随着计算机视觉领域的发展,越来越多的计算机视觉任务已经可以应用到人类社会的生活中,同时人们对计算机视觉的要求也越来越高。随着深度卷积神经网络的出现,一些基础的计算机视觉任务结果得到很大的提升。现有的计算机视觉领域的研究大都针对于单一的视觉任务,改进网络结构,并在公开的数据集上验证网络的效果。本文旨在融合多种基础视觉任务,考虑特定场景下的实际情况,权衡精度和时间复杂度构建高级视觉任务,从而满足当今社会对计算机视觉任务更加多样化的要求。本文的主要工作如下:1.基于重识别与目标追踪任务,提出一种人体定位算法。算法使用全尺度特征提取网络提取图像特征,加入了基于度量学习的重识别模块,计算不同人体检测框的相似度,从而判断不同人体检测框内是否为相同人物。最终算法实现对视频中特定人物的精确追踪。2.提出一种基于深度学习的三维人体姿态重构算法。首先改进了二维人体姿态估计算法,提出了用于提取多尺度的语义信息的特征金字塔模块和用于自动学习语义信息的注意力机制模块。其次,融合人体部位分割算法作为三维姿态重构算法的输入,最终重构出精确三维人体模型。3.根据特定场景提出一种人体动作重构算法。首先构建了特定场景的数据集,并在此基础上提出关键帧检测网络,使用卷积神经网络提取图像特征,加入了长短时记忆模块提取时间序列关系。其次,改进了目标检测算法用于辅助物体检测,从而辅助动作重构实现。最终算法实现精确检测视频中关键帧与辅助物体。