主要探索当前无监督框架下基于单幅图像学习景深的方法，研究该方法是否能有效应对古建图像固有的结构和纹理重复现象，以及能否达到古建存档要求的厘米级重建精度。具体地，将结构光深度相机获取的数据作为真值，通过直接比较深度图和三维点云，比较在双目相机固定的图像获取方式下和在单相机运动的图像获取方式下基于单幅图像学习景深的精度差异。实验结果表明，尽管因结构和纹理重复现象的存在基于多幅图像的三维重建是一个困难的问题，但对基于单幅图像学习景深的影响一般并不明显。另外，尽管基于单幅图像学习景深在很多公开的室内和室外数据集上均取得了与激光扫描相媲美的精度，但对古建三维重建而言，目前仍难以达到古建数字化存档要求的厘米级重建精度。后续需要进一步探索提高重建精度的途径，特别是基于模型先验约束的方法。

当前卷积神经网络结构未能充分考虑RGB图像和深度图像的独立性和相关性,针对其联合检测效率不高的问题,提出了一种新的双流卷积网络。将RGB图像和深度图像分别输入到两个卷积网络中,两个卷积网络结构相同且权值共享,经过数次卷积提取各自独立的特征后,在卷积层根据最优权值对两个卷积网络进行融合;继续使用卷积核提取融合后的特征,最后通过全连接层得到输出。相比于以往卷积网络对RGB-D图像采用的早期融合和后期融合方法,在检测时间相近的情况下,双流卷积网络检测的准确率和成功率分别提高了4.1%和3.5%。

训练模型复杂且训练集庞大导致深度学习的发展受到严重阻碍。使用Google最新开源的TensorFlow软件平台搭建了用于视频目标跟踪的深度学习模型。介绍了深度学习的原理和TensorFlow的平台特性, 提出了使用TensorFlow软件平台设计的深度学习模型框架结构, 并使用VOT2015标准数据集中的数据设计了相应的实验。经实验验证, 该模型具有较高的计算效率和识别精度, 并可便捷地调整网络结构, 快速找到最优化模型, 很好地完成视频目标识别跟踪任务。