基于智能视觉物联网的老年人行为监测系统及关键技术研究
基于智能视觉物联网的老年人行为监测系统及关键技术研究[20191213092628]
摘 要
据联合国预测，1990-2020年世界老龄人口正以每年2.5%的速度增长着，同期我国老龄人口的递增速度为3.3%，1995年到2020年全世界老年人人口占总人口的比重由约6%上升至约9%，而在我国这一比重将由约6%上升至约11%，我国的老龄化增长速度、增长比重远远超过了世界的老龄化速度和比重。目前我国已进入了老年型社会，老龄化己成为21世纪不可逆转的世界性趋势。但是，大多数儿女都已不愿和老年父母居住在一起，独居老人的比例已越来越高，独居老人的健康是儿女们最为关心的，对独居老人的监护和陪伴已经成为一个重要的社会问题，各国把对独居老人的行为检测的开发作为应对这一问题的主要对策之一。目前，对于老年人行为检测的研究还处于发展中阶段，老年人行为的多样性以及房内环境的复杂性，对于本项研究来说具有相当的挑战性。就目就前其他应对行为检测的研究而言，仅仅依靠其自身的计算能力和有限感知，难以正确识别老年人日常生活行为这一复杂任务，必须借助其他手段。为此，本文提出了基于视觉物联网的老年人行为检测技术，对独居老人的日常生活行为进行了正确的理解和识别，有效的保障了独居老人日常生活的安全。
本文对老年人行为识别技术中所包含的三个主要方面进行了研究与讨论：老年人行为目标的检测、目标的跟踪以及目标行为的识别。首先，研究了以家庭环境中独居老人行为的识别为背景的目标检测，实现了家庭环境中对老年人的准确检测，此为目标动作识别中特征提取的前提；然后，采取八连通区域标记跟踪算法对老年人目标进行实时的跟踪；最后，在正确检测出老年人目标并对目标进行实时跟踪的基础上，基于RBF神经网络，对老年人常见日常动作的识别进行了研究，对于异常动作，如摔倒做出及时的报警处理，以便争取最快的医疗时间。
查看完整论文请+Q: 351916072
关键字:老年人行为检测；目标识别；目标跟踪；RBF神经网络；行为识别ABSTRACT
目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 课题的研究背景 1
1.2 课题研究的目的和意义 1
1.3 国内外研究现状 2
1.3.1国外研究现状 2
1.3.2国内研究现状 2
1.4 老年人行为检测研究综述 3
1.5 论文的主要研究内容 3
第二章 基于智能视觉物联网的老年人行为监测系统整体设计 4
2.1 系统总体架构 4
2.2 算法软件设计方案 4
2.3基于智能视觉物联网的老年人行为监测系统设计 5
2.3.1物联网 5
2.3.2智能视觉物联网 6
2.3.3构建老年人行为识别系统 7
2.3.4基于智能视觉物联网的老年人行为检测系统架构 9
2.3.5核心算法的Matlab仿真 10
2.4 系统总体架构 11
第三章 老年人行为目标检测与跟踪 13
3.1引言 13
3.2老年人行为目标检测 13
3.2.1背景减除法目标提取 13
3.2.2阈值的选取 14
3.2.3形态学滤波 15
3.2.4目标检测的实现 16
3.2.5实验结果及结论 17
3.3背景模型的建立与更新 18
3.3.1背景提取与更新算法 18
3.3.2 Surendra背景更新算法 19
3.3.3实验结果及结论 20
3.4 老年人行为目标跟踪 20
3.4.1传统Mean Shift跟踪算法 20
3.4.2八连通区域标记跟踪 21
3.4.3目标跟踪的实现 22
3.4.4实验结果及结论 23
3.5 本章小结 23
第四章 老年人日常行为的识别 25
4.1 引言 25
4.2 侧影轮廓提取 25
4.2.1基于背景减除法分割出的姿态轮廓序列提取 25
4.2.2实验结果及结论 26
4.3 傅里叶描述子特征提取 26
4.3.1 傅里叶描述子 27
4.3.2 特征变换矩阵 27
4.3.3 二维动作的分离提取 27
4.4行为动作识别 27
4.4.1 基于RBF神经网络的行为识别 27
4.4.2 实验结果及结论 29
4.5 本章小结 30
第五章 结论与展望 31
5.1 课题总结 31
5.2 前景展望 31
参考文献 32
致 谢 34
附录1 程序代码 35
附录2 文献 44
第一章 绪论
1.1 课题的研究背景
