人脸识别是典型“像态”识别范畴，是指基于人的脸部特征，对输入的人脸图像进行智能检测与分析，提取其所蕴含的身份属性信息、特征信息及关键点信息等，进而开展人脸活体识别、质量评估、比对及检索等应用。

行人识别是典型的“形态”识别范畴，通过对感知对象的静止肢体以及肢体的变化特征进行认知和描述，以有效表达目标人的体形、体态。

步态识别属于“形态”识别范畴，通过对人的远距离走路姿态的检测、特征提取及识别来验证人的身份的方法，具有非接触式、难隐藏或伪装的特点。

指掌纹属于“像态”范畴，其可基于手掌表面上的各种纹线进行自动识别，通过对比不同生物特征个体指掌纹的纹线特征、点特征、纹理特征、几何特征之间的相似性，将指掌纹信息作为每个人的身份识别对象。

虹膜属于“像态”范畴，基于眼睛中的虹膜进行自动识别，通过对比不同生物个体虹膜图像特征之间的相似性，将眼睛的虹膜特征作为每个人的身份识别对象。

自动识别出视频图像内出现的车辆，并可对车辆进行定位和轨迹跟踪，进一步实现车辆识别、数量统计等。

精准识别视频或图片中的车道线，以此开展车道偏离调整等应用，辅助车辆实现高级智能行驶。

精准识别视频或图片中的道路标识，辅助车辆行驶或支撑交通管理者实现交通秩序的有效管理。

将运动中的车辆牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌照等信息。

对视频图像里的车辆目标进行检测与特征提取，自动判定车辆的车型、车标、车身颜色、车辆局部特征等信息。

对交通监控设备抓拍的违章数据进行自动分析处理，对涉及存在处罚争议或并不能构成处罚的抓拍数据进行自动识别记录、过滤，协助人完成对海量违章数据的快速审核。

对图片、实时、离线视频流、ROI区域设定的人脸进行检测，确定是否存在人脸，若存在则为人脸标记出边框，确定人脸所在的位置坐标。

在一张图片或一段视频中判断是否存在行人，把视频或图片中的行人筛选出来，并返回精确的定位坐标信息。

自动识别出视频图像内出现的车辆，并可对车辆进行定位和轨迹跟踪，进一步实现车辆识别、数量统计等。

针对人群密集、行为异常、遗留物、肢体动作、滞留时间检测、区域位置异常等应用场景，开展智能化的行为分析检测，做到提前感知及预防。

通过对视频或图像进行智能化解析，快速而精准的识别出其所反应的应用场景及所包含的物体，并返回相应的置信度。

自动从语音中提取文本、音素在内的各种声纹信息，智能化的识别出说话人的身份，以达到说话人辨认和说话人确认的目的。

通过对语音的智能化识别，自动判断出给定语音段语言的种类。

从含有噪声的语音中高智能化的提取尽可能纯净的原始语音，从而达到语音清晰可辨别的实际需求目的。

自动从语音中提取包含文本、音素在内的各种信息，实现对指定词语所出现位置的智能化定位。