智能感知技术促进了物理世界和数字世界的无缝融合，成为新一代信息技术发展的基础。然而在开放场景中存在以下挑战：感知对象行为随机变化导致其意图难以准确预测、多移动目标之间相互影响导致系统计算空间急剧膨胀、物体材质与内部结构难以直接测量。该项目针对以上问题，研究交互式智能感知与预测关键技术，对实现国家重大战略任务、保障公共安全和引领产业技术创新具有重要意义。在国家自然科学基金杰出青年基金“物联网多维信息智能感知与计算关键技术研究”项目的支持下，经长期研发和实践，取得了30余项相关国家发明专利，主要发明如下：

1. 非侵入式弱特征目标感知。物体内部结构及表面材质感知在智慧物流、智能家居等领域具有重要的应用价值，而目前需要使用昂贵的专用设备才能满足此类感知任务的需求。针对上述情况，该项目提出利用目标电磁特性的微弱差异，通过特征增强、内隐关联挖掘，实现目标材质和结构的非侵入式感知。利用上述成果，该项目提出1）基于电磁穿透特性的物品内部结构感知技术，为智慧物流提供包裹内容物检测方案；2）基于生成对抗迁移的衣物材质识别技术，为用户推荐恰当的洗衣方案。

2. 非合作群体位置感知。群体位置感知在旅游、交通、应急疏散等公共安全管理领域发挥着重要作用。然而，多目标间的相互影响加剧了定位的复杂性，导致位置感知精度随人数增加急剧下降。针对上述问题，该项目挖掘群体分布与信号波动的内隐关系，建立人群分布与信号稳定性指标的关联模型，实现精准的非合作群体位置感知。利用上述成果，该项目提出了1）感知范围可调的群体分布估计技术，应用于西藏多层次城市公共安全智能管理平台，对西藏地区人员流量控制、人员疏散、危险预警、警力部署等起到指导作用；2）面向隐私保护的无监督位置感知技术，利用互联网众包数据实现室内位置指纹库自动构建与定位服务。

3. 多维信息融合的行为预测技术。行为预测能够预判危险行为的发生，避免或降低危害，为生产生活提供安全保障。然而，危险行为样本少，预测困难。该项目借助多传感器融合，挖掘跨域多维样本映射关系，实现准确及时的行为预测和危险预警。利用上述成果，该项目提出1）面向多方言识别的危险行为预测技术，用于陕西省智慧监狱的亲情会见系统的危险行为预测和报警,为服刑人员心理侧写提供依据，提高监狱智能化管理水平；2）基于多传感器融合的驾驶行为检测技术，通过对驾驶员实时心率特征与驾驶行为的多维分析，实现驾驶行为安全检测与预警。

4. 非绑定式用户意图预测。通过目标行为感知以推断其意图在智慧家庭、智慧零售等应用中具有重要意义。现有意图感知方法需要用户配合并穿戴（即绑定）专用设备，导致其应用范围受限。针对上述情况，该项目提出一种非绑定式意图预测方案，通过对用户行为的全过程追踪，为用户与行为目标的关联挖掘提供更丰富的感知信息，预测用户潜在意图。利用上述成果，该项目提出了1）基于注视点追踪的用户意图检测技术，应用于智能安防；2）基于行为理解的用户意图检测技术，对无人超市商品布局等应用具有指导意义。

该项目在理论、技术和应用方面取得了一系列创新，提出了基于领域知识的多维感知信息非线性表示与多元变量关联建模理论；非绑定式意图预测、非合作群体行为感知、非侵入式目标感知等关键技术；基于行为学、运动学、生理学和心理学交互的智能感知预测应用方法。

    获授权国家发明专利30余项。在中国计算机协会推荐的A类期刊或会议上发表论文20余，主持国家级相关课题10余项。2017年获绵阳市科学技术进步奖一等奖。

    该项目研发的技术应用于四川长虹电器股份有限公司、长虹美菱股份有限公司、中国扬子集团滁州扬子空调器有限公司、深圳市普盛实业有限公司、深圳禾思众成科技有限公司、北京行言柏尚科技股份有限公司等家电、物流和高新科技企业，截止2018年12月，累计新增产值39.95亿元，新增利润7.22亿元，新增税收6.72亿元；项目成果还应用于西安交通大学口腔医院、陕西省监狱管理局和西安交通大学等医疗、司法和教育机构,极大地推动了行业智能化水平的提升，取得了显著地经济效益和社会效益。