2000年11月底第五次人口普查，65岁以上老年人口已达8811万人，占总人口6.96%，60岁以上人口达1.3亿人，占总人口10.2%，以上比例按国际标准衡量，均已进入了老年型社会，老龄化己成为21世纪不可逆转的世界性趋势，按照国际标准我国已进入老龄化社会[19]。然而，子女在社会竞争的压力下将没有时间顾及老年人的日常生活，不能够对老年人保证持续、有效地进行精神慰藉和生活照顾；此外，小型化、核心化的家庭结构，让家庭的重心逐渐下移，老人们子女的第一要务是对下一代的抚育，对老年人的陪伴和照顾在无形中逐渐减少了。随着独居老人的比例逐步的提高，独居老人的健康问题是儿女们最为关心的，因此，对空巢高龄老人的行为检测已成为突出的家庭和社会问题。
1.2 课题研究的目的和意义
为解决上述问题，采用基于视觉物联网的思想，将各种传感器、执行器等器件分布安装于老人活动的物理空间中，通过中间件技术将各种数据采集、处理和分析软件结合为一个有机的整体，并结合各种知识库和数据库信息实现对空间内事件的实时感知，并根据感知结果提供相应的服务。利用上述思想构建的系统能从很大程度上解决独居高龄老人的监护和陪伴问题。
对老年人的行为识别和理解的研究具有重要的意义，这为实现对独居老人的监护提供了一种模式，能够正确的识别和理解老年人当前的行为，对老年人的异常行为做出提示，为解决独居高龄老人的监护和陪伴问题提供了可能，分担了儿女们的担忧和负担，对老年人的健康生活起到了积极的作用。
1.3 国内外研究现状
1.3.1 国外研究概况
目前国外对行为识别的研究已经从人机交互扩展到与物理空间(过程)的交互，并且空间与空间之间的互联、若干单个智能空间联合构成一个大的空间将是智能空间行为识别的一个重要的研究方向。如ADAC实验室和Hashimoto实验室合作完成了洲际智能空间(iSpace inter-continental project)，传感器和执行设备在日本，而计算处理及控制设备在美国，通过Internet两个实验室合作构建了智能空间。最终智能空间将构成一系列智能社区(smart commurdty)。近年来，国内对智能空间行为识别的研究主要集中在人机交互意义下的智能空间以及智能空间系统相关领域的研究。例如智能空间意义下的信息获取技术、物理空间到网络信息空间的映射、机器人导航避障研究、智能空间意义下的网络化控制系统、多智能体系统的控制[7]。
1.3.2 国内研究概况
现有的行为识别和理解技术按照行为特征采集方式的不同可分为基于非视觉的方法和基于视觉的方法两类。目前国内对于行为识别的研究一般包含底层的动作识别和高层的行为认知和意图识别，底层的动作识别主要涉及动作特征的提取和表示，而高层的行为认知和意图识别主要涉及行为含义的表示和推理[7]。
研究方法主要分为目标的提取（光流法、帧差法和背景减除法等）、目标的跟踪（meanshift等算法）以为最终的行为识别（侧影轮廓法、侧影法、RBF神经网络分类等）。
老年人的行为识别和理解目前尚处于研究的初期阶段，老年人日常动作的识别只是限于固定视角的日常标准动作的识别，老年人行为的认知和意图的识别方面只能识别人的简单行为。和场景信息、人行为的上下文信息相结合来进行老年人行为认知和推理是一个重要的研究方向。
1.4 老年人行为检测研究综述
目前我国已进入了老年型社会，老龄化己成为21世纪不可逆转的世界性趋势，对独居老人的监护和陪伴已经成为一个重要的社会问题，各国把对独居老人的行为检测的开发作为应对这一问题的主要对策之一。目前，对于老年人行为检测的研究还处于发展中阶段，老年人行为的多样性以及房内环境的复杂性，对于本项研究来说具有相当的挑战性。基于视觉物联网的老年人行为检测技术，对独居老人的日常生活行为进行了正确的理解和识别，有效的保障了独居老人日常生活的安全。
1.5 论文的主要研究内容
本课题主要针对独居老人的行为识别和理解展开研究。基于视觉的基础上，实现了对老年人的日常行为动作进行正确的分类，并对摔倒等异常动作做出及时的提醒。
首先对基于智能视觉物联网的老年人行为监测系统进行了整体设计，这样可充分利用所获得的有效信息通过计算机处理实现行为的识别和理解，并根据理解结果给人提供相应的服务。
其次，研究了老年人日常生活时目标的提取。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，制定出目标提取的算法，实现了对目标的准确检测提取。
