【仪表网 研发快讯】近日，信息科学与工程学院贲晛烨教授团队在智能健康监测、多模态生物识别和情感计算等方向取得系列研究进展。团队围绕真实复杂场景下智能感知模型“难部署、易受干扰、样本稀缺、泛化不足”等关键问题，分别在抑郁症被动检测、多模态步态识别和微表情识别研究中提出了具有创新性的算法框架和系统方案。相关成果分别发表于IEEE Internet of Things Journal(影响因子：8.7)、IEEE Transactions on Information Forensics and Security(影响因子：8.7)和IEEE Transactions on Affective Computing(影响因子：11.3)等国际权威期刊。论文第一作者分别为山东大学2024级博士研究生张岚、2022级硕博连读研究生杜含月和2022级博士研究生郭颖颖，通讯作者均为贲晛烨教授，山东大学是第一作者和通讯作者单位。
 

　　在智能健康监测方面，团队针对抑郁症检测模型在边缘设备上难以实时部署的问题，提出了一种基于可解释面部特征分析的轻量化抑郁症被动检测系统。抑郁症影响全球大量人群，早期干预长期受限于临床评估手段不足。基于面部视频的被动检测无需用户主动配合，在物联网健康监测场景中具有重要应用潜力。现有方法往往依赖复杂深度模型，计算开销大、推理延迟高，难以满足边缘设备实时运行需求。针对这一问题，团队以“特征驱动设计”为核心理念，通过静态—动态分析、RGB通道消融和多区域掩码实验，系统挖掘与抑郁状态相关的面部视觉规律，并据此设计了蓝色通道抑制、90°Gabor滤波等目标导向预处理策略。在模型架构方面，团队提出轻量化混合静态—动态模型，通过静态分支、动态分支和空间—通道联合注意力融合模块，实现了高精度、低延迟、低能耗的抑郁症辅助检测。实验结果表明，该系统在权威数据集上取得优异性能，并在Jetson Nano边缘推理平台上展现出良好的部署潜力，为智能健康监测设备中的抑郁症辅助诊断提供了重要技术支撑。
 

　　在多模态步态识别方面，团队面向智能安防和公共安全场景，提出了多模态步态识别框架SeeGait。步态识别具有远距离、非接触、难伪的等优势，但在真实场景中容易受到衣着变化、携带物品和跨视角观测等复杂因素干扰。轮廓模态能够提供较强的外观表征，骨架模态则擅长描述人体结构与运动关系，二者具有天然互补性。然而，现有融合方法多停留在特征拼接或加权层面，难以充分挖掘跨模态深层协同信息。针对这一问题，团队提出“协同演化表征”多模态学习原则，设计了双向层次化跨模态协同模块，使骨架结构表征与轮廓外观表征在多个语义层级上持续交互、相互引导、逐层增强。与此同时，团队构建了基于Transformer的层次化时空骨架编码器和层次化卷积轮廓编码器，并引入整体特征聚合策略，最终获得更具判别性和鲁棒性的步态身份表征。在CASIA-B、CCPG和SUSTech1K等权威数据集上的实验结果表明，SeeGait在多种复杂条件下均表现出优异的识别性能和泛化能力，为非合作场景下身份辨识和智能安防装备升级提供了新的技术方案。
 

　　在情感计算与微表情识别方面，团队围绕微表情识别中样本稀缺、跨域差异大和模型泛化不足等难题，提出了一种基于宏表情先验的跨域知识迁移学习框架。微表情是个体在潜意识状态下产生的短时面部反应，通常能够反映隐藏的真实情绪，在心理诊断、人机交互、侦查审讯和商务谈判等领域具有重要应用价值。然而，微表情持续时间短、运动幅度弱，公开数据集中标注样本有限，使得模型难以充分学习稳定、判别性强的表征。团队将微表情识别重新建模为结构一致的跨域学习问题，利用宏表情中更清晰、更充足的情绪语义和肌肉运动线索，为微表情学习提供先验支撑。该框架由跨域结构传播模块和域内结构增强模块组成，分别实现宏—微表情之间的类别级依赖迁移，以及各自域内特征关系的紧凑建模。实验结果表明，该方法在多个公开微表情基准数据集上取得良好表现，能够有效提升小样本条件下微表情识别的准确性和稳定性，同时具备较好的可解释性。
 

　　上述系列成果体现了贲晛烨教授团队在智能感知、模式识别、情感计算和人工智能交叉应用方面的持续积累。三项研究分别面向智能健康、公共安全和情绪理解等重要应用场景，从轻量化可部署建模、多模态协同表征和跨域知识迁移等角度提出了系统性解决方案，为复杂真实环境下的智能识别与分析提供了新的理论方法和技术支撑。
 

　　贲晛烨教授，国家性质的青年人才，泰山学者，长期深耕信号与信息处理、图像处理、模式识别及人工智能等研究领域。在IEEE T-PAMI、IEEE T-IP、Pattern Recognition、CVPR、SIGIR等国际权威期刊和会议发表高水平论文150余篇。相关研究工作获得国家自然科学基金优秀青年基金项目、山东省杰出青年基金项目等资助。
 

　　引用：贲晛烨教授团队在智能感知领域取得系列研究进展-山东大学 【引用时间：2026年7月22日】