通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。

目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。

人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。

儿童智能颜色识别和彩绘钢笔，其上壳体的顶端嵌设具有处理器的控制电路板，控制电路板的上端面设有颜色传感器，控制电路板的下端面设有RGB?LED，所述壳体内固定有三个微型减速电机，三个微型减速电机的输出轴分别与一旋转活塞上墨器的活塞杆连接，下壳体的下端固接钢笔笔头，钢笔笔头内插装有钢笔笔舌，钢笔笔舌的下端嵌装有钢笔笔尖，三个旋转活塞上墨器内装载的墨水分别为红、黄、蓝三色，处理器将从物体表面获取的RGB值匹配为相应分量比例的红、黄、蓝分量，并使微型减速电机按照各自对应颜色的分量比例旋转对应比例的小段时间，于是钢笔笔尖书写出对应分量比例的三色墨水混合而成的颜色。优点；可任意拾取颜色并自动以该颜色绘画。

掌纹识别是目前最有效的生物特征之一，相比于指纹、人脸识别等具有更可靠的性能。技术团队拥有掌纹识别部分的核心专利和一项软件注册权，并在继续申请相关发明专利。具有自主研发的掌纹识别算法，该方法基于高阶差分信息，以及选择合适的Gabor尺度和方向，在著名的Polyu Database测试集合上等错误率为0，达到国际先进水平。

一种面部表情识别装置，包括架体，所述架体由框架和外壳组成，所述框架中间形成空腔，所述外壳为中空柱形体，内部形成通道，外壳一端与框架中的空腔连通，另一端为封闭端，通道内靠近所述封闭端安装第一电机，第一电机通过丝杆与第二电机末端连接，第一电机带动第二电机沿通道轴线方向运动，第二电机通过转轴与镜头模块连接，第二电机带动镜头模块转动，镜头模块上沿中心对称设置一对镜头。通过在外壳通道内设置第一电机、第二电机，实现了镜头模块在轴线方向上的移动和转动，从而从多角度对面部图像数据进行采集，使得采集到的数据更为精准，

本成果属于一种计算机图象处理程序:首先用光学传感器(相机等) 获得包含符号的复杂背景图象，然后由计算机程序自动检测和识别出 符号。已采用 7000 多幅图象进行了测试，图象加入了各种噪声、变 形、旋转、尺寸变化等干扰，识别率 95%以上，测试报道见德国 Springer 出版社出版的 Lecture Notes in Computer Science 第 3088 卷。 另外，已实现了若干复杂场景下的字符检测方

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

通过X-ray解析了kindlin家族中分布最广，最重要的分子kindlin2的单体和二聚体两种构象及kindlin结合β1- and β3-integrin的复合物结构，揭示了Kindlin2的结构跟Talin-FERM的线性结构截然不同，呈现紧密堆积的三叶草形态；复合物结构进一步表明kindlin是通过两个特异的结合位点识别integrin细胞内β-tail的远膜端，这对激活integrin及其信号传导有重要作用。值得关注的是，本项研究意外地发现kindlin2存在着构象变化，kindlin单体可以通过F2 domain-swapping形成同源二聚体，打破二聚体的形成会影响到kindlin介导的integrin的完全活化。 该项研究成果综合运用了结构生物学、生物化学及细胞生物学的方法，解决了相关领域长期存在的一个重要问题，系统地揭示了kindlin与integrin相互作用的结构基础，提出了kindlin在integrin活化过程中发挥作用的新的机理。同时，蛋白三维结构信息也帮助人们理解kindlin的突变在众多遗传疾病的机理，为今后相关疾病及癌症的治疗提供基础。该项研究标志着南科大在本研究领域处于国际前沿，获得相关领域研究者的高度重视。本文编辑，美国科学院院士、integrin研究领域的专家Richard Hynes特别邀请德国马普研究所Reinhard Fässler教授为本文撰写专题评论。实验室将继续在此基础上，进一步研究相关领域的重要问题。

在信息时代，机器视觉在实现智能社会方面发挥着重要作用。视觉特征提取是机器视觉的一项关键技术，该技术可以提取图像中具有鲜明特征的信息，诸如边缘、角点、圆以及图像形状等特征，这些特征是标定机器视觉系统模型参数和运用机器视觉技术进行实际应用的前提和基础。视觉特征提取技术广泛应用于自主移动智能机器人、无人驾驶和无人机等场景，这些应用场景对视觉特征提取算法的鲁棒性和帧率提出了巨大挑战。 具体来说，视觉特征提取算法包括SIFT（Scale-Invariant Feature Transform，尺度不变特征转换算法）、SURF（Speeded-Up Robust Features，加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF，快速特征点提取描述）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、LBP（Local Binary Patterns，局部二值模式）等。在SURF、ORB、HOG、LBP这些经典的特征提取算法中，SURF的鲁棒性相对较高，但是过于依赖主方向的选取，使得其方向变化鲁棒性不足。SIFT算法可以从图像中提取具有不变性的鲁棒局部特征，对方向变化、光照变化、噪声、杂物场景及遮挡影响等方面的鲁棒性最强，满足无人驾驶技术的需求。SIFT算法的运算量大从而导致的系统帧率低、功耗高的问题可以通过设计具有高并行度的专用硬件加速器芯片来解决。