智能家居已經有了一套高效的數據采集方案

安好勿念呢尼

有些科技公司作為業內領先的人工智能芯片設計公司，已經為智能家居提供了高效的數據采集方案。例如：微信和網站上的被訪問人員名單，pc端的加速和調速器，移動端的點位采集和報警，電視的ai信號內容采集和播放，冰箱的溫控器控制，空調設備自動點位采集、設定，老人佩戴的各種生活感應產品，起搏器、紅外熱像儀等等。

家庭大量環境變化會帶來大量傳感器數據，這些傳感器數據必須通過機器學習技術進行挖掘，與真實數據進行比對，來確定家居實時數據的采集標准。通過這種數據采集方式，可以實現家庭成員的語音指令、人臉識別、gps定位、碰撞檢測等等，用來自動對傳感器進行分析，進行相應的設置。如，家中燈光應該設定多亮，多久開一次，電視應該設定電量，哪些插座是接通還是斷開。

市面上，有大量這樣的機器學習方案。家庭普遍的做法是：用手機攝像頭采集拍攝家中照片，然後根據攝像頭拍攝的角度和光線變化，自動生成家中各個空間的亮度、光線變化情況，自動生成家中活動區域的小時時間序列數據，為每個家庭成員進行“大數據”分析。除了攝像頭外，還有人臉識別技術。人臉識別和指紋識別、虹膜識別、掌紋識別等，屬於不同的人工智能技術。

人臉識別通過安裝在傳感器中的攝像頭來檢測用戶，要到特定的攝像頭位置，會將目標人物傳到一個特定的ai芯片中，再由人工智能進行分析判斷，實現對目標人物的識別，設定相應的操作。例如指紋識別，需要人工打開攝像頭錄制指紋，傳到人工智能芯片中分析，判斷出人的手指的長短、指紋是否完整等特征，再進行交互，最終實現與用戶互動的目的。

對於智能手機而言，人臉識別技術最早是基於指紋識別。指紋識別對於用戶是明確的一個人，他可以通過拍照攝像頭，提供一個人的信息，然後在通過指紋識別技術來對手機號碼進行提取，然後進行驗證，這樣就可以達到識別需求。