公司已形成可独立运作的三大专业研究中心机构，拥有国际级专业的科研技术人员团队，产品已申报并部分通过获得近50多项自主知识产权的国际PCT、国家发明专利和软件著作权，在3D生物智能识别技术的科技领域方面占据领先地位

 
（1）唯特视科技对于基于表观流形的人脸变换方法
与经典流形学习中流形到低维欧氏空间的嵌入方法不同，本项目分别对近红外和可见光人脸局部表观进行流形建模，提出流形映射的连续性假设，在此假设的基础上，提出了隐式和显式两种流形映射解决的方法，分别称为“近邻关系传递”和“局部坐标变换”（唯特视科技现有算法实现）。在变换和识别的实验中，显示了优于经典算法的性能。

（2）对于基于不变特征的人脸识别方法（已经实现了1250张人脸特征库）
根据对人脸表面光谱成像模型的分析，总结了近红外和可见光人脸局部差异的类型。以此为基础，提出了“滤波一局部模式编码一特征提取一特征选择”的流程来获得近红外和可见光人脸不变的且有判别能力的特征。其中，提出了两种图像局部模式，分别为边缘模式和局部隐含边缘模式。最后在近红外和可见光人脸交叉识别的实验中显示了算法的有效性。如下图所示：

（3）基于可见光图像模板匹配的目标识别算法，计算量小、易于并行实现，在VTS-8217 DSP系统上处理一帧实时图像仅耗时10ms。

基于可见光图像模板匹配的相关匹配算法分为二步，首先，利用可见光图像制备目标的参考模板，将制备的参考模板进行一值化生成一值化参考图像;然后对实时图进行降分辨率、同质变换、OSTI聚类等预处理;然后利用结构模板在处理后的实时图中遍历搜索，寻找参考图像与实时图像的相关性，取相关性最强的地方作为日标区进行定位。具体的流程如下图所示。

（4）改进了基于特征的弹性图匹配人脸识别算法，证明该改进算法识别率高、实时性好针对传统人脸识别弹性图匹配算法空间复杂度高、实时性较差的问题，提出一种弹性图匹配改进算法，将人脸图片特征点经Gabor小波预处理后，结合主成分分析(PCA)和Fisher线性判别方法((PLD)对生成的特征矢量进行处理，降低维数，减少计算量，同时在不降低识别率的前提下，提高识别速度。与传统的PCa算法、FLD算法、EGM算法进行仿真比较，证明该改进算法识别率高、实时性好。

提出了基于PERCLOS的驾驶员疲劳检测方法（肌肉表情算法），通过测量在一定的时间内眼睛闭合时所占的时间比例检测驾驶员的疲劳情况。设计的系统由红外光源、人眼图像传感、图像处理及眼睛而积补偿算法等组成。在提取人眼图像过程中，利用人眼对850nm/940nm这两种波长的红外光线的吸收率的明显差异，得到差分图像后可将眼睛与其余部分分离，同时也避免了背景光线的干扰，特别适合于夜间容易出现疲劳驾驶时段的检测。在眼睛面积的计算过程中，通过面积补偿算法，修正驾驶员眼睛与检测设备距离相对变化引起的误差，提高了检测系统的准确率。体现了唯特视科技核心算法的精准度。
 
（5）改进3D人脸形变模型的建模方程，提高认别精度

在人脸识别技术中，由于单一的2D图像不能提供识别所需要的完整信息，所以识别精度难以提高、在人脸识别过程中，特征提取是影响识别效果的一个重要环节，本项目在传统的主成分分析法和由此改进的2DPCA方法的基础上提出了3D人脸识别方法，该方法将人脸图象分为几个部分分别进行特征提取，充分考虑每个部分所包含的特征信息量的多少，在分类时赋予它们不同的权值因此将人脸用立体图像来表示进行识别，在国内居于领先水平。后续智能摄像机特征值开发算法会超过以色列算法全球领先，双摄像头采集算法可以实现128个特征值。