㈠ 智能家居主要应用的技术有哪些
智能家居主要应用的技术主要是布线、无线两种。
智能家居早期用有线技术，但是需要重新布线，造价很高并不适合平民消费。现在采用无线技术，无须重新布线，可以分为蓝牙、Wi-Fi，射频，Z-wave和ZigBee几种。
㈡ 智能家居主要应用的技术有哪些
智能家居的早期技术主要包括总线技术、无线通信技术和电力线载波通信技术。总线技术的特点是所有设备的通信和控制都集中在总线上，是一种完全分布式的智能控制网络技术。其产品模块具有双向通信功能，具有互操作性和互换性，用户可以对控制组件进行编程，适用于楼宇智能和社区智能等大规模管控场景。然而，总线技术的安装较为复杂，造价较高，工期较长，因此只适用于新装修的用户。
无线通信技术则更为多样，目前已成功应用于智能家居领域的无线通信技术解决方案包括射频技术、VESP协议、IrDA红外线技术、HomeRF协议、Zigbee标准、Z-Wave标准、Z-world标准、X2D技术等。无线技术解决方案的主要优点是不需要重新布线，安装方便灵活，可以根据需要随时扩展或修改，因此适用于新装修用户的安装。
电力线载波通信技术充分利用现有电网，两端均采用调制解调器，直接使用50Hz交流作为载波，采用数百kHz脉冲作为信号调制信号，进行传输和控制。这种技术的优势在于能够充分利用现有的电力线基础设施，无需额外布线，安装简便，成本较低。
综上所述，总线技术、无线通信技术和电力线载波通信技术各有优势，适用于不同的智能家居应用场景。选择合适的技术方案，可以根据用户的具体需求和场景特点，实现高效、便捷的家庭智能化管理。
㈢ 人工智能在智能家居中的应用
万物互联的时代，家、公司、街道，是我们最常栖息的地方。尤其是家是我们耐以安全。温馨舒适的场所，以致于年轻人，刚开始就需要有自己的房子，有一个属于自己的温馨环境。一个家除了你和我，还有就是有更好的家居的体验，家居设备都是提高我们生活质量的好宝贝，除了在某些家务上，满足我们高效率，生活方式，最重要的我们要感受到家独有的体验方式。人工智能在智能家居中的应用如何呢？下面跟小编一起来看看吧！
人工智能在智能家居中的应用
对于智能家居方面的人工智能只是人工智能外在形式的一种，最直接的形式便是家庭智能机器人。
在新的万物互联的时代来临，智能家居的形式与现在的形势将会发生很大的变化，人工智能的兴起也将加速智能家居领域的变化形式。介于人工智能的复杂程度，我们讨论的AI是初级的AI，是简单的AI，是适用于目前智能家居智能控制的AI，它会走进我们的空调、我们的电视、我们的洗衣机、我们的电灯、我们的窗帘、我们的智能水壶、我们的智能插座等等，这些设备智能化了以后，能够让生活更简化，用户就会想用，就会买单，就会喜欢这样的产品，而不是下载一堆APP将之复杂化。
用简单的例子来说，人工智能与智能家居的结合可以分为三个阶段：
第一级是控制，也就是远程开关、定时开关等控制方式；
第二级是反馈，把通过智能家居获得的数据通过人工智能反馈给主人，例如“最近几天看电视有点多哦”；
第三级是融合，当主人跟人工智能聊别的事情的时候，人工智能知道主人心情不好，就可以问主人要不要来一段音乐，或者直接播放一段主人平时听得最多的音乐。我们目前的智能家居最多做到简单的反馈。如我们耳熟能详的Nest温控器，可以自动调整主人需求的温度，并进行自我学习，但是遇到多人同时使用Nest时，记忆模拟曲线便会发生混乱，所以也只能算得上简单的学习反馈，还无法达到人工智能设备的标准。
人工智能的重要性与趋势可以用一句话来概括，如果没有人工智能进入智能家居，没有让智能家居产品拥有“会思考、能决策”的能力，而是继续把控制丢给烦琐的APP，那么这个行业永远只是一个小众行业，永远是我们圈里非常热，但圈外不买单的一个行业，所以说人工智能的应用对于智能家居行业来说是未来的必然。
除此之外小编认为，人工智能的服务是高附加值服务，高附加值服务意味着能够获取更多的用户，而用户数量的增加意味着数据量的增加，最终也会反馈到人工智能系统之中，再优化自身服务作用于用户，这是良性循环。
人工智能图像技术在智能家居中的应用
人工智能可作用于智能家居中的多个系统。其中，人工智能的视觉分支——图像识别技术，涉及图像处理、模式识别、计算机视觉、神经网络等多门学科，是智能家居系统的重要辅助工具，它结合了嵌入式操作系统和嵌入式硬件平台，加强了本身和智能家居应用的结合度，具有概念新、实用性强等特点。目前，智能家居系统中的图像识别以人脸识别为主，已经广泛应用于多个场景当中。本文将着重探讨家庭场景中的AI视觉应用。
家庭智能安防中的图像识别技术
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别是人工智能里一个重要的领域，应用在智能家居里主要是在安防层面。
