图像处理与模式识别技术研究所拥有超级AI计算服务器及多台高性能GPU计算服务器用于大规模机器学习，建立了医工交叉学科的脑机接口平台、智能医学影像分析平台、小动物成像系统、脑调控分析平台等。近年来承担了多项国家和省部级课题。主要研究方向如下：

1)利用人脑处理多模态信息的层次表征机制，从计算体系结构、计算原理和算法等方面提出全新的思路，尤其是面向现实中复杂的多模态异构数据，改变现有的信息处理机制，全面提升计算机的感知和认知能力；

2)研究新型的类脑计算新范式，提取融合多种模态数据的有效特征进行融合，应用于大规模跨模态检索、智能人机交互、生物医学信号处理等领域；

3)研究视听觉、触觉、运动以及高级脑功能，如学习、记忆、决策等的深层次脑信息处理机理，设计适用于脑-计算机接口任务的新型视听觉、运动等范式，结合动物模型和临床需求, 研发侵入式和非侵入式关键技术，提升脑-计算机接口的信息传输性能；

4)研究脑部外伤、肢体残疾的神经反馈机理，结合FES、外骨骼、VR/AR等技术，设计新型的脑机接口范式用于神经通路的可塑性修复和重建、意识状态恢复。

5)研究步态识别。随着智能监控需求的提高，常常需要从远距离来进行人的身份识别，步态识别是目前能做到远距离的身份识别技术之一。步态识别主要是利用行走过程中个体步态之间的差异来识别人的身份。

6）研究表情/微表情检测与识别。微表情是在人们在试图压抑、隐藏真实情感过程中所表现出来的一种快速、不易察觉的面部表情。针对微表情表达不够精细，研究微表情的特征学习表达，针对微表情样本少的问题，研究表情到微表情的迁移学习问题。

学科部分实验室和成果展示