新一代信息与通信技术的飞速发展，把智能家居行业推上了发展的快车道。
在5G技术的加持下，智能设备间的连接速度、稳定性和安全性都得到了极大提升，而AI技术则增强了终端设备的学习能力，为用户带来了更好的使用体验。奥维云网监测数据显示，2020年我国智能家居配置率高达84.2%，已经成为了很多消费者的“新宠”。
但以此定义智能家居时代的来临，恐怕还为时尚早。
一个明显的现象是，当前的智能家居系统，大多是由数个单件智能家电组成，在品牌与技术壁垒下，每个厂商都有自己的应用协议，设备像是一座座“孤岛”，没有形成真正的互联互通。很多小家电直接沦为了下游交互设备，成为智能家居体系的“旁观者”。
此外，虽然电视已经能实现智能推荐，但是在网络信息大爆炸、用户时间碎片化的今天，用户的喜好内容瞬息万变，电视的精准推荐精度也需不断再提高，以此匹配用户的需求。
很多厂家都意识到了这些问题，但解决起来却困难重重。
在AI技术的发展历史上，视频识别一直是一个价值极高却又充满挑战的任务。相比图像来说，视频内容和背景更加复杂多变，同时承载了人物、场景、动作、语言等多样化信息，在滤镜或遮挡的影响下不确定性强，情节内容有时又和风格有巨大反差，为视频识别带来了巨大困难。
基于人工特征的视频动作识别是常见的技术之一。在央视大型科技挑战类节目《机智过人》上，知名人工智能企业银河水滴曾展示了一项“步态识别”技术，从10个身高体型相似的志愿者中成功找到了目标人物。相对于传统的指纹识别、人脸识别，其识别角度更大，且无需专门配合，受到了业内高度关注。
不过，极链AI研究院徐宝函教授指出，单一的动作识别存在一定局限性，例如面临大规模数据采集时，缺乏一定的灵活性和可扩展性。他认为，基于双流的神经网络，即同时判断视频中人或物体外表及运动信息，准确率上会有较为明显的提升。
新一代信息与通信技术的飞速发展，把智能家居行业推上了发展的快车道。
在5G技术的加持下，智能设备间的连接速度、稳定性和安全性都得到了极大提升，而AI技术则增强了终端设备的学习能力，为用户带来了更好的使用体验。奥维云网监测数据显示，2020年我国智能家居配置率高达84.2%，已经成为了很多消费者的“新宠”。
但以此定义智能家居时代的来临，恐怕还为时尚早。一个明显的现象是，当前的智能家居系统，大多是由数个单件智能家电组成，在品牌与技术壁垒下，每个厂商都有自己的应用协议，设备像是一座座“孤岛”，没有形成真正的互联互通。很多小家电直接沦为了下游交互设备，成为智能家居体系的“旁观者”。
此外，虽然电视已经能实现智能推荐，但是在网络信息大爆炸、用户时间碎片化的今天，用户的喜好内容瞬息万变，电视的精准推荐精度也需不断再提高，以此匹配用户的需求。
很多厂家都意识到了这些问题，但解决起来却困难重重。
在AI技术的发展历史上，视频识别一直是一个价值极高却又充满挑战的任务。相比图像来说，视频内容和背景更加复杂多变，同时承载了人物、场景、动作、语言等多样化信息，在滤镜或遮挡的影响下不确定性强，情节内容有时又和风格有巨大反差，为视频识别带来了巨大困难。
基于人工特征的视频动作识别是常见的技术之一。在央视大型科技挑战类节目《机智过人》上，知名人工智能企业银河水滴曾展示了一项“步态识别”技术，从10个身高体型相似的志愿者中成功找到了目标人物。相对于传统的指纹识别、人脸识别，其识别角度更大，且无需专门配合，受到了业内高度关注。
不过，极链AI研究院徐宝函教授指出，单一的动作识别存在一定局限性，例如面临大规模数据采集时，缺乏一定的灵活性和可扩展性。他认为，基于双流的神经网络，即同时判断视频中人或物体外表及运动信息，准确率上会有较为明显的提升。
2013年，深圳一家行业头部企业联合科研高校开展了一项新研究，希望利用人工智能和大数据的技术优势，进一步提升视频识别和个性化推送的准确率。
在该项研究中，视频行为识别技术与视频场景和物体识别技术分别采用了两种不同逻辑。前者主要依靠构建视频表现与运动信息统一的分析模型，并采用多种视频时空域及基于深度学习的行为识别方法；而后者是基于模糊理论的特征编码并结合语义映射。多项技术的叠加下，视频的识别准确率有了显著提升。
但识别出视频内容远远不够，还需要知道推送给哪些人才能更受欢迎。
传统模式下，无非是将内容按标签归类，如搞笑、美食、健身等，然后让用户分门别类去查找，或者采用主动搜索的方式。
但这并不符合当前新消费群体的需求，快节奏的生活和碎片化的时间，用户首因效应(也称“第一眼效应”)十分明显，打开电视就要看到自己感兴趣的内容，才能够产生持续的注意力。而这一目标的实现可谓是“双刃剑”，一旦判断错误就会搞出笑话和乌龙，社交网络上到处都是“为什么给我推荐这个”的吐槽。
该项研究采用的办法是，在内容推送之前，先通过预测模型计算，排序取出前1000万用户作为第一波流量池小规模推送，测试用户在观看视频时的反馈。用户的反馈主要来自于终端的使用行为，如点击播放按钮，视频播放时长等，经过计算，如果反馈正向，则进一步扩展相似人群进行大规模推送，如果反馈负向，则进行推送模型的优化。经验证，该方式的推荐点击率比随即方法提升了106%，消息到达率99.95%。
所以，要想家电真正做到“智能”，并不是一项或者简单几项技术就能解决的，而是要搭建一个完整的智能视频业务处理系统，至少包含数据层、中台层、服务层和终端层四个层面，逐级演算分析才能完成内容归类与精准分发。
为表彰这一突破性成果，今年5月20日举行的广东省科技创新大会上，这个由康佳集团研究院、易平方和深圳大学联合申报的《新一代智能视频业务系统及产业化》项目获得了广东省科技进步奖二等奖。
该项目不但实现了智能视频的个性化推荐及管理，还解决了视频版权保护、多平台兼容等行业棘手问题，是一个跨平台的智能视频业务系统。据了解，该技术已于2017年投入实际应用，并有效带动了智能家电的销量增长，三年时间取得经济效益超80亿。目前，搭载该技术的终端已累计超过7000万台。
这也是产学研一体化深度融合的经典案例。德勤《全球人工智能发展白皮书》显示，作为中国的科技产业重镇，深圳拥有中国20%的AI企业，并吸引了众多来自中山大学、华南理工、深圳大学等华南地区一流大学的人才，高校的智库储备和市场的应用价值为科技创新提供了重要的生存土壤。
在新技术的不断叠加下，智能家居已成为一个相当大的战场，既有向软件扩展的实体企业，也有向硬件延伸的互联网大厂。虽然入口之争仍在围绕电视、音箱、手机持续，但大屏已经占据了相当大的主动权。核心技术的良性竞争，激励着整个行业都在飞速向前发展。
技术很多时候超乎我们的想象，我们要做的就是相信，在不远的未来，我们对智能家居的设想都会照进现实生活。
加载全文
