时间：周五晚上七点三十。

参会老师：谷雨。

参会学生：张逸凡、刘涛、颜焕、章翔、黄濛濛、汪彦彤、贾乐元、付悦、于宵宵、杨树淋、程肯、李伦杰。

本次例会上程肯、颜焕、杨树淋、章翔、李伦杰、汪彦彤分别对上周的工作进行汇报。

1.汇报人：程肯

汇报主题：视频面部表情数据集

主要内容：

1.分别介绍了两个视频流的面部表情数据集：GEMEP-FERA 2011 Dataset 和 Acted Facial Expression in Wild（AFEW）4.0 Dataset。

2.视频流的数据集在使用中会由于数据集中原视频中存在人体动作、身体仪态、光照和环境等影响，导致训练过程算法难度较大，计算过程复杂，较比于其他图片序列流数据集，使用不便。

2.汇报人：颜焕

汇报主题：微表情视频检测实验

主要内容：

展示了微表情视频检测的实验进展，提出了自动切割表情时间戳的想法。

3.汇报人：杨树淋

汇报主题：Learning Human Activities through Wi-Fi Channel State Information with Multiple Access Points

主要内容：

1.该论文主要引用了一种深度学习模型来处理来自多个AP的复杂和大的CSI。从广泛的实验结果来看，在存在多个Wi-Fi aps的特定环境中，该的方法比其他解决方案表现得更好。

2.篇论文对我们主要的贡献是它的思想，首先将csi转换成热度图，然后再输入CNN中处理，这对我们以后的实验处理提供了一种新思路。

4.汇报人：章翔

汇报主题：设备调研和实验报告

主要内容：

1.对实验室需求的设备进行调研汇报，主要包含Nvidia Jetson Nano，Nvidia最新公布的能够创建数百万只能系统的人工智能计算机，小巧，低功耗但计算力强大，将用于实验室CV相关项目。树莓派开发板，主要应用于物联网应用开发的微型计算机开发板，将用于实验室网络相关项目。另有服务器配置，摄像头配置汇报。

2.在实验中改变天线位置和铅条位置，发现与 中心化 理论相矛盾的问题。

5.汇报人：李伦杰

汇报主题：Keystroke Recognition Using WiFi Signals

主要内容：

对原论文的实验进行复现和对比结果，发现实验结果中击键特征差异无法直观看出，实际KNN聚类效果不佳。提出改善方案：正规化实验操作流程，考虑论文中采取的DWT等算法处理。

6.汇报人：汪彦彤

汇报主题1：Recognizeing Induced Emotions of Audiences From Multimodal Infomation(Ⅱ)

汇报主题2：动物计算

主要内容：

1.论文提出使用LSTM分层融合方式将音频，视频，加上电影艺术等多模态特征，进行识别情感状态;以及perceived emtion和induced emotion存在差异。

2.主要介绍了动物计算概念所涵括的内容：对动物智能的测试、训练和捕获；应用到实际系统中，增强动物能力；以及传感器如何用于监视和管理农场或者动物园的动物。

1. Chen J , Chen Z , Chi Z , et al. Facial Expression Recognition in Video with Multiple Feature Fusion[J]. IEEE Transactions on Affective Computing, 2018, PP(99):1-1.
2. Moilanen A , Zhao G , Pietikainen M . Spotting Rapid Facial Movements from Videos Using Appearance-Based Feature Difference Analysis[J]. 2014.
3. Li H , Ota K , Dong M , et al. Learning Human Activities through Wi-Fi Channel State Information with Multiple Access Points[J]. IEEE Communications Magazine, 2018, 56(5):124-129.
4. Ali K, Liu A X, Wang W, et al. Keystroke recognition using wifi signals[C]//Proceedings of the 21st Annual International Conference on Mobile Computing and Networking. ACM, 2015: 90-102.
5. Muszynski M, Tian L, Lai C, et al. Recognizing Induced Emotions of Movie Audiences From Multimodal Information[J]. IEEE Transactions on Affective Computing, 2019.