智能摄像头：摄像头截取图像，可以通过图像识别技术识别出图像的内容，从而做出不同的响应。有些家用摄像头的机器学习技术利用与大脑中的神经元网络相似的方式来适应新的信息，可以识别出在你家门廊处是否有狗狗、猫咪，或者是快递包裹。有些可以家用监控会自动分析录制的视频，只显示几分钟或是几张截图就能让用户了解所需的信息，而不是回顾一整天的内容。有些家用监控可以辨识家人与入侵者之间的差异，而不是引发虚假警报，甚至还能在装修时监控装修工人的一举一动，一旦出现违规时，会第一时间通知用户。
值得一提的是，相比家用摄像头的像素竞争，是否具备视频通话的功能、环境感知的功能、物体识别、行为识别功能会逐渐成为家用摄像头“智能”与“智障”的分水岭，人工智能技术可以让摄像头不仅仅提供拍摄的功能，发现、识别、验证、拍摄、传输，一步到位。
智能锁：智能锁的开门方式一直是在追随生物识别技术的发展而更新的，按压式指纹识别技术就是通过手机上指纹识别模块的快速发展而搭上顺风车的。在AIoT的赋能下，智能锁通过人脸识别、远程可视、智能门锁的联动防御，可做到人脸识别的一体化，精准、快速、高效的进行人脸识别，真正的做到无感知通行。而智能锁连接的多功能报警器则可以连接社区物业平台与公安系统，全方位为用户提供一个安全、舒适的家庭环境。
不过，目前人脸识别智能锁面临两大挑战。一个是成本问题，人脸识别模组比指纹识别模组的成本高出太多，产品是否能被大众接受推向市场还值得考虑。另一个则是电池使用时间，作为人脸识别行业一直以来未解决的难题，智能锁目前也没有很好的解决办法。
门禁系统：在智慧社区的大体系下，智能门禁已经成为社区标配。人工智能+视频监控能实现人脸识别、车辆分析、视频结构化算法提取视频内容，检测运动目标，分类为人员属性、车辆属性、人体属性等多种目标信息，结合公安系统，分析犯罪嫌疑人线索。同时人工智能处理安防领域的海量视频和监控还会促进人工智能算法性能的提高，并成熟应用于其它行业。在智慧社区里，包含智能门禁、车辆道闸、车位锁等功能的智慧管理系统，能够实现以下场景：手机实名、身份证、门禁卡的绑定，能够精准的进行人员甄别，有效帮助物业管理。
AI识别安防系统已经在我国的珠三角地区获得了应用。深圳市各个有关部门携手，推出了“雪亮”视频工程，即在居民楼下安装治安监控及智能门禁读卡器。目前，深圳、广州、中山、东莞、珠海、佛山，以及杭州、厦门等地也在启动“雪亮”工程。
AI视觉技术广泛赋能智能家居单品
如今，家庭里的智能机器人可以通过图像识别技术对物体进行识别，并且实现对人的跟随。搭配上人工智能系统，它能分辨出你是它的哪个主人，并且能你进行一些简单的互动。比如检测到是家里的老人，它可能会为你测一测血压；如果是小孩子，它可能给你讲个故事。
除此之外，计算机视觉、手势识别等交互方式成为语音交互的辅助，许多厂家都已推出带屏音箱，而智能电视除语音交互之外，通过计算机视觉分析视频内容，并对内容相关的资料进行下一步操作，包括短视频剪辑、边看边买等，比如Yi+搭载在天猫魔盒中的“瞄一下”功能。再比如在智能冰箱中，通过计算机视觉实现对冰箱内食品的分析，以及衍生出的用户健康管理和线上购物等功能，多种交互方式将统一在家居生活场景中，从而提供更为自然的交互体验。
对于女性而言，人脸识别分析功能更加接地气。在浴室中的魔镜具备了智能试妆、面部健康分析等功能，还能实时记录用户在使用过程中产生的用户习惯，收集用户偏好，结合电商大平台，只要消费者对试妆的效果满意，还可以一键加入购物车购买，心仪的化妆品很快就会“飞”到消费者的手中。智能魔镜还可以通过中控平台，云平台与智能家居系统相对接，可实现可视对讲功能，并控制灯光、音响、窗帘、空调的开关。可以说，魔镜是视觉交互性最强的智能家居之一。
浅谈AI视觉技术的发展与创新
目前，AI领域的许多研究集中于从视觉系统中分析图像的能力。其中，人工神经网络成为了最热门的研究领域。神经元之间连接的拓扑结构、所使用的聚合函数、阈值函数和反向传播方法等数学模型都是人工智能领域的一部分，被我们称为“深度学习”，并被分成两部分——训练和推理。如果训练正确执行，神经网络将提供非常类似于训练数据集的输入值的输出响应。推理机是一种软件算法，对应于演绎推理的仿真。该软件通常嵌入在智能家居设备当中。
在过去几年中，深度学习在智能家居领域非常成功。基于图像的技术包括面部识别、虹膜和手势监控、对象和自由空间检测，以及最近的行为识别。据预测，到2025，AI市场将以50%的年复合增长率（CAGR）增长，收入主要集中在使用智能视觉技术上。
人工智能的发展也离不开专门的硬件的开发。值得注意的是，视觉处理器的设计者和建造者，还通过嵌入式操作系统和/或SDK（软件开发工具包）提供软件层。这样就能很容易地实施软件解决方案，并允许硬件最大限度地发挥功能，同时还要求特定平台开发技能，需要使用如Arm的embedOS、NVIDIA的Jetson、Xilinx的XSDK以及CEVA公司的CDNN等工具。
为嵌入式系统开发AI的公司，在开发其解决方案并设计与众不同类型的硬件兼容时，必须考虑这个强加的软件层。