近日，计算机与人工智能学院移动计算与智能穿戴团队青年教师吴渊博士在物联网与智慧医疗、物联网与人机交互方向取得了重要的研究进展。相关成果分别以“Ubi-Asthma: Towards Ubiquitous Asthma Detection using the Smartwatch”和“DMHC: Device-free multi-modal handwritten character recognition system with acoustic signal”为题发表在计算机领域中科院一区Top期刊《IEEE Internet of Things Journal》（ISSN：2327-4662）和中科院一区Top期刊《Knowledge-Based Systems》（ISSN：0950-7051）上。两篇论文的第一单位为武汉纺织大学，第一作者为吴渊博士。
在Ubi-Asthma: Towards Ubiquitous Asthma Detection using the Smartwatch一文中，吴渊博士提出了一种基于超声波的全场景下的人体呼吸检测方法，并将提取的呼吸信号用于实时检测哮喘病，为智慧医疗的应用提供了理论支撑。
文章链接：https://ieeexplore.ieee.org/abstract/document/10040599。
哮喘是现代社会常见的呼吸系统疾病。然而，人们很少意识到哮喘的症状，因为哮喘的早期阶段与普通感冒相似(例如，喘息、咳嗽、呼吸短促)。为了应对这一挑战，吴渊博士提出了一种基于智能手表的哮喘检测系统Ubi-Asthma。Ubi-Asthma将呼吸信号与喉音(如咳嗽声、清喉声)信号相结合，实现被动、准确的哮喘检测。Ubi-Asthma不仅可以在用户行走的情况下提取用户的呼吸信号，还可以在用户进行语音交流的情况下识别喉音信号。结合呼吸和喉音的特点，提高哮喘检测的准确性。吴渊博士使用商品级的智能手表实现了一个功能齐全的原型。招募了50名志愿者参加了长达150小时的实验以训练Ubi-Asthma。Ubi-Asthma的检测准确率可达98.4%。Ubi-Asthma有望在未来为智能家居和智慧医疗应用提供潜在的解决方案。
图1 基于智能手表的哮喘检测
图2系统架构
在DMHC: Device-free multi-modal handwritten character recognition system with acoustic signal一文中，吴渊博士提出了一种基于声信号的手写字符识别方法，为智能物联网与人机交互的应用提供了理论支撑。
论文链接为：https://doi.org/10.1016/j.knosys.2023.110314
由于触摸屏尺寸小，在移动设备上高效打字一直是个难题。吴渊博士提出了一种有效的、无设备的多模态手写字符识别系统DMHC。DMHC融合了两种不同的声学模式，即超声波和一般音频信号。DMHC提取了超声和一般声信号之间的潜在相互作用从而实现了抗噪音的手写字符识别系统，可以可靠地识别现实生活中的手写字符。文章提出了基于自注意力机制的方法实现了多信道融合。大量的实验结果证明了DMHC在各种条件下的有效性和鲁棒性，其中字母和单词的识别准确率分别为97.4%和95.3%。
图3基于超声波的手写字符识别
图4手写字符识别系统架构
近年来，在学校的大力支持下，计算机与人工智能学院在大力引进高水平人才的同时，凝聚学科方向，加强团队建设，引导青年博士进团队，采用多种举措为引进人才和团队的发展提供必要条件，人才引进成效逐渐凸显。