[發(fā)明專利]一種有噪環(huán)境下的場景識別方法

有效

• 申請?zhí)枺?/td>: 201610103825.5
• 申請日: 2016-02-25
• 公開（公告）號: CN105590108B
• 公開（公告）日: 2018-08-17
• 發(fā)明（設(shè)計）人: 陶大鵬;郭亞男;楊喜鵬
• 申請（專利權(quán)）人: 云南大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 昆明大百科專利事務(wù)所 53106
• 代理人: 王輝

本發(fā)明的涉及一種有噪環(huán)境下的場景識別方法技術(shù)領(lǐng)域，包括以下步驟：1)利用傳感器獲取場景圖像，內(nèi)含標(biāo)記的樣本；2)分別對場景的彩色圖像和深度圖像(depth image)進(jìn)行特征提取和特征表達(dá)，合并同一組的彩色圖像特征和深度圖像(depth image)特征；3)選擇特征選擇算法對標(biāo)記的樣本用第2步得到的特征獲取特征選擇模型；4)采用分類器進(jìn)行分類。本發(fā)明的有益效果是在有噪環(huán)境下對場景進(jìn)行準(zhǔn)確識別，保證了在樣本混入噪聲以后同樣也具有一定辨識能力；因此就改善了室內(nèi)場景數(shù)據(jù)集中混有噪聲情況下的性能。

技術(shù)領(lǐng)域

本發(fā)明屬于一種場景識別方法技術(shù)領(lǐng)域，尤其屬于一種在有噪環(huán)境下的場景識別方法技術(shù)領(lǐng)域。

背景技術(shù)

一般說來，場景分類可以看做是一種視角獨(dú)立的物體識別問題，一個場景是由一系列的實體組成。例如，室內(nèi)場景會包含有椅子、桌子、人和書架，而這些事物的擺設(shè)也不是固定不變的。對場景的準(zhǔn)確識別有助于解決很多實際應(yīng)用，比如基于內(nèi)容的圖像檢索，機(jī)器人路徑規(guī)劃技術(shù)和圖像標(biāo)注，等等。現(xiàn)如今，場景識別越來越受到了研究人員的關(guān)注。

廣泛的研究表明特征提取后獲取的圖像特征維數(shù)很高，受限于計算資源，較高的特征維度會影響RGB-D(結(jié)合彩色圖像和深度圖像(depth image))傳感器組成的場景識別系統(tǒng)的實用性。縱然現(xiàn)有的特征選擇技術(shù)可以使得高維特征變得更加簡潔和有效，但是現(xiàn)有的特征選擇方法忽略了在樣本中混有大量噪聲的問題，然而，在實際的應(yīng)用中，由于系統(tǒng)的復(fù)雜度問題和設(shè)備處理精度問題常常會摻雜很多的噪聲，那么現(xiàn)有的特征選擇算法的識別效果就會有一定的局限性。

經(jīng)檢索，已經(jīng)公開的場景識別方法專利經(jīng)檢索已有百篇以上，但是在有噪環(huán)境下的場景識別方法為數(shù)不多，本發(fā)明結(jié)合柯西估計理論，形成流形柯西學(xué)習(xí)算法，達(dá)到了有噪環(huán)境下對場景的準(zhǔn)確識別。

發(fā)明內(nèi)容

本發(fā)明詳細(xì)描述了一種有噪環(huán)境下的場景識別方法和一種新的特征選擇算法——流形柯西學(xué)習(xí)算法。

本發(fā)明采用如下技術(shù)方案實現(xiàn)。

一種有噪環(huán)境下的場景識別方法，包括以下步驟：1)利用傳感器獲取場景圖像，內(nèi)含標(biāo)記的樣本；2)分別對場景的彩色圖像和深度圖像(depth image)進(jìn)行特征提取和特征表達(dá)，合并同一組的彩色圖像特征和深度圖像(depth image)特征；3)選擇特征選擇算法對標(biāo)記的樣本用第2步得到的特征獲取特征選擇模型；4)采用分類器進(jìn)行分類。

本發(fā)明所述的步驟1)是利用Kinect傳感器獲取場景圖像。

本發(fā)明所述的步驟2)具體為，將所有圖像轉(zhuǎn)換成灰度圖，對圖像進(jìn)行縮放，然后對彩色圖像和深度圖像(depth image)的局部塊上用尺度不變特征轉(zhuǎn)換(SIFT)方法提取特征，再采用局部限制線性編碼(LLC)算法進(jìn)行特征表達(dá)。

本發(fā)明所述的步驟3)特征選擇算法為流形柯西學(xué)習(xí)算法，具體步驟如下：