然后，在老年人日常生活时目标准确提取的基础上，研究了目标的跟踪。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，对已提取的目标制定相应的算法，采取八连通区域标记跟踪算法实现了对目标的准确以及实时的跟踪。
最后，在老年人日常生活时目标准确提取和实时跟踪的基础上，研究了老年人日常行为动作的识别和理解，实现了对家庭环境中独居老人正常行为和反常行为的认知和识别。在此基础上，根据识别的结果直接或者间接给人提供相应的服务。
第二章 基于智能视觉物联网的老年人行为监测系统整体设计
2.1 系统总体架构
基于智能视觉物联网的老年人行为监测系统进行，可充分利用所获得的有效信息通过计算机处理实现行为的识别和理解，并根据理解结果给人提供相应的服务。对于此系统需要以家庭环境为背景，通过摄像头获取家庭背景环境的信息以及老年人日常生活的信息，其次需要从家庭背景环境中正确的分离提取的老年人的行为信息，并且对其进行有效实时的跟踪，最后对老年人的日常动作行为进行正确的识别和分类。
2.2 算法软件设计总体方案
第一，研究了老年人日常生活时目标的提取。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，使用背景减除法以及背景模型的更新、形态学处理，实现对目标的准确检测提取。
然后，在老年人日常生活时目标准确提取的基础上，研究了目标的跟踪。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，采取八连通区域标记跟踪算法，实现了对目标的准确、实时的跟踪。
最后，在老年人日常生活时目标准确提取和实时跟踪的基础上，研究了老年人日常行为动作的识别和理解，运用侧影轮廓法，将行为轮廓序列通过二维动作序列的分离提取化为特征矩阵，再用RBF神经网络进行分类，实现了对家庭环境中独居老人正常行为和反常行为的认知和识别。在此基础上，根据识别的结果直接或者间接给人提供相应的服务。2.3 基于智能视觉物联网的老年人行为监测系统设计
2.3.1 物联网
新一代信息技术重要的组成部分之一就是物联网。它英文的名称是“The Internet of things”。由上，顾名思义，物联网实际上是物品与物品之间相连接的互联网。这里有两层意思：其一，物联网其基础与核心依然是互联网，是在互联网基础上的扩展与延伸的网络；其二，其用户端扩展与延伸到了任何物品与物品之间，进行信息通信与交换。物联网就是“物品与物品之间相连的互联网”。物联网通过智能感知、识别技术与普适计算、泛在网络的融合应用，被称为继互联网和计算机之后世界信息产业发展的又一次浪潮。物联网其实就是互联网应用的拓展，与其说物联网是网络，不如说物联网是应用和业务。因此，物联网发展的核心是应用创新，物联网发展的灵魂是以用户体验为核心的创新。
和传统的互联网相比，物联网有其鲜明的特征。
（1）它广泛应用了各种感知技术。物联网上部署了大量的多种类型的传感器，每个传感器都是一个信息源，各种类别的传感器所获取的信息格式与信息内容不同。传感器获得的信息数据具有实时性的特点，按照一定的频率周期性来获取环境信息，并且持续的更新数据。
（2）它是一种建立在互联网上的泛在网络。物联网技术的重要核心与基础仍然是互联网，通过各种无线和有线网络与互联网相融合，把物体的信息准确实时地传输出去。在物联网上的传感器定时获取的信息需要通过网络来进行传输，因为其数量极其庞大，形成了海量信息，在传输的过程中，为了保证数据的及时性与正确性，必须适应不同的异构网络与协议。
（3）物联网不仅仅提供了各种传感器的连接，它本身也具备智能分析的能力，能够对物体进行智能控制。物联网将各种传感器和智能分析相结合，利用云计算、模式识别等不同智能技术，扩充其应用领域。从传感器获得的海量信息中分析、加工和处理出具有实际意义的数据，以适应不同客户的各种需求，发现新的应用模式与应用领域。
（4）物联网的精神实质是提供不依赖于任何时间、任何场合的应用场景与用户的自由互动，它依托云服务平台和互通互联的嵌入式处理软件，弱化技术色彩，强化与用户之间的良性互动，更佳的用户体验，更及时的数据采集和分析建议，更自如的工作和生活，是通往智能生活的物理支撑。
2.3.2智能视觉物联网
智能视觉物联网(Intelligent Visual Internet of Things)。 物联网提供各种感知技术广泛应用平台，包括传感、连接、以及智能信息处理三个基本部分，有如下特点：
