基于KINECT的室內(nèi)目標(biāo)識(shí)別技術(shù)研究.pdf

1、室內(nèi)目標(biāo)識(shí)別是在室內(nèi)環(huán)境下將一種目標(biāo)從其他目標(biāo)中分離并識(shí)別出來(lái)的過(guò)程，對(duì)于家用服務(wù)機(jī)器人的研發(fā)、家庭監(jiān)控系統(tǒng)的設(shè)計(jì)等應(yīng)用領(lǐng)域具有重要的意義。室內(nèi)環(huán)境下目標(biāo)種類較多、光照條件不穩(wěn)定，這些干擾因素往往影響著目標(biāo)識(shí)別的準(zhǔn)確率，如何克服這些干擾因素并獲得較好的識(shí)別效果是需要解決的一個(gè)難題。本文提出一種基于Kinect彩色與深度圖像特征融合的室內(nèi)目標(biāo)識(shí)別方法，對(duì)圖像的預(yù)處理與目標(biāo)區(qū)域提取、特征提取與特征融合、目標(biāo)識(shí)別分類問(wèn)題進(jìn)行了研究。
　

2、　本文主要工作如下：
　　(1)室內(nèi)目標(biāo)圖像的預(yù)處理與目標(biāo)區(qū)域提取。首先對(duì)室內(nèi)目標(biāo)的彩色和深度圖像進(jìn)行了采集，針對(duì)深度圖像存在空洞無(wú)效區(qū)域的問(wèn)題，提出了一種改進(jìn)的中值濾波方法對(duì)深度圖像的空洞區(qū)域進(jìn)行修補(bǔ)。針對(duì)圖像往往存在噪聲干擾的問(wèn)題，使用均值濾波方法對(duì)彩色和深度圖像進(jìn)行濾波處理。針對(duì)目標(biāo)區(qū)域的提取問(wèn)題，采用深度圖像邊緣檢測(cè)的方法對(duì)室內(nèi)圖像中存在的各種目標(biāo)區(qū)域進(jìn)行提取。
　　(2)室內(nèi)目標(biāo)圖像的特征提取與特征融合。圖像特征多

3、種多樣并且每種特征都具有自身的特點(diǎn)，本文首先分析了常用的顏色特征、形狀特征和紋理特征的提取原理以及各種特征的優(yōu)勢(shì)，然后根據(jù)本文目標(biāo)圖像的實(shí)際情況，選擇了灰度統(tǒng)計(jì)特征、Hu矩特征、小波變換紋理特征作為本文提取的圖像特征。特征的融合可以提高目標(biāo)識(shí)別的效率，本文在分析了像素級(jí)、特征級(jí)和決策級(jí)融合方法的原理后，使用改進(jìn)的PCA方法對(duì)本文特征數(shù)據(jù)進(jìn)行特征級(jí)融合，得到可分性較好的特征作為分類特征。
　　(3)分類器的選擇及分類實(shí)驗(yàn)。分類器的性

4、能對(duì)于目標(biāo)識(shí)別的準(zhǔn)確率具有重要影響，支持向量機(jī)在小樣本的分類問(wèn)題中具有獨(dú)特的優(yōu)勢(shì)，本文選擇支持向量機(jī)作為分類器，首先分析了支持向量機(jī)的基本原理，然后對(duì)支持向量機(jī)的參數(shù)優(yōu)化問(wèn)題進(jìn)行了研究，在分析了網(wǎng)格搜索法、遺傳算法、粒子群算法的特點(diǎn)之后選擇遺傳算法作為參數(shù)優(yōu)化方法，接著對(duì)多種室內(nèi)目標(biāo)的識(shí)別分類問(wèn)題進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，采用本文融合特征作為分類特征的識(shí)別率達(dá)到99.3％，優(yōu)于其他的圖像特征，可以取得較好的識(shí)別效果。
　　本文利用