使用计算机视觉方法以及长距离摄像机和无人机等多元化设备，采集和整理人脸识别等生物特征的数据集，旨在提高人脸识别技术的效率和精准度，并扩展人体识别的方法和应用领域。

Nov, 2022

我们提出了一个端到端系统，用于在长达500米和大于50度的高角度的情况下进行全身生物识别的检测、识别和辨认。我们的方法在各种室内、室外和航空场景下进行了全面的评估，表现出强大的识别准确性和低虚假接受率。

Nov, 2023

本研究介绍了从家庭睡眠呼吸暂停监测中获得的富有价值的数据集，该数据集使用FDA认证的WatchPAT-300设备，收集了7,077名参与者在21,412个夜晚的数据，包括原始的传感器多通道时间序列，注释的睡眠事件以及与睡眠结构、睡眠呼吸暂停和心率变异性相关的447个特征的计算摘要统计信息。我们还介绍了按照年龄和性别分层的AHI、睡眠效率、入睡后唤醒时间以及心率变异性样本熵的参考值。此外，我们还证明了该数据集在包括身体成分、骨密度、血糖水平和心血管健康等各种与健康相关的特征的预测能力方面的改进。这些结果展示了该数据集在推动睡眠研究、个性化医疗以及生物医学中的机器学习应用方面的潜力。

Nov, 2023

本研究通过使用可穿戴设备的传感器数据来计算人类感兴趣的动作的数量，提出了一种新颖的基于样例的框架，允许用户通过发出预定义声音''one''、''two''和''three''来提供所需计数的样例。我们的方法首先从音频序列中定位这些话语的时间位置。这些位置用于识别代表感兴趣的动作类别的样例。然后，在样例和整个传感器数据序列之间计算相似度映射，然后将其输入到密度估计模块中生成一系列估计的密度值。将这些密度值相加即可得到最终的计数。我们引入了一个包含来自37个被试者和50个动作类别的真实数据的多样化和真实性的数据集来开发和评估我们的方法，其中包括传感器和音频数据。在该数据集上的实验证明了该方法在计算新类和训练数据中不包含的受试者的动作实例时的可行性。平均而言，预测计数与实际值之间的差异为7.47，显著低于基于频率和基于转换器的方法的误差。本研究的项目、代码和数据集可以在此 https URL 找到。

Dec, 2023

该研究通过建立一个基于呼气空气流体力学的生物特征识别系统来验证关于呼气气流结构可以用于建立生物特征算法的假设，并应用多维假设检验和机器学习模型的方法来构建用户验证和用户识别算法，并对94名人体样本的呼气时间序列样本数据集进行实验和评估，结果表明该算法具有较高的真实确认率，并揭示了未曾发现的独特呼气气流湍流特征，此外还探讨了该生物特征系统作为一种获得个体之间胸外空气道形态变异见解的工具的潜在用途。

Jan, 2024

使用多目标优化方法选择具有区分性的特征来提高呼吸模式识别的准确性，同时限制个体用户识别，验证结果表明呼吸识别和用户识别的准确性存在显著差异。

Jan, 2024

可见光相机能够捕捉到微妙的生理生物标志物，无需与被试物理接触。我们提出了多站点生理监测（MSPM）数据集，这是第一个支持从人体多个位置同时基于相机进行重要生命体征估计的数据集。MSPM允许研究远程光电容抗图，呼吸频率和脉冲传递时间（PTT）；它包含使用接触传感器进行脉搏氧合指数（在多个体部位）和血压的地面真值测量。我们提供了详尽的实验证明MSPM适用于支持rPPG，呼吸频率和PTT的研究。交叉数据集rPPG实验表明MSPM是一个具有挑战性但高质量的数据集，在某些情况下，数据集内部心率平均绝对误差为4次 / 分钟以下，跨数据集心率平均绝对误差为2次 / 分钟以下。呼吸实验通过从胸部提取动作特征找到1.09次 / 分钟的平均绝对误差。 PTT实验发现，在不同体部位的配对中，远程PTT与接触测量的PTT之间存在高相关性，这为未来基于相机的PTT研究提供了可能性。

Feb, 2024

利用商品耳机实时监测呼吸频道和阶段以评估呼吸疗法的遵守情况的潜力。

Apr, 2024

通过多模态对比预训练方法MuJo，利用视频、语言、姿势和IMU传感器数据，改善了不同模态下的人类活动识别性能，在MM-Fit数据集上达到了令人印象深刻的宏平均F1-Score为0.992和0.999的分类效果，同时展示了最高达0.638的泛化性能。

Jun, 2024

本研究解决了心肺疾病早期筛查的不足，提出了一种基于智能手机惯性测量单元（IMU）和深度学习的创新方法。通过收集不同身体区域的呼吸动力学数据，研究显示双向长短期记忆网络（Bi-LSTM）在特征编码方面优于其他模型，平均准确率达80.2%，为在家中使用智能手机进行心肺疾病筛查提供了有力支持。

Aug, 2024