摘 要
据联合国预测，1990-2020年世界老龄人口正以每年2.5%的速度增长着，同期我国老龄人口的递增速度为3.3%，1995年到2020年全世界老年人人口占总人口的比重由约6%上升至约9%，而在我国这一比重将由约6%上升至约11%，我国的老龄化增长速度、增长比重远远超过了世界的老龄化速度和比重。目前我国已进入了老年型社会，老龄化己成为21世纪不可逆转的世界性趋势。但是，大多数儿女都已不愿和老年父母居住在一起，独居老人的比例已越来越高，独居老人的健康是儿女们最为关心的，对独居老人的监护和陪伴已经成为一个重要的社会问题，各国把对独居老人的行为检测的开发作为应对这一问题的主要对策之一。目前，对于老年人行为检测的研究还处于发展中阶段，老年人行为的多样性以及房内环境的复杂性，对于本项研究来说具有相当的挑战性。就目就前其他应对行为检测的研究而言，仅仅依靠其自身的计算能力和有限感知，难以正确识别老年人日常生活行为这一复杂任务，必须借助其他手段。为此，本文提出了基于视觉物联网的老年人行为检测技术，对独居老人的日常生活行为进行了正确的理解和识别，有效的保障了独居老人日常生活的安全。
本文对老年人行为识别技术中所包含的三个主要方面进行了研究与讨论：老年人行为目标的检测、目标的跟踪以及目标行为的识别。首先，研究了以家庭环境中独居老人行为的识别为背景的目标检测，实现了家庭环境中对老年人的准确检测，此为目标动作识别中特征提取的前提；然后，采取八连通区域标记跟踪算法对老年人目标进行实时的跟踪；最后，在正确检测出老年人目标并对目标进行实时跟踪的基础上，基于RBF神经网络，对老年人常见日常动作的识别进行了研究，对于异常动作，如摔倒做出及时的报警处理，以便争取最快的医疗时间。
查看完整论文请+Q: 351916072
关键字:老年人行为检测；目标识别；目标跟踪；RBF神经网络；行为识别ABSTRACT
目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 课题的研究背景 1
1.2 课题研究的目的和意义 1
1.3 国内外研究现状 2
1.3.1国外研究现状 2
1.3.2国内研究现状 2
1.4 老年人行为检测研究综述 3
1.5 论文的主要研究内容 3
第二章 基于智能视觉物联网的老年人行为监测系统整体设计 4
2.1 系统总体架构 4
2.2 算法软件设计方案 4
2.3基于智能视觉物联网的老年人行为监测系统设计 5
2.3.1物联网 5
2.3.2智能视觉物联网 6
2.3.3构建老年人行为识别系统 7
2.3.4基于智能视觉物联网的老年人行为检测系统架构 9
2.3.5核心算法的Matlab仿真 10
2.4 系统总体架构 11
第三章 老年人行为目标检测与跟踪 13
3.1引言 13
3.2老年人行为目标检测 13
3.2.1背景减除法目标提取 13
3.2.2阈值的选取 14
3.2.3形态学滤波 15
3.2.4目标检测的实现 16
3.2.5实验结果及结论 17
3.3背景模型的建立与更新 18
3.3.1背景提取与更新算法 18
3.3.2 Surendra背景更新算法 19
3.3.3实验结果及结论 20
3.4 老年人行为目标跟踪 20
3.4.1传统Mean Shift跟踪算法 20
3.4.2八连通区域标记跟踪 21
3.4.3目标跟踪的实现 22
3.4.4实验结果及结论 23
3.5 本章小结 23
第四章 老年人日常行为的识别 25
4.1 引言 25
4.2 侧影轮廓提取 25
4.2.1基于背景减除法分割出的姿态轮廓序列提取 25
4.2.2实验结果及结论 26
4.3 傅里叶描述子特征提取 26
4.3.1 傅里叶描述子 27
4.3.2 特征变换矩阵 27
4.3.3 二维动作的分离提取 27
4.4行为动作识别 27
4.4.1 基于RBF神经网络的行为识别 27
4.4.2 实验结果及结论 29
4.5 本章小结 30
第五章 结论与展望 31
5.1 课题总结 31
5.2 前景展望 31
参考文献 32
致 谢 34
附录1 程序代码 35
附录2 文献 44
第一章 绪论
1.1 课题的研究背景
