提出了一种紧密二值描述子用于解决RGB-D 人脸识别过程中的特征表达问题。首先，不同于手工设计的特征，该方法使用无监督学习从训练数据自动获取紧密的二值特征；其次，该方法使用像素与周围像素的差异信息作为输入，利用了空间上下文信息；最后，考虑到Depth 图像平滑性特点，对分块的Depth 和RGB 图提取不同半径范围的像素差异信息。实验结果表明，该方法具有较强的人脸描述能力，且对光照和面部遮挡具有一定的鲁棒性，并在两个公开的RGB-D 数据库上获得了较好的识别率。

针对视频情感识别中存在运算复杂度高的缺点，提出一种基于时空局部二值模式矩(Temporal-Spatial LocalBinary Pattern Moment，TSLBPM)的双模态情感识别方法。首先对视频进行预处理获得表情和姿态序列；然后对表情和姿态序列分别提取TSLBPM 特征，计算测试序列与已标记的情感训练集特征间的最小欧氏距离，并将其作为独立证据来构造基本概率分配(Basic Probability Assignment，BPA)；最后使用Dempster-Shafer 证据理论联合规则得到情感识别结果。在双模态表情和姿态情感数据库上的实验结果表明，本文提出的时空局部二值模式矩可以快速提取视频图像的时空特征，能有效识别情感状态。与其他方法的对比实验也验证了本文融合方法的优越性。

为满足手指交互系统的需要，并能够达到对倾斜指势进行准确识别的要求，本文介绍了一种快速、准确对指尖检测定位并实时识别倾斜指势的方法。该方法利用YCbCr 颜色空间分割算法对肤色聚类进行粗分割，然后运用“周积比”概念对预处理区域进行细化分割，剔除除手部以外的肤色干扰区域并利用最小二乘法二项式拟合算法获取手指轮廓。采用改进的凸包络优化算法完成指尖的检测及倾斜修正。最后，进行局部扫描获得最终的指势识别。实验表明本文介绍的方法能实现简单倾斜指势0?9 的识别且识别率高达95.7%，稳定性较好。

行人再识别就是给定一张图片，在非重叠的视场行人数据库中，识别出相同的行人。行人再识别面临各种困难，针对来自于雾霾恶劣天气的影响，先利用暗通道先验知识的方法对图像去雾，再用局部最大特征和测度学习的算法对去雾图片行人再识别。实验结果表明，去雾后的行人再识别第1 识别率(排名第1 的搜寻结果)为41.75%和第10 识别率(排名第10 的搜寻结果)81.26%相对于有雾条件第1 识别率35.64%和第10 识别率46.75%。

提出一种多特征描述及局部决策融合的人脸识别方法。首先利用独立成分分析算法构造全局互补子空间,对待测样本进行粗分类。然后利用三种不同定义的纹理描述算法构造局部互补子空间，获取粗分类难识别样本的后验概率值，最后依据其大小设置等级分数，得到待测样本在局部互补子空间上的精确分类。在ORL、Yale 和FERET 人脸库上的实验结果表明，本文方法能较好的描述图像特征且具有较高的识别率和较低的时间复杂度，与其他方法对比也表明了本文方法的有效性。

传统迭代最近点 (Iterative Closest Point，ICP)不能很好处理异常值、噪声及丢失数据等情况，导致降低了在人脸建模中三维点云配准的精度。本文提出使用稀疏迭代最近点 (Sparse Iterative Closest Point，SICP)来进行深度图的配准，稀疏 ICP通过使用稀疏诱导准则去重新书写配准优化公式以解决这些问题从而提高配准的精度。另外，本文提出一种快速分割头部的方法，它可以从深度图中快速的分割出用户的头部，进而建立一个三维人脸建模系统。实验结果证明了本文算法的有效性。

针对主成分分析 (Principal Component Analysis, PCA)降维过程中由于特征值相对集中而造成维数仍然偏高的不足，本文提出了基于最优样本的主成分分析 (Optimal Sample-PCA, OS-PCA)降维方法。 OS-PCA通过选择训练样本、优化协方差矩阵，从而达到进一步降维的目的。鉴于离散余弦变换 (Discrete Cosine Transform，DCT)对光照的鲁棒性，以及局部二值模式 (Local Binary Patterns，LBP)对局部纹理特征的有效描述，本文结合 DCT和 LBP特征来弥补单一 OS-PCA特征在人脸表情表征方面的局限性。为了更好地发挥特征与分类器的协作优势，文章构造了一个三层多分类器最优集成的人脸表情识别模型。该模型首先对表情图像进行预处理操作；然后提取 OS-PCA、 DCT和 LBP特征送入三层模型；最后基于单一特征和相应单一分类器的最佳匹配组合，完成多特征与多分类器的最优集成；在执行粗分类结果投票表决的基础上，进一步对仍有分歧的表情图像进行自适应决策，从而得到最终识别结果。实验表明， OS-PCA较 PCA进一步有效地降低了特征维数；同时，基于多特征多分类器的三层识别模型在 JAFFE和 CK库上分别获得了高于 95%和 96%的识别率，并表现出比较优越的时间性能。

针对机载火炮对地攻击训练激光靶探测弹着点存在误差的问题，提出了在机载火炮单射条件下剔除特异点后求平均值，连射条件下多个弹着点采取回归拟合分析求取拟合点来代替实测点等数据处理方法，并对其有效性进行了检验，对于减小激光靶探测误差、更客观地评定训练成绩具有一定的实际意义。

针对手势识别系统中的手势分割部分提出了一种改进的结合三帧差分法和肤色椭圆边界模型的动态手势分割方法。运用三帧差分法提取动态手势的运动特征，初步确定手势所在区域，然后运用肤色椭圆边界模型对该区域进行肤色判别从而确定目标。通过提取双特征，可有效解决复杂背景下大面积肤色背景被误检的问题。通过合理设置运动检测过程中的阈值，可有效去除运动幅度较小的人脸和裸露手臂部分。同时针对三帧差分法不能检测静态手势进行了改进，使提出算法对视频流中手势的短暂停留具有极强的鲁棒性。实验结果表明，提出算法能准确高效的检测出动态手势，适用于动态手势识别等实时系统中。

睫毛检测是虹膜识别预处理阶段的一个重要环节，本文提出一种基于改进蚁群算法的睫毛提取方法。该方法首先通过引入睫毛区域内、外方向因子使得人工蚂蚁能快速聚集到睫毛边缘，并且通过采取全局和局部两种策略来对信息素进行更新，然后使用 OTSU算法根据所得图像的信息素浓度把图像分割成睫毛边缘和非睫毛边缘两部分。最后，对分割出的睫毛边缘进行整合、除噪，得到最终的睫毛。实验结果表明：该方法提取睫毛的效果较其他相关算法有明显的提高；并且当人工蚂蚁间距取约 25 pixels的时候，算法既能保证睫毛检测的速度又能保证睫毛检测的效果。