个人简介

赵勇 副教授 目前承担的主要科研项目： 1．2016.6-2019.6 基于卷积神经网（CNN）的深度驾驶算法研究，深圳市科技计划科研布局项目，项目负责人； 2．2016.6-2017.6 ADAS（先进辅助驾驶）软件算法，深圳市爱培科科技有限公司，项目负责人； 3．2016.6-2021.6 虚拟智能联合研究中心，深圳市丰巨泰科电子有限公司，项目负责人； 4．2015.03-2016.03 基于移动终端的音视频直播及分享系统，深圳市瑞工科技有限公司，项目负责人； 5．2014.03-2015.08 新一代驾驶辅助系统（New Generation of Driving Assistant System)，香港创新署，本校负责人； 6.2014.05-2016.04 视频分析算法的可重构算子研究与应用，深圳市科技计划重点实验室提升，项目负责人； 7.2014.11-2016.09 可用ASIC实现的新一代视频智能分析基础算子研究与开发，深圳市科技计划基础研究项目，项目负责人； 8.2014.01-2016.12 移动互联网环境下面向观众的智慧博物馆关键技术研究及示范，国家科技惠民计划，本校负责人； 9.2013.08-2015.10 低功耗Z-WAP无线自组网芯片模组，2013年国家中小企业发展专项资金项目，本校负责人； 10.2013.09-2014.12 周界及车牌识别算法IVE2.0，深圳市华为海思半导体有限公司，项目负责人；

研究领域

1、基于视频的机器学习、视频与图像的特征提取与分析；2、深度学习及其在辅助驾驶ADAS、工业机器视觉检测与监测、健康监测等领域的应用；3、视频图像的智能分析，包括场景目标的检测、提取、跟踪、识别与行为分析；智能交通中的车牌识别、机动车违章检测等产业化应用。

（1）深度学习的方法、架构、工具、开发环境的研究、基于深度学习的快速目标检测与识别，显著性检测与图像理解、深度学习中间层的特征提取、研究与应用，以及深度学习中卷积神经网的架构创新等方面的研究。 （2）与香港生产力促进局合作，开展深度学习在疲劳驾驶检测、行人检测、机动车检测、车道偏移检测以及在先进辅助驾驶（ADAS）方面的应用研究，并已进入了产业化的阶段。在此基础上，我们进一步开展直接感知驾驶相关信息的深度驾驶研究（2015 ICCV上由普林斯顿大学提出一种性能优越的自动驾驶技术），是未来自动驾驶中的很有潜力的关键技术。 （3）在制造业的工业过程监测、磨具监测、产品及零件的品质检测方面的工作，目前大量依靠人工（人眼）来进行，随着人口红利的消失，基于深度学习的工业机器视觉技术将会有很大的机遇和发展，可以逐步替代目前基于模板匹配的、比较繁琐呆板的机器视觉技术，使工业机器视觉更加智能化和低成本化。 （4）在智能交通方面，研究深度学习在虚拟线圈、车流量统计、人数统计、违章变道、违章停车等方面的应用。我们研发的基于视频的车牌自动识别技术达到了业界最好的水平，其包括车牌的检测、定位、字符分割及识别等，是智能交通中的最核心的技术之一。 （5）智能监控中的动态目标检测、跟踪与行为分析。1997年美国国防高级研究项目署（Defense Advanced Research Projects Agency）设立了以卡内基梅隆大学为首，麻省理工学院等高校参与的视觉监控重大项目VSAM（Visual Surveillance and Monitoring），主要研究用于战场及普通民用场景进行监控的自动视频理解技术，是目前视频监控系统、视频管理系统的一个十分重要的技术。我们利用图像处理、视频分析、以及模式识别等技术开展场景的背景建模，以及在此基础之上的目标的检测、提取、跟踪、识别与行为分析等技术和在安防行业中的应用研究。

近期论文

查看导师新发文章 （温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

1．Y. Zhao and M.N.S. Swamy, "Design of Least-Asymmetric Compactly Supported Orthogonal Wavelets Via Optimization," IEEE Canadian Journal of Electrical and Computer Engineering, Vol. 26, No. 1, January 2001, pp21-26. 2．Y. Zhao and M.N.S. Swamy, "New Technique for Designing Nearly Orthogonal Wavelet Filter Banks With Linear Phase," IEE Proceeding on Vision, Image and Signal Processing, Vol. 147, No. 6, December 2000, pp527-533. 3．Y. Zhao and M.N.S. Swamy, "Techniques for Designing Biorthogonal Wavelet Filters With An Application To Image Compression," Electronics Letters, September, 1999, Vol.35, No. 18, pp1530-1532. 4．Y. Zhao, B. Wang, L. Dong and W. Zhao, ``Applying Incompletely Connected Feedforward Neural Network to Ambulatory ECG Data Compression', Electronics Letters, Vol.33, No.3. 1997. 5．Y. Zhao, ``On-line Neural Network Learning Algorithm with Exponential Convergence Rate', Electronics Letters, Vol. 32, No. 15, 1996.