495期行健讲坛：基于人体活动识别激光雷达和CSI-WI-FI技术多模态深度融合学习的医疗和养老环境中的事故检测和预防
2024.10.23
投稿：彭蕾部门：通信与信息工程学院浏览次数：
活动信息
时间：2024年10月12日（周六）上午10:00
地点：校本部东区翔英楼T516会议室
讲座：基于人体活动识别激光雷达和CSI-WI-FI技术多模态深度融合学习的医疗和养老环境中的事故检测和预防
演讲者：方正天(Simon James Fong)博士
演讲者简介：
方正天博士现任澳门大学科技学院计算机与信息科学系副教授，拥有澳大利亚拉筹伯大学计算机科学博士学位。深耕机器学习领域二十余年，方博士是国际知名的人工智能专家，国家中组部千人计划专家，并担任ACM会员、IEEE ComSoc e-Health SIG主席及纽约研究院院士。自2020年起，方博士还担任清华大学高级访问教授。其领导的实验室长期从事基于深度学习的智能肿瘤分析，专注于癌症定量分级与转移分析。方博士主持并承担了多个国家级及省市级重大课题项目，累计获得资助超过两千万元。迄今为止，他在SCI期刊和国际会议上发表学术论文500余篇，论文被引用超过13936次，i10-index超过251分。
讲座摘要：
随着激光雷达（LiDAR）和CSI（通道状态信息）Wi-Fi等传感器技术的快速发展，医疗和养老环境中的事故检测和预防变得愈加重要。本文提出了一种基于人体活动识别的激光雷达和CSI-Wi-Fi技术的多模态深度融合学习方法，以提高实时监测的精度和可靠性，特别是在老年人和病患等易受伤害人群的环境中。激光雷达能够提供详细的三维空间信息，准确检测异常运动和跌倒等行为，而CSI-Wi-Fi则通过信号强度和相位变化捕捉人体运动，甚至可以穿透墙壁监测人的位置和动作。通过结合这两种传感技术，本文方法充分利用了两者的优势，提高了事故检测的准确性，并减少了误报率。系统的核心是一个深度学习架构，结合卷积神经网络（CNN）处理激光雷达数据的空间特征，和递归神经网络（RNN）分析Wi-Fi信号的时间特征。通过多模态数据融合，该模型能够准确检测跌倒、碰撞等事故，并具备实时响应能力。实验结果表明，所提出的多模态融合系统在检测准确率和实时性上显著优于单一模态方法，适用于医疗和养老环境中的事故检测。该研究为智能监控系统的发展做出了重要贡献，具有广泛的应用前景，尤其是在智能家居和助老环境中，有助于提高老年人和病患的安全性和生活质量。
邀请人：通信与信息工程学院 王瑞教授
欢迎广大教师和学生参加！