2000年11月底第五次人口普查，65岁以上老年人口已达8811万人，占总人口6.96%，60岁以上人口达1.3亿人，占总人口10.2%，以上比例按国际标准衡量，均已进入了老年型社会，老龄化己成为21世纪不可逆转的世界性趋势，按照国际标准我国已进入老龄化社会[19]。然而，子女在社会竞争的压力下将没有时间顾及老年人的日常生活，不能够对老年人保证持续、有效地进行精神慰藉和生活照顾；此外，小型化、核心化的家庭结构，让家庭的重心逐渐下移，老人们子女的第一要务是对下一代的抚育，对老年人的陪伴和照顾在无形中逐渐减少了。随着独居老人的比例逐步的提高，独居老人的健康问题是儿女们最为关心的，因此，对空巢高龄老人的行为检测已成为突出的家庭和社会问题。
1.2 课题研究的目的和意义
为解决上述问题，采用基于视觉物联网的思想，将各种传感器、执行器等器件分布安装于老人活动的物理空间中，通过中间件技术将各种数据采集、处理和分析软件结合为一个有机的整体，并结合各种知识库和数据库信息实现对空间内事件的实时感知，并根据感知结果提供相应的服务。利用上述思想构建的系统能从很大程度上解决独居高龄老人的监护和陪伴问题。
对老年人的行为识别和理解的研究具有重要的意义，这为实现对独居老人的监护提供了一种模式，能够正确的识别和理解老年人当前的行为，对老年人的异常行为做出提示，为解决独居高龄老人的监护和陪伴问题提供了可能，分担了儿女们的担忧和负担，对老年人的健康生活起到了积极的作用。
1.3 国内外研究现状
1.3.1 国外研究概况
目前国外对行为识别的研究已经从人机交互扩展到与物理空间(过程)的交互，并且空间与空间之间的互联、若干单个智能空间联合构成一个大的空间将是智能空间行为识别的一个重要的研究方向。如ADAC实验室和Hashimoto实验室合作完成了洲际智能空间(iSpace inter-continental project)，传感器和执行设备在日本，而计算处理及控制设备在美国，通过Internet两个实验室合作构建了智能空间。最终智能空间将构成一系列智能社区(smart commurdty)。近年来，国内对智能空间行为识别的研究主要集中在人机交互意义下的智能空间以及智能空间系统相关领域的研究。例如智能空间意义下的信息获取技术、物理空间到网络信息空间的映射、机器人导航避障研究、智能空间意义下的网络化控制系统、多智能体系统的控制[7]。
1.3.2 国内研究概况
现有的行为识别和理解技术按照行为特征采集方式的不同可分为基于非视觉的方法和基于视觉的方法两类。目前国内对于行为识别的研究一般包含底层的动作识别和高层的行为认知和意图识别，底层的动作识别主要涉及动作特征的提取和表示，而高层的行为认知和意图识别主要涉及行为含义的表示和推理[7]。
研究方法主要分为目标的提取（光流法、帧差法和背景减除法等）、目标的跟踪（meanshift等算法）以为最终的行为识别（侧影轮廓法、侧影法、RBF神经网络分类等）。
老年人的行为识别和理解目前尚处于研究的初期阶段，老年人日常动作的识别只是限于固定视角的日常标准动作的识别，老年人行为的认知和意图的识别方面只能识别人的简单行为。和场景信息、人行为的上下文信息相结合来进行老年人行为认知和推理是一个重要的研究方向。
1.4 老年人行为检测研究综述
目前我国已进入了老年型社会，老龄化己成为21世纪不可逆转的世界性趋势，对独居老人的监护和陪伴已经成为一个重要的社会问题，各国把对独居老人的行为检测的开发作为应对这一问题的主要对策之一。目前，对于老年人行为检测的研究还处于发展中阶段，老年人行为的多样性以及房内环境的复杂性，对于本项研究来说具有相当的挑战性。基于视觉物联网的老年人行为检测技术，对独居老人的日常生活行为进行了正确的理解和识别，有效的保障了独居老人日常生活的安全。
1.5 论文的主要研究内容
本课题主要针对独居老人的行为识别和理解展开研究。基于视觉的基础上，实现了对老年人的日常行为动作进行正确的分类，并对摔倒等异常动作做出及时的提醒。
首先对基于智能视觉物联网的老年人行为监测系统进行了整体设计，这样可充分利用所获得的有效信息通过计算机处理实现行为的识别和理解，并根据理解结果给人提供相应的服务。
其次，研究了老年人日常生活时目标的提取。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，制定出目标提取的算法，实现了对目标的准确检测提取。
然后，在老年人日常生活时目标准确提取的基础上，研究了目标的跟踪。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，对已提取的目标制定相应的算法，采取八连通区域标记跟踪算法实现了对目标的准确以及实时的跟踪。
