[发明专利]基于多任务度量多核学习的室内RGB‑D场景图像识别方法

摘要

本发明涉及一种基于多任务度量多核学习的室内RGB‑D场景图像识别方法，包括以下步骤分别对室内RGB‑D场景图像中的彩色图像和对应的深度图像提取全局特征，对彩色图像特征和对应深度图像特征构建一个映射函数，将这两种图像特征同时映射到修正空间中，形成修正彩色图像特征和修正深度图像特征，最后，针对这两种修正特征，构建多核室内场景分类器模型，对待分类场景图像进行分类。本发明直接针对室内RGB‑D场景图像本身进行识别，避免了因物体存在的多样性而造成的识别错误和因物体识别错误而造成的场景判断错误，提高了室内RGB‑D场景图像类别识别的准确率。

主权项

基于多任务度量多核学习的室内RGB‑D场景图像识别方法，其特征在于：该方法包括以下步骤：步骤一，将室内RGB‑D场景图像训练集中的每一幅RGB‑D场景图像的每一张彩色图像和与彩色图像对应的深度图像通过卷积神经网络分别提取彩色图像特征和对应深度图像特征；所述彩色图像特征和对应深度图像特征均为全局特征；步骤二，通过多任务度量学习方法构建映射函数，得到特征映射矩阵，然后将所述彩色图像特征和所述对应深度图像特征同时通过所述特征映射矩阵映射到修正特征空间中，并得到修正彩色图像特征和修正深度图像特征；步骤三，将所述修正彩色图像特征和所述修正深度图像特征一一对应，然后将所述修正彩色图像特征和所述修正深度图像特征的特征向量拼接为一个特征向量，形成修正RGB‑D图像特征；再通过多核学习方法，对修正RGB‑D图像特征进行学习，得到多核室内场景分类器模型；步骤四，通过步骤一将待识别的室内RGB‑D场景图像提取待识别彩色图像特征和待识别对应深度图像特征，然后通过步骤二中的所述特征映射矩阵将待识别彩色图像特征和待识别对应深度图像特征映射到修正特征空间中并形成待识别修正彩色图像特征和待识别修正深度图像特征，并将待识别修正彩色图像特征和待识别修正深度图像特征一一对应并拼接成待识别修正RGB‑D图像特征，最后将待识别修正RGB‑D图像特征输入到所述多核室内场景分类器模型中，得到分类结果，完成室内场景图像的识别。