张曼老师带领的团队致力于研究泛在智能视觉感知理论与技术，主要面向以人为中心的计算机视觉领域（包括步态识别、多视角人群数量统计、人体姿态估计及多模态融合），对开放场景下的特征表达和比对进行了深入探索，提出了基于深度学习框架的生物特征表达方法。团队提出的基于全卷积网络的图像分割方法曾获得国际生物特征识别大会最佳学生论文奖。

团队以泛在分布的视觉感知平台对于人体分析带来的机遇和挑战为动力，围绕面向开放场景人体分析的低质数据增强与鲁棒特征表示方法的研究主题，主要开展如下几方面的研究工作：（1）3D数字人生成；（2）步态识别，主要研究在开放场景下，通过人体部件分割和数据生成解决步态识别领域中的遮挡和多视角识别问题；（3）人体姿态估计，基于神经网络学习人体特征规律，并对人体关键点进行检测和定位；（4）弱监督时序行为定位，基于视频级类别标签，训练弱监督模型并识别未修剪视频中的动作实例；（5）多视角人群数量统计，通过时空模型构建鸟瞰视角下的人群特征及场景密度图。

• ParseGait: Landmark-guided Accessable Human Semantic Parsing for Gait Recognition .ACM MM 2023

• GaitParsing: Human Semantic Parsing for Gait Recognition .IEEE TMM 2023

• DDG-Net: Discriminablity-Driven Graph Network for Weakly-supervised Temporal Action Localization .ICCV 2023

• Demographic Analysis from Biometric Data: Achievements, Challenges, and New Frontiers .IEEE TPAMI 2018

• Adversarial Discriminative Heterogeneous Face Recognition .AAAI 2018

• 实时身份证验证技术评测和分析系统

• 基于纹理图像局部特征的形变虹膜匹配方法

• 基于图像扰动和相关滤波的生物特征识别方法

• 基于旋转不变字典学习模型的人脸识别方法

• 基于有监督的拓扑保持哈希的快速图像检索方法

暂无内容

• 生物启发的深度学习分析与验证系统研究及示范应用

• 基于生物特征的远距离跨视角多模态身份识别方法与系统

• 面向远距离非受控场景的身份识别系统与应用

• 面向开放场景步态识别的低质数据增强与鲁棒特征表示方法研究

暂无内容