基于CNN和RNN的像素级视频目标跟踪算法

影像目标跟踪定位技术是当前计算机视觉领域的研究热点,目标跟踪算法也是现阶段将视频结果用于定位的薄弱环节之一.本文分析了像素级目标跟踪存在的问题,根据深度学习在图像领域的最新研究成果与视频跟踪需求,结合最新的图像分割、卷积神经网络(CNN)、循环神经网络(RNN)和加密解码结构等方法提出了一种像素级视频目标跟踪算法.使用公开数据集实现算法并设计了定量评价指标.实验结果表明该算法具有较强的像素级视频目标跟踪定位能力.

基于光场数据的无纹理景物视差估计方法

为了提高无纹理区域视差计算结果,在利用光场子孔径图像立体匹配估计无纹理区域的视差时,采用量化的光场子孔径图像之间的几何关系代替像素值进行立体匹配。根据光场子孔径图像之间的几何关系,计算像素点的极线分割比,用极线分割比代替子孔径图像像素值,提高了像素可区分性。实验结果表明,利用分割比图像得到的视差图结果明显优于利用子孔径图像得到的结果。