1、基于视频的机器学习、视频与图像的特征提取与分析；2、深度学习及其在辅助驾驶ADAS、工业机器视觉检测与监测、健康监测等领域的应用；3、视频图像的智能分析，包括场景目标的检测、提取、跟踪、识别与行为分析；智能交通中的车牌识别、机动车违章检测等产业化应用。"（1）深度学习的方法、架构、工具、开发环境的研究、基于深度学习的快速目标检测与识别，显著性检测与图像理解、深度学习中间层的特征提取、研究与应用，以及深度学习中卷积神经网的架构创新等方面的研究。（2）与香港生产力促进局合作，开展深度学习在疲劳驾驶检测、行人检测、机动车检测、车道偏移检测以及在先进辅助驾驶（ADAS）方面的应用研究，并已进入了产业化的阶段。在此基础上，我们进一步开展直接感知驾驶相关信息的深度驾驶研究（2015 ICCV上由普林斯顿大学提出一种性能优越的自动驾驶技术），是未来自动驾驶中的很有潜力的关键技术。（3）在制造业的工业过程监测、磨具监测、产品及零件的品质检测方面的工作，目前大量依靠人工（人眼）来进行，随着人口红利的消失，基于深度学习的工业机器视觉技术将会有很大的机遇和发展，可以逐步替代目前基于模板匹配的、比较繁琐呆板的机器视觉技术，使工业机器视觉更加智能化和低成本化。（4）在智能交通方面，研究深度学习在虚拟线圈、车流量统计、人数统计、违章变道、违章停车等方面的应用。我们研发的基于视频的车牌自动识别技术达到了业界最好的水平，其包括车牌的检测、定位、字符分割及识别等，是智能交通中的最核心的技术之一。（5）智能监控中的动态目标检测、跟踪与行为分析。1997年美国国防高级研究项目署（Defense Advanced Research Projects Agency）设立了以卡内基梅隆大学为首，麻省理工学院等高校参与的视觉监控重大项目VSAM（Visual Surveillance and Monitoring），主要研究用于战场及普通民用场景进行监控的自动视频理解技术，是目前视频监控系统、视频管理系统的一个十分重要的技术。我们利用图像处理、视频分析、以及模式识别等技术开展场景的背景建模，以及在此基础之上的目标的检测、提取、跟踪、识别与行为分析等技术和在安防行业中的应用研究。"
