近日，计算机科学与技术学院智能物联网团队的3篇论文分别被计算机学会推荐A类国际学术会议INFOCOM 2024和UbiComp 2024录用。
（1）AGR: Acoustic Gait Recognition Using Interpretable Micro-Range Profile – INFOCOM 2024
近年来，步态识别技术作为一种生物识别手段，广泛应用于区域访问控制和智能家居，为用户提供了更便捷、隐私保护更强、个性化体验更丰富的应用场景。在当前学术研究中，重点集中于隐私保护型无线感知解决方案，作为传统计算机视觉的有力替代。然而，目前的研究策略主要依赖于抽象特征，存在解释性和稳定性的固有限制。智能音箱的广泛应用为声学感知技术提供了新的机遇。
在这一背景下，团队通过顺序可视化细粒度的声学人体步态特征，进一步推动了声学识别技术的发展，并将其与视觉解释性相结合。在广泛的开放性实验场景中进行的详尽评估显示，该技术的准确度总体达到97.5％，并且在面对各种实际因素的冲击时表现出色。
该论文被CCF A类国际顶尖会议INFOCOM 2024录用，INFOCOM是中国计算机学会推荐计算机网络领域A类国际顶尖学术会议。本文第一作者为2022级计算机系统结构专业博士研究生王鹏皓，通讯作者为刘超副教授。
（2）ToothFairy: Real-time Tooth-by-tooth Brushing Monitor using Earphone Reversed Signals
刷牙监测仪可以培养健康刷牙习惯，促进口腔健康。现有研究无法做到在不使用专用传感器的条件下，实现在刷牙过程中计时每颗牙齿的刷牙时长。在仅使用消费电子耳机作为传感媒介的条件下，我们设计和实现名为“牙仙”的实时刷牙辅助系统，通过耳机接收和分析口腔内的反向声传播信号序列来计时每颗牙齿的刷牙时长。“牙仙”提出口腔内骨传导声衰减模型，量化声音在口腔内的传播衰减，实现了无需使用前收集大量训练数据用于机器学习的刷牙辅助系统。通过10名志愿者和25种牙刷和耳机组合的验证实验，“牙仙”系统达到逐颗牙齿的90.5%的计时误差在0.05秒内。
该论文已发表在CCF A类国际学术会议UbiComp 2024 (https://dl.acm.org/doi/10.1145/3631412)，并申请国家发明专利（202310067555.7）。UbiComp是中国计算机学会推荐普适计算与人机交互领域A类国际顶尖学术会议。本文第一作者为2020级电子信息专业硕士研究生王阳（赴日本大阪大学攻读博士学位），通讯作者为洪锋教授。
（3）AFace: Range-flexible Anti-spoofing Face Authentication via Smartphone Acoustic Sensing – UbiComp 2024
智能手机上的用户身份验证需要在安全性和便利性之间取得平衡。许多基于图像的面部识别方法容易受到欺骗，并且常常受到隐私泄露的困扰，因此基于声学感知的模型应运而生，以实现非视觉的人脸识别。然而，在特定条件下（即固定范围内），它们性能达不到预期，并且无法抵御3D打印攻击。
为解决这些问题，智能物联网团队提出了一种新颖的非视觉人脸识别系统，称为AFace。该系统主要由两部分组成：等深度模型和自适应距离RA算法。等深度模型建立了声学回波与面部结构之间的关联，同时考虑生物材料对回波能量的影响，使其能够抵御3D打印攻击（因为在3D打印中难以复制材料信息）。RA算法能够自适应地补偿用户与智能手机之间的距离，实现灵活的身份验证模式。通过与40名志愿者进行的实验证明，AFace实现了平均准确度96.9%，并且未观察到任何基于图像/视频的攻击成功欺骗系统。
该论文被CCF A类国际顶尖会议UbiComp 2024录用，UbiComp是中国计算机学会推荐普适计算与人机交互领域A类国际顶尖学术会议。本文第一作者为2021级保密科学与技术专业硕士研究生徐昭鹏，通讯作者为刘超副教授。
补充知识：泛在无线无接触感知技术是近年来物联网领域的重要研究方向，在室内定位、手势控制、健康监控等场景有着广泛应用。其主要特点是：无需在环境中部署传感器，也无需感知对象携带任何感知设备，通过分析由人或环境引起的无线信号（声波、Wi-Fi、蜂窝、RFID和LoRa等）的变化实现情景感知。
智能物联网长期在该领域发表原创性科研成果，形成了具有自主知识产权的AFace、AFitness、AGR、Amaging、AMT、GaitUI、RF-Sign、ToothFairy、UltraMOSAS等系列成果。在包括JSAC、INFOCOM、UbiComp、CHI、TIP、TOSN、JSA、TCSVT等知名国际期刊和国际会议发表学术论文100余篇。
初审：徐君岭
终审：黄莺
