为了提高光纤激光器的温度灵敏度和数据完整性，提出了一种基于拍频解调的光纤激光温度传感系统。利用光纤激光谐振腔中的光纤布拉格光栅（FBG）进行温度传感，将FBG的波长变化依次转变为谐振腔内的波长变化和光纤激光器拍频信号的频移变化，大幅提高了系统的灵敏度。通过Python程序实现秒级数据自动采集及保存，提高了工作效率。用矩形框中心点位置法代替直接寻峰值法对温度信号进行解调，可避免频率抖动较大引起的误差。相比光学解调技术，该系统利用成熟的电学解调技术解调，无需昂贵的波长解调仪，降低了解调成本。实验结果表明，该系统具有较高的灵敏度和测量精度，平均灵敏度为74.087 kHz/℃，测量精度为0.47×10^-3 ℃。

针对智能视频监控的需求, 提出一种无监督学习的异常行为检测方法。首先, 采用混合高斯模型建模提取出运动目标, 对运动区域进行标记; 然后提取运动区域内的光流信息, 将其归一化成特征矩阵, 并建立实时更新的特征矩阵观测序列; 最后利用二维主成分分析(2DPCA)的重构原理对观测序列进行分析, 根据重构特征矩阵与原特征矩阵的能量比来判断是否存在异常行为。基于不同数据库下的视频序列实验结果验证了所提方法的有效性。

针对 LPQ算子提取的纹理特征易受光照、噪声影响, 提出了一种在 Shearlet变换幅值域内提取局部相位量化标记直方图的人脸描述方法。首先采用 Shearlet滤波器提取其对应不同方向、不同尺度的多个 Shearlet幅值域图谱, 然后按照平均值融合法将相同尺度不同方向的幅值域图谱融合到一起, 并对融合图谱进行分块, 分别采用 LPQ算子标记幅值域图谱, 最后由这些标记直方图形成的序列来描述人脸。在 ORL、FERET和 YALE人脸库中做了多组实验并分别取得了 98%、95%及 97.33%的识别率, 充分验证了该方法的有效性。

针对目标跟踪中如何有效地描述目标, 以适应跟踪环境变化的问题, 提出了一种基于分布域描述算子的视频目标跟踪算法。首先, 采用分布域描述算子来建立目标模型; 然后选择粒子滤波算法进行目标状态估计实现目标跟踪; 在跟踪过程中, 采用在线更新模型的方法, 降低了光照变化以及部分遮挡带来的影响, 从而提高跟踪的准确率。在常用的视频序列上进行了实验, 并与目前常用的算法进行了比较。实验结果表明该算法具有较好的跟踪效果, 能实现复杂场景下的目标跟踪。

视频序列中的行为分析与识别已经成为当前计算机视觉领域的研究热点。为了更加有效地提取人体行为序列中的轮廓特征的信息，提出了一种基于局部二值模式 (Local Binary Pattern，LBP)特征的人体行为识别的算法。通过背景差分法从视频中提取完整的人体运动序列，利用 LBP算子计算运动序列的 LBP特征谱，组成样本的 LBP轮廓特征空间，接着将特征空间通过 K-means聚类的方法生成行为特征。最后，采用隐马尔可夫模型 (HMM)对特征进行识别。实验过程中，分别在两个公共行为数据库上进行了测试实验，平均识别率能达到 85%以上，并且在两个数据库的交叉实验结果表明了本文算法具有一定的鲁棒性。

针对小波变换不能充分描述人脸曲线特征的缺点，本文提出一种基于曲波域与核主成分分析 (KPCA)的人脸识别算法。采用多尺度、多方向的曲波 (Curvelet)变换提取图像特征，不仅具有更高的逼近精度和更好的稀疏表达能力，而且其变换系数能有效表示沿曲线的奇异性。进一步使用核主成分分析 (KPCA)将曲波特征系数投影到更具表达力的核空间中，通过最近邻分类器进行分类。并在 JAFFE人脸库中、 ORL人脸库以及 FERET人脸库中做了多组实验，实验结果表明该方法在图像降维和识别率方面都达到了较好的效果。