由我院赵传信教授等人完成的一篇关于深度学习领域的研究成果：“RFID的人体动作识别：时空图卷积神经网络方法“被物联网方向顶级期刊IEEE INTERNET OF THINGS JOURNAL录用并出版。

传统的人体动作识别解决方案通常依赖于传感器或视频方法。但这些方法存在携带不便、光照强度影响、隐私保护等局限性。论文提出了一种基于RFID的非穿戴式人体动作识别方案。为了减少人体对信号的遮挡效应，增加反射信号的多样性，构建了标签阵列。将相位数据和RSSI数据融合为特征数据，增强了数据的多样性。此外，提出了一种组合处理方法，以消除设备产生的热噪声，减少环境对噪声的干扰。然后，设计了一种针对人体动作射频信号的动作分割算法。最后，利用时空图卷积神经网络(STGCN)构建了一个高效的人体动作信号分类模型。整体方案设计如图1。大量实验表明，与比较主流的识别算法相比，STGCN在识别精度方面表现出更好的分类性能。此外，多模态RFID数据融合也提高了识别的准确性。成果论文题目为“RFID-Based Human Action Recognition Through Spatiotemporal Graph Convolutional Neural Network”，由我院赵传信教授为第一作者，研究生汪龙、熊飞等人参与主要工作。

图1.系统设计

       IEEE INTERNET OF THINGS JOURNAL是IEEE 发行的顶级期刊，2022-2023最新影响因子（IF）为10.6。在2022年12月最新升级版的中科院SCI期刊分区中位列“计算机科学”领域的一区，Top期刊。