活动行、Bilibili
TARF: Technology-agnostic RF Sensing for Human Activity Recognition
随着智能物联网的迅速发展，人类活动检测（HAR）已成为人机交互（HCI）领域的研究重点。考虑到隐私保护，人们对不使用摄像机的 HAR 技术寄予厚望。各种射频（RF）传感技术，如 WiFi、射频识别（RFID）和调频连续波（FMCW）雷达，已经被用于非侵入性人类活动识别。如何高效利用来自不同射频传感技术的数据来实现更强大的性能是 HAR 值得深入探讨的方向。
本期 IEEE TNSE 杰出讲座系列活动，我们邀请到美国奥本大学毛世文教授分享一种适用于多种射频传感技术的 HAR 模型 TARF，该技术可以有效改善来自不同射频设备的数据的差异，降低成本和广泛部署的难度，同时利用互补的数据，有效提高 HAR 的性能。
免费报名链接：http://hdxu.cn/TyJwJ
IEEE TNSE 杰出讲座系列由 IEEE TNSE 期刊和深圳市人工智能与机器人研究院（AIRS）联合主办，香港中文大学（深圳）、网络通信与经济学实验室（NCEL）、IEEE 联合支持。该系列活动旨在汇聚网络科学与工程领域的国际顶级专家学者分享前沿科技成果。1
-
黄建伟香港中文大学（深圳）校长讲座教授、理工学院副院长、AIRS 副院长兼群体智能中心主任、IEEE TNSE主编、IEEE Fellow、AAIA Fellow执行主席 -
杨旸上海科技大学信息科学与技术学院正教授、科道书院院长、上海雾计算实验室主任、IEEE Fellow、IEEE TNSE“移动网络与网络学习”领域编辑主持人杨旸，博士，IEEE Fellow，现任上海科技大学信息科学与技术学院正教授、科道书院院长，上海雾计算实验室主任, 鹏城实验室兼聘研究员，深圳市智慧城市科技发展集团有限公司高级顾问专家。曾任科技部“第五代移动通信系统（5G）前期研究开发”重大项目总体专家组专家；国家科技重大专项“新一代宽带无线移动通信网”总体组专家；中科院上海微系统与信息技术研究所研究员、福州物联网开放实验室首席技术官、中科院无线传感网与通信重点实验室主任、上海无线通信研究中心主任。在加入上海科技大学之前，杨教授曾在香港中文大学、布鲁内尔大学、伦敦大学学院（UCL）和 CAS-SIMIT 担任教职。杨教授的研究领域包括 5G/6G 移动通信系统、智能物联网、多层次算力网络，开放无线测试验证平台等。已申请了120多项科技发明专利（已授权80多项），发表了300多篇学术论文，出版了六部中英文专著。
-
毛世文美国奥本大学教授、Earle C. Williams 杰出学者、无线工程研究与教育中心主任、IEEE Fellow、IEEE TNSE“计算机网络”领域编辑TARF: Technology-agnostic RF Sensing for Human Activity Recognition毛世文教授于2004年毕业于美国理工大学电子工程专业，获电子工程博士学位。他现任美国奥本大学教授、Earle C. Williams 杰出学者和无线工程研究与教育中心主任，IEEE Fellow。毛教授的主要研究方向为无线网络、多媒体通信和智能电网。他是 IEEE 通信学会和 IEEE RFID 理事会的杰出讲师。他曾获得2019年 IEEE ComSoc TC-CSR 杰出技术成就奖，2018年奥本大学创新研究与奖学金奖和2010年美国国家科学基金会职业奖。他也曾获得2021年 IEEE Internet of Things 期刊最佳论文奖，2021年 IEEE 通信学会优秀论文奖，IEEE 车辆技术协会2020年 Jack Neubauer 纪念奖，2004年 IEEE 通信学会通信系统领域 Leonard G. Abraham 奖及多个最佳会议论文奖。
In recent years, 3D human activity recognition (HAR) has become an important topic in human-computer interaction (HCI). To improve the privacy of users, there is considerable interest in techniques without using a video camera. Various radio-frequency (RF) sensing technologies, such as WiFi, Radio-Frequency Identification (RFID), and Frequency-Modulated Continuous Wave (FMCW) radar, have been utilized for non-invasive human activity recognition (HAR). It will be highly desirable to develop a HAR solution that can work with different types of RF technologies, such that the cost and the barrier of wide deployment can both be greatly reduced, and more robust performance can be achieved by utilizing the complementary RF sensory data. In this talk, we present a technology-agnostic approach for RF-based HAR, termed TARF, which works with several different RF sensing technologies. A novel data generalization technique is proposed to mitigate the disparity in measured data from different RF devices. A domain adversarial neural network is proposed to combat the interference from various RF sensing technologies. The performance of the proposed system is evaluated with experiments using four different RF sensing technologies. TARF is shown to outperform the state-of-the-art Convolutional Neural Network (CNN)-based solution with considerable gains.
