马德里指纹错案的出现使得现行指纹鉴定体系不断受到挑战和质疑。以指纹二级特征的统计规律为基础的量化鉴定技术成为了新的研究难点与热点，而指纹二级特征的自动检测与分类是实现指纹二级特征自动统计的基础。因此，提出一种基于YOLOv5的指纹二级特征检测方法。首先，建立指纹二级特征数据集，共包含4000张带标注的指纹图像；其次，根据指纹二级特征点尺寸小且分布密集的特点，对YOLOv5网络结构进行改进，删除原有的32倍下采样大目标特征检测层，添加新的微小特征融合层；再使用Feature Pyramid Networks（FPN）、Pyramid Attention Network（PAN）和Spatial Pyramid Pooling（SPP）结构通过融合多种尺度的方式实现局部特征和全局特征提取；最后，添加Squeeze-and-Excitation（SE）通道注意力机制模块，有效增强模型的鲁棒性和密集小目标的检测能力。实验结果表明，相比于原模型，改进后YOLOv5s_FI模型，在检测速度基本不变的情况下，平均精度均值（mAP0.5）从93.0%提高到97.4%，且权重缩减了3/4。

结合现场鞋印和周边监控视频锁定犯罪嫌疑人是公安机关刑事侦查破案的一种重要技战法，然而该技战法自动化程度低、耗时耗力，限制了应用范围。针对这一问题，本文提出一种基于YOLOv4算法的目标检测方法，可实现对监控视频下行人鞋部的自动检测。根据行人鞋部区域的特点，首先使用K-means聚类算法获得先验框尺度，并确定其数量；然后根据构建的数据集选取合适的检测层以强化对鞋部特征的学习；最后，通过多尺度特征融合，将调整后的空间金字塔池化结构迁移到剪枝后的网络内，增强模型的学习能力。结果表明，提出的YOLOv4_shoe算法训练权重仅为39.56 MB，参数量约为原模型的六分之一，mAP值达到了97.93%，比原YOLOv4模型提升了2.07%。

根据现场遗留鞋印推断出作案人所穿鞋型，再从周围监控视频中搜索嫌疑鞋型已成为公安机关侦破案件的重要技战法。针对该技战法完全依赖人工筛查、受主观影响大、易造成漏检等问题，提出了一种基于注意力机制的鞋型识别算法。首先，建立了贴近公安刑侦实战、样本容量为300的多背景监控鞋型数据集。然后，提出了一种注意力机制模型，以增强残差网络（ResNet50）对鞋子重要特征的提取能力。最后，对比了选取不同特征层输出作为鞋子特征及不同卷积特征聚合方法对识别精度的影响。为了增强模型的泛化能力，在损失函数中加入Label Smoothing。在多背景数据集上的实验结果表明，本算法的Rank-1、平均精度均值分别达到74.32%和56.97%。

基于鞋样的视频追踪技术是公安机关刑事侦查的一种常用技战法,在公安实战中起到巨大的作用,然而该项技术大量依赖于人工筛选,工作量大且效率低,容易出现漏检的状况。鉴于此,提出一种基于SSD(Single Shot MultiBox Detector)模型的鞋子自动检测算法,实现对行人鞋子的自动检测与定位。首先对SSD模型的结构和先验框参数进行设计,使其符合鞋子检测的实际应用。然后采用调节网络参数的方法提高网络的检测性能和稳定性,完善适用于鞋子检测的网络模型和方法,最终得到准确且高效的单类别鞋子检测网络。最后在课题组前期构建的鞋样本数据库中进行性能评价。实验结果表明,所提算法的平均精度达到0.891。

高光谱图像（hyper spectral imagery，HSI）分类已成为探测技术的重要研究方向之一，同时也在**和民用领域得到广泛运用。然而，波段数目巨大、数据冗余、空间特征利用率低等因素已成为高光谱图像分类的挑战，且现有的高光谱分类大多利用可见光或短波红外高光谱数据分类。针对这些问题，本文提出了一种基于光谱和空间特征的 K-means分类方法。首先提取空间特征，然后将光谱与空间特征相结合并降维，最后引入 K-means算法得到较普通 K-means更佳的分类结果。并将此算法运用在长波红外的高光谱图像分类中。

根据环境污染气体监测的广谱需求, 提出了宽谱段红外光谱遥测方法, 利用长波红外傅里叶干涉光谱技术, 向长波红外大气窗口短波端外扩展了仪器响应波段, 使之在一定条件下能够探测多数常见工业气体的指纹特征。在7.0 ～14.5 μm波段内, 采用差谱法和亮温法, 可监测多种常用工业有毒有害气体, 并可给出以浓度程长积表征的概略浓度。介绍了遥测光谱仪的性能表征方法, 例举了实用型产品PARES100对11种常用工业有毒有害气体的应用实例。

对于异源可见光与红外图像配准，以互信息为相似性度量条件，以粒子群算法为搜索算法，在搜索空间中搜索极大值点，通过改变图像分辨率，由粗到精，逐步实现可见光图像与红外图像的配准，对粒子群算法、统计互信息和仿射变换3 个部分的内在并行性，利用CUDA C 语言实现GPU-CPU 异构编程。实验证明，在不降低精度的前提下提高了算法效率，得到了很好的加速比，算法正确匹配率高，鲁棒性好，计算效率高。

报道了地面长波红外遥测的新进展, 具体阐述了窗扫时空调制傅里叶光谱成像技术的实现过程。 演示装置基于角锥反射镜Michelson干涉具, 构成了空间调制干涉; 采用了制冷型长波红外焦平面探测器组件, 通过对数据立方体的采集、 重组、 基线校正、 切趾、 相位校正和傅里叶变换等处理, 实现了长波红外波段高光谱成像。 自研的CHIPED-1长波红外高光谱成像原理实验装置的探测灵敏度指标噪声等效辐射通量密度NESR在单次采样时达到了5.6×10-8 W·(cm-1·sr·cm2)-1, 与商品化时间调制干涉高光谱成像仪相当; 反映了技术的先进性,并留有较大的改进空间。 通过测试聚丙烯薄膜的透过率曲线, CHIPED-1红外高光谱成像原理实验装置的光谱响应范围达到了11.5 μm。 文章还以室外高楼和乙醚气体的探测实验为例, 研究了二维分布化学气体VOC的高光谱成像探测方法。 在复杂背景和低试验浓度情况下, 从同一波数的红外光谱切片上, 观察不出乙醚蒸气的存在, 但是进行了差谱处理后, 可以清楚看到乙醚蒸气的空间分布。 高光谱方法应用在有机蒸气VOC的红外探测领域, 相对于宽波段热成像方法, 具有灵敏度高、 抗干扰能力强和识别种类多等诸多优势。

复杂环境中稳健的红外目标跟踪在自主导航、无人机探测、预警等方面具有重要研究意义。就经典粒子滤波红外目标跟踪算法中单一的灰度特征缺乏鲁棒性引起跟踪失效的问题，提出了一种基于特征融合的粒子滤波红外目标跟踪算法。结果表明，该算法能够从跟踪鲁棒性、准确性和实时性 3个方面实现稳健的红外目标跟踪。

盲元一直是影响红外焦平面探测器成像质量的重要因素之一。探索了一种基于分步搜索策略的自适应盲元检测算法, 无需借助黑体等辅助定标设备, 完全基于场景信息即可对探测器使用过程中不断出现的新盲元进行有效检测。