研究方向一:多模异构特征深度融合

研究方向介绍:

一种安全、可靠和便捷的身份认证方式不仅能有效的保障个人财产和信息的安全,而且可为人们日常生活带来更多的便利和效益。基于生物特征的身份鉴别技术以其特有的普遍性、稳定性和防伪性给人们提供了一种更为安全、方便以及高效的个人身份鉴别方式。多生物特征融合技术利用多个可鉴别的身份信息,在一定程度上能弥补单一生物特征识别的不足,具有更高的稳定性和防伪能力。在多模态特征学习中,深度学习通过建立多个层级的深度网络结构,能够够挖掘多模态(如音频+视频)生物特征的本质信息在特征层进行特征兼容性学习和融合识别,是属于深度学习领域比较前沿的研究.

研究方向二:同语义视听媒体跨模态匹配

研究方向介绍:

随着信息技术的不断发展,分布式视频监控以及互联网多媒体应用系统中涌现出海量的音视频信息资源。其中,语音及视觉信息是人们相互交流的重要载体,这个应用场景也是人机交互过程中最为直接的方式。与传统的单模态识别和匹配检索不同,在跨模态匹配中,度量结果的模态和查询的模态是不同的。比如,用户使用图像检索文本,视频和音频。跨模态匹配的关键在于对不同模态的关系进行建模,难点就是跨越语义鸿沟。近年来,虽然国内外出现了基于图像和文本的跨模态检索研究,但以人脸和语音的音视频跨模态匹配研究较少。研究发现,有效的音视频跨模态匹配能够促进说话人交互识别,从而促进身份鉴定技术创新实践的发展,有着广阔的发展和应用前景。

研究方向三:运动捕捉数据分析与处理

研究方向介绍:

随着多媒体技术的飞速发展及计算机图形学的不断完善,运动捕获技术广泛兴起并被大量用于三维动画、电影制作、虚拟现实等众多领域。针对逐渐累积的大量富有真实感的三维人体运动数据,有效的运动数据分析与处理(去噪、恢复、重构、生成、识别和检索)能够大大地提高动画的制作效率,同时减少大量的手工工作量。在进行运动捕捉数据分析和处理时,建立合适合理的数据驱动角色模型,即可获得流畅度高、逼真性强的计算机动画,并可以在一定程度上消除虚拟角色模型的粗糙感,进而改善最终生成的计算机动画的视觉效果。

研究方向四:图像处理、模式识别和机器学习

研究方向介绍:

图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。 模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。机器学习是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是一门结合概率论、统计学、逼近论等多领域的交叉学科。相关的内容分析问题包括:图像视频清晰化、人脸美化、目标检测、图像中高层特征提取与表示、多模态生物特征识别、以及基于深度学习的机器学习及相关理论。

研究方向五:组合二维码防伪溯源

研究方向介绍:

中国居民人均可支配收入每年都呈现逐步增长的趋势,同时消费者的购买力也会随可支配收入的提高而提高,对商品种类和品质的需求也逐步提高。然而在生活用品,食品,奢侈产品以及药品等商品需求量大且品质高的市场中,由于我国在产品监管和打假方面的制度还不够完善,所以市面上充斥着各种假货,并且由于现在先进的技术使得消费者无法仅凭产品的包装来判断产品的真假,更有甚者某些假货的外包装已经达到了连专柜也无法识别的情况。商品防伪是市场的一大缺口,在市场经济正常发展的前提下,本研究组致力于创新一种基于二维码的商品防伪解决方案,为企业提供一种新型防伪技术,用科学的解决方案尽可能的消除市场上的一些假冒伪劣产品,从源头上解决了层出不穷的假冒伪劣产品的出现。