本人研究领域主要包括人工智能与计算机视觉相关内容，包括但不限于以下内容：

（1）广域高密度场景下目标智能分析：

    面向广域高密度目标场景（如城市群监测、大规模活动安防），本研究聚焦轻量化深度学习模型与多模态数据融合方法，设计基于注意力机制与知识蒸馏的动态目标检测框架，结合边缘计算优化策略，解决高密度目标遮挡与计算资源受限问题；通过时空图神经网络建模目标交互关系，实现复杂场景下多目标鲁棒跟踪与群体行为推理，为智慧城市与公共安全提供理论支撑。

（2）非线性高速运动目标检测识别

  针对高速运动目标的非线性轨迹与低信噪比特性，研究基于事件相机与频域特征增强的动态感知方法，设计级联式检测-识别架构以平衡实时性与精度；提出物理约束下的混合预测模型（如LSTM-卡尔曼滤波耦合网络），融合运动学先验与数据驱动学习，解决高速目标轨迹突变与交互博弈难题，为无人机反制、空天目标监测等领域提供高动态环境下的理论突破。

（3）无人平台智能感知

   围绕无人平台在复杂环境中的自主感知需求，构建基于鸟瞰图（BEV）的多传感器时空对齐融合框架，利用贝叶斯神经网络量化多源数据不确定性；提出语义SLAM与深度强化学习的协同优化方法，实现动态障碍物识别与风险感知一体化建模，通过轻量化部署与域自适应技术提升极端场景泛化能力，支撑无人系统在开放环境下的实时决策与安全导航。