项目 名称：脑电信号解码的理论与方法研究

视觉是人类获取信息和进行人际交流最为重要的途径之一，基于人脸视觉特征的表情、身份以及社交关系的识别是当前计算机应用领域的前沿研究课题，在社会发展和公共服务行业中具有重要的应用。然而，由于场景光照和人脸姿态的多变性，使得对人脸视觉特征的提取与建模极具挑战性，已成为当前人脸图像分析研究的瓶颈问题。开展鲁棒人脸视觉特征的提取、分析与识别，突破现有研究的局限性，是当前研究亟待解决的课题。

本项目面向国家重大需求，在国家自然科学基金（重点、面上）项目支持下，围绕人脸的表情、身份以及亲属关系等问题，深入开展鲁棒人脸视觉特征的提取、建模与识别研究，重点解决场景光照与人脸姿态变化下的鲁棒局部视觉特征的提取和建模问题，力争在理论和方法研究中取得新的突破。主要研究成果概括如下：

1、建立了场景光照变化下的局部人脸视觉特征获取的理论，提出了解决光照干扰的图像处理的一般性方法；突破了基于局部二元模式编码的传统视觉特性描述算子的局限性，提出了局部三元模式编码的视觉特征描述算子；首次将区域协方差矩阵特征描述方法引入表情识别研究中，提出了基于高斯混合模型的多视角表情特征建模的理论和方法，解决了非正面人脸姿态下表情特征提取和描述的关键性难题；

2、建立了高斯混合分布下贝叶斯错误率估计表达式，提出基于了最佳贝叶斯错误率估计的异方差鉴别分析理论和计算方法，突破了双子空间鉴别分析的计算瓶颈，提出了双子空间鉴别分析方法的增量式算法，提出了多流形判别分析的视觉特征分析新理论。

3、提出了基于人脸视觉特征和迁移子空间学习的亲属关系鉴别方法，研究工作获得了2013年IEEE 通讯学会(ComSoc)多媒体技术委员会(MMTC)的最佳论文奖提名。

本项目在IEEE Transactions等国际权威刊物以及ICCV、IJCAI、NIPS、ECCV等计算机视觉和模式识别顶级会议上发表学术论文28篇，获授权国家发明专利6项。10篇代表性论文被他人引用超过1000次，相关理论成果得到了国际上本领域权威专家的积极评价、引用。