智能人机交互研究所

  • 简要介绍
  • 代表性研究成果
  • 人员介绍

智能人机交互研究所的长期目标是探索人类大脑智能信息处理的机理和认知过程,为智能信息处理提供新型的计算结构和算法,开发自然、友好的人-机交互系统。目前该所有教师10名,研究生90余名,负责人为吕宝粮教授。主要研究方向包括仿脑计算理论、认知计算理论、神经网络、统计机器学习、模式识别、计算机视觉、计算生物学与生物信息学、语音及语言信息处理、脑-计算机接口、数据挖掘、信息检索、信息抽取、机器翻译、中文输入法、疲劳检测、情绪识别、脑功能康复、认知型人机交互和智能人机对话等。

 

自2002年成立以来,智能人机交互研究所承担了多项国家和地方的重点科研项目,包括国家973计划、国家863计划、国家自然科学基金重点项目和上海市科委重点项目等。在国内外顶级期刊、会议上发表论文60余篇。代表性的成果有脑机交互的多模态疲劳驾驶检测系统、基于脑电的脑功能康复训练平台和认知型智能人机口语对话系统。在国际上与多所知名大学和研究所建立了科研合作与学术交流关系,包括日本理化学研究所脑科学综合研究中心、剑桥大学、柏林工业大学、京都大学、多伦多大学和日本情报通信研究所等。脑-计算机接口技术及其在残疾人轮椅控制和疲劳驾驶检测方面的研究成果得到了中央电视台、东方卫视、文汇报、英国卫报等国内外媒体的广泛报道。

 

吕宝粮(所长)、徐雷、张丽清、卢宏涛、俞凯

姚天昉、赵海、李芳、杨旸、钱彦旻、吴科

脑机交互的多模态疲劳驾驶检测系统

本系统通过获取驾驶员的脑电信号(EEG)、眼电信号(EOG)、握力信号和Kinect图像,从生理信号和行为特征中提取与疲劳相关的特征,利用机器学习方法建立疲劳检测模型,实现驾驶员疲劳状态的度量与预测。与传统的基于视频的疲劳检测方法相比,本系统可提高疲劳检测的精度和可靠性。本系统不仅能为高铁司机和长途客车司机提供一种准确、可靠的疲劳状态检测技术,而且可以应用于任何需要对操作人员的疲劳状态进行实时检测的任务。

 

基于脑电的脑机交互技术与脑功能康复训练平台

本系统利用脑机交互技术读取脑皮层肢体运动意向,从视觉、听觉和触觉通道进行神经反馈,通过功能电刺激促使肢体产生运动,从而建立主动肢体运动控制环路,提高运动功能康复效果。该系统具有脑电模式识别模块、在线可视化监护模块、系统自适应模块、多模态神经反馈系统,在临床实验验证了该系统对脑卒中病人脑运动功能康复有明显效果。

 

认知型智能人机口语对话系统

本系统采用了大词汇连续语音识别、参数化统计合成、统计语义理解,以及基于上下文和情境的推理和对话管理技术,构建了能够实时反馈的,具有自适应和纠错能力的智能人机口语对话系统。该系统原型曾在CMU组织的首届国际口语对话系统挑战赛中获得可控测试的冠军。相关的语音识别、合成、理解、及对话控制等技术已经面向移动互联应用产业化,提供云端服务,得到国内主要的独立手机语音助手和语音应用开发者的广泛使用。应用开发者的广泛使用。

 

代表性论文:

1. Xiao-Lin Wang, Hai Zhao, and Bao-Liang Lu, A Meta-Top-down Method for Large-scale Hierarchical Classification. IEEE Trans. on Knowledge and Data Engineering, 2013

2. Qibin Zhao, Cesar F. Caiafa, Danilo P. Mandic, Zenas C. Chao, Yasuo Nagasaka, Naotaka Fujii, Liqing Zhang and Andrzej Cichocki, Higher-Order Partial Least Squares (HOPLS): A Generalized Multi-Linear Regression Method, IEEE Trans. on Pattern Analysis and Machine Intelligence, 2013.

3. Shusen Wang and Zhihua Zhang. Improving CUR Matrix Decomposition and the Nystrom Approximation via Adaptive Sampling. Journal of Machine Learning Research, 2013.

4. Xin Shu, Yao Gao, and Hongtao Lu, Efficient linear discriminant analysis with locality preserving for face recognition, Pattern Recognition, 2012.

5. K. Yu and S. Young, Continuous F0 modelling for HMM based statistical parametric speech synthesis, IEEE Trans. on Audio, Speech and Language Processing, 2011.

智能计算与智能系统重点实验室

中德语言技术联合实验室

智能语音技术实验室

联系我们 webmaster@cs.sjtu.edu.cn

上海交通大学计算机科学与工程系版权所有 @ 2013