一． 新一代信息检索技术

1）扩大图像语义学习的词汇量:

为了适应网络图像内容复杂多样的需求，如何将图像语义学习系统的词汇提高一个数量级，从目前的几十个增加到几百个，上千个。

方案I：充分利用网络图像的用户标识资源，开发我们的训练数据集。

方案II:开发我们的大训练数据集。

2)综合利用不同的图像特征和不同的机器学习算法

通过图像色度纹理空间特征的不同组合，局域与全局特征的选取，不同机器学习算法的有效结合，来提高图像语义学习的性能。

3）图像语义和文本语义的融合

通过图像语义和文本语义的有机结合来提高网络信息检索的准确性。

二．复杂环境下的图像理解与识别

1）在现有技术基础上提高性能

多年来，学者们在以上提到的几个环节已经做出了大量的工作。我们的第一步工作是了解技术动态，有针对性地对个别算法进一步进行探讨和改进，以适应我们的系统要求，并提高系统性能。

2）紧抓关键点，不同算法的有机结合

我们在人力和资源方面和微软这样的大机构没法想比，因此，要做出我们的贡献，必须抓住我们能有所作为的关键点，比如人脸目标的重建。此外，不同算法的有机结合往往能取长补短达到好的效果。这些还有待进一步实验验证。

3）高动态范围图像采集

高动态范围图像采集将从信源方面解决问题，减轻系统对后续技术性能的要求。我们相信，开发出实用的高动态范围图像序列采集系统，将使视频监控系统离实时实用跨出一大步。