研究条件和可能存在的问题1如何将视觉分析技术在智能家居系统中应用到可行的最佳境界。

2在理论可行的情况下如何解决现实中系统在应用中存在的问题。

3系统平台的搭建过程中，硬件设备参数的选择能否满足软件系统的实时性要求可能会存在问题。

4智能算法通常都不具备广泛的通用性，需要就具体问题进行细节研究。

因此，在脱离了现实场景的情况下，很多算法只能进行抽象的讨论，不能进行具体实现细节分析。

5在编程仿真中可能存在程序优化的问题五、预期的结果1验证视觉分析技术在智能家居系统中应用的可行性，合理性，安全性及方便性。

2在原有理论算法的基础上实现算法优化或引进新的算法，使理论更具有说服力。

3理论证实通过网络等信息通信技术手段实现对家居电器等的智能控制，使其能够按照人们的设定工作运行，而不论距离的远近六、论文写作进度安排2015年09月～2015年11月查找参考文献。

2015年11月～2015年12月撰写开题报告，准备开题。

2016年01月～2016年05月研究课题的方法，撰写理论2016年06月～2016年08月编写程序，仿真证明理论的可行性2016年09月～2016年10月修改发现的理论问题，继续仿真证明2016年10月～2015年16月完善论文撰写参考文献[1]祁志强.智能家居的现状及发展趋势[J].智能建筑.2008,12:42-44[2]侯海涛.国内外智能家居发展现状[J].建材发展导向.2004，5：92-93[3]Conte,G.Resorce management in home automation systems[C].Control&Automation （MED）,201018th Mediterranean conference:154-160[4]周洪，胡文山，张立明，等.智能家居控制系统[M].北京：中国电力出版社，2010-01.[5]向忠宏.智能家居[M].北京：人民邮电出版社，2008-06.[6]吴洪森，刘平，董金祥.基于视觉的人体运动识别研究[J].中国人民公安大学学报（自然科学版）.2008(4):54-56[7]陈胜勇，刘盛.基于opencv的计算机视觉技术实现[M].北京：清华大学出版社.2002[8]Cutler R,Davis.Robust real-time periodic motion detection analysis,and application[J].IEEE Trans Pattern Analysis and Machine Intelligence,2000,22(8):781-796.[9]Remagnino P,Tan T,Baker K.Multi-agent visual surveillance of dynamic scense[J].Image and vision Computing,1998,16(8):529-532[10]John F.Canny.A computation Approach to Edge Detection[J].Pattern Analysis and Machine Intelligence.1986(11):579-698[11]Sum Y,Fisher R.Object-based visual attention for computer vision[J].Artificial Intelligence,2003,146(1):77-123[12]李文艳.基于视觉注意的目标检测方法[D].重庆大学硕士学位论文.2010。