最后，在老年人日常生活时目标准确提取和实时跟踪的基础上，研究了老年人日常行为动作的识别和理解，实现了对家庭环境中独居老人正常行为和反常行为的认知和识别。在此基础上，根据识别的结果直接或者间接给人提供相应的服务。
第二章 基于智能视觉物联网的老年人行为监测系统整体设计
2.1 系统总体架构
基于智能视觉物联网的老年人行为监测系统进行，可充分利用所获得的有效信息通过计算机处理实现行为的识别和理解，并根据理解结果给人提供相应的服务。对于此系统需要以家庭环境为背景，通过摄像头获取家庭背景环境的信息以及老年人日常生活的信息，其次需要从家庭背景环境中正确的分离提取的老年人的行为信息，并且对其进行有效实时的跟踪，最后对老年人的日常动作行为进行正确的识别和分类。
2.2 算法软件设计总体方案
第一，研究了老年人日常生活时目标的提取。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，使用背景减除法以及背景模型的更新、形态学处理，实现对目标的准确检测提取。
然后，在老年人日常生活时目标准确提取的基础上，研究了目标的跟踪。以家庭环境中独居老人的监护为背景，根据家庭环境的特点，采取八连通区域标记跟踪算法，实现了对目标的准确、实时的跟踪。
最后，在老年人日常生活时目标准确提取和实时跟踪的基础上，研究了老年人日常行为动作的识别和理解，运用侧影轮廓法，将行为轮廓序列通过二维动作序列的分离提取化为特征矩阵，再用RBF神经网络进行分类，实现了对家庭环境中独居老人正常行为和反常行为的认知和识别。在此基础上，根据识别的结果直接或者间接给人提供相应的服务。2.3 基于智能视觉物联网的老年人行为监测系统设计
2.3.1 物联网
新一代信息技术重要的组成部分之一就是物联网。它英文的名称是“The Internet of things”。由上，顾名思义，物联网实际上是物品与物品之间相连接的互联网。这里有两层意思：其一，物联网其基础与核心依然是互联网，是在互联网基础上的扩展与延伸的网络；其二，其用户端扩展与延伸到了任何物品与物品之间，进行信息通信与交换。物联网就是“物品与物品之间相连的互联网”。物联网通过智能感知、识别技术与普适计算、泛在网络的融合应用，被称为继互联网和计算机之后世界信息产业发展的又一次浪潮。物联网其实就是互联网应用的拓展，与其说物联网是网络，不如说物联网是应用和业务。因此，物联网发展的核心是应用创新，物联网发展的灵魂是以用户体验为核心的创新。
和传统的互联网相比，物联网有其鲜明的特征。
（1）它广泛应用了各种感知技术。物联网上部署了大量的多种类型的传感器，每个传感器都是一个信息源，各种类别的传感器所获取的信息格式与信息内容不同。传感器获得的信息数据具有实时性的特点，按照一定的频率周期性来获取环境信息，并且持续的更新数据。
（2）它是一种建立在互联网上的泛在网络。物联网技术的重要核心与基础仍然是互联网，通过各种无线和有线网络与互联网相融合，把物体的信息准确实时地传输出去。在物联网上的传感器定时获取的信息需要通过网络来进行传输，因为其数量极其庞大，形成了海量信息，在传输的过程中，为了保证数据的及时性与正确性，必须适应不同的异构网络与协议。
（3）物联网不仅仅提供了各种传感器的连接，它本身也具备智能分析的能力，能够对物体进行智能控制。物联网将各种传感器和智能分析相结合，利用云计算、模式识别等不同智能技术，扩充其应用领域。从传感器获得的海量信息中分析、加工和处理出具有实际意义的数据，以适应不同客户的各种需求，发现新的应用模式与应用领域。
（4）物联网的精神实质是提供不依赖于任何时间、任何场合的应用场景与用户的自由互动，它依托云服务平台和互通互联的嵌入式处理软件，弱化技术色彩，强化与用户之间的良性互动，更佳的用户体验，更及时的数据采集和分析建议，更自如的工作和生活，是通往智能生活的物理支撑。
2.3.2智能视觉物联网
智能视觉物联网(Intelligent Visual Internet of Things)。 物联网提供各种感知技术广泛应用平台，包括传感、连接、以及智能信息处理三个基本部分，有如下特点：
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2243.html
