1. 场景图像中文字检测与提取

图像中的文字是可以直接传递内容语义的重要信息源，由于自然场景的复杂性和其中的文字的大小、颜色、字体、语种、排列方向等的多样性，自然场景图像中的文字检测是一个非常有挑战性的问题。团队研究自然场景中文字的检测和提取方法，其中包括：复杂自然场景图像中文字特征的学习与筛选方法、基于多级信息集成机制的文字判别分析、等关键技术。

2. 手势识别

手势是人类常用的一种符号化语言，在传递信息时具有快速、方便、自然的特点。因此手势的自动识别一直是学术界关注的热点。团队主要侧重于结合深度信息的手势识别方法的研究，其中包括：指尖检测与定位、手部姿态估计与建模、手势识别与分类等。

3. 动作识别

动作识别结合了模式识别与机器学习、人工智能、等多个学科的理论与技术，在视频监控、视频检索、虚拟现实、人机交互等领域有广泛的应用前景。团队研究结合深度信息的视频序列中动作的识别与分类方法，主要包括：动作序列的检测与分割、动作显著性特征的学习与表达、动作的分类与预测等。

4. 文档图像分析与理解

文档图像能够使人们能够方便有效地对文档进行存储、检索和传输，因而越来越受到大家的关注。团队研究针对文档图像的图像去噪、校正、版面分析、拼接、扭曲恢复、表达、检索等关键技术，旨在构建高可靠性的文档图像处理系统。

5. 目标表面缺陷检测与三维重建

研究基于视觉信息的目标表面缺陷的检测与定位技术、分割技术、分类技术，完成目标表面的三维重建与可视化。