基于颜色和深度信息融合的目标识别方法

被引：17

作者：

吴鑫 ^{[1
,2
]}

王桂英 ^{[1
]}

丛杨 ^{[2
]}

机构：

[1] 沈阳农业大学信息与电气工程学院

[2] 中国科学院沈阳自动化研究所机器人学国家重点实验室

来源：

农业工程学报 | 2013年 / 29(S1)卷 / S1期

关键词：

物体识别; 图像处理; 图像分割; 深度图像; RGB图像; K最邻近节点算法(k-NN);

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

传统的机器视觉采用二维RGB图像,难以满足三维视觉检测的要求,深度图像能直接反映物体表面的三维特征,正逐渐受到重视。该文提出的方案将RGB和深度信息相结合,分割出物体所在区域,并利用梯度方向直方图(HOG,histograms of oriented gradients)分别提取RGB图像和深度图像特征信息。在分类算法上,该文采用k最邻近节点算法(k-NN)对特征进行筛选,识别出目标物体。试验结果表明,综合利用深度信息和RGB信息,识别准确率很高,此方案能够对物体和手势进行很好识别。

引用

页码：96 / 100

页数：5

共 6 条

[1] 机器视觉中物体识别方法的研究与探讨[D]. 王利明.复旦大学. 2009
[2] 基于HOG特征的图像人体检测技术的研究与实现[D]. 周柯.华中科技大学. 2008
[3] LabelMe: A Database and Web-Based Tool for Image Annotation[J] . Bryan C. Russell,Antonio Torralba,Kevin P. Murphy,William T. Freeman.International Journal of Computer Vision . 2008 (1-3)
[4] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[5] How You Become the Controller .2 http://123kinect.com/kinect-forums/Thread-Kinect-How-You-Become-the-Controller . 2012
[6] A discriminatively trained,multiscale,deformable part model .2 Felzenszwalb P,McAllester D,Ramanan D. IEEE Conference on Computer Vision and Pattern Recognition (CVPR2008) . 2008

← 1 →