在畜牧养殖中，由于养殖规模大、劳动力昂贵，无法通过人工对动物进行连续、客观的监测。计算机视觉技术可以从视频监控中生成准确、实时的个体动物或动物群体信息。然而，动物之间频繁的遮挡以及光照条件变化引起的外观特征的变化使得单摄像头系统的吸引力降低。我们提出了双摄像头系统和图像配准算法来空间融合来自不同视点的信息来解决这些问题。本项目提出了一种基于可变形学习的配准框架，其中输入图像对最初是线性预配准的。然后，采用无监督卷积神经网络来拟合从一个视图到另一个视图的映射，使用大量未标记的样本进行训练。然后将学习到的参数用于半监督网络，并使用少量手动注释的地标进行微调。引入实际像素位移误差作为图像相似性度量的补充。所提出的微调方法的性能在真实农业数据集上进行了评估，并且与常用的基于特征和基于强度的方法相比，在降低配准误差方面取得了显着的改进。这种方法还将未见过的图像对的配准时间减少到不到 0.5 秒。该方法为改进后续任务（例如多目标跟踪和动物行为识别）提供了高质量的参考处理步骤，以供进一步分析。

在运动想象范式下对正常被试的头皮脑电信号进行采集。 采用时频域变换方法，mixup数据增强策略，并结合深度学习框架对脑电信号做分类判别，以达到将脑电信号翻译成现实指令的目的。 为运动想象脑机接口的应用提供方法和思路上的参考。

现实中，有数百万人患有严重的身体残疾丧失了交流以及与环境互动的能力，然而其感觉和认知功能通常仍然完好无损。这为利用BCI技术以改善患者生活质量提供了可能。P300-Speller是基于EEG的BCI系统中最热门的应用之一。正被用来解析那些思维正常却行动不便的病人的真实意图和想法，P300-Speller允许用户使用图形用户界面（GUI）与环境进行通信，可以让患者在生活上更加独立，甚至在一定程度上恢复他们的社交生活。因此，研究P300脑机接口技术具有极高的实际应用价值。