室内目标识别是在室内环境下将一种目标从其他目标中分离并识别出来的过程,对于家用服务机器人的研发、家庭监控系统的设计等应用领域具有重要的意义。室内环境下目标种类较多、光照条件不稳定,这些干扰因素往往影响着目标识别的准确率,如何克服这些干扰因素并获得较好的识别效果是需要解决的一个难题。本文提出一种基于Kinect彩色与深度图像特征融合的室内目标识别方法,对图像的预处理与目标区域提取、特征提取与特征融合、目标识别分类问题进行了研究。本文主要工作如下:(1)室内目标图像的预处理与目标区域提取。首先对室内目标的彩色和深度图像进行了采集,针对深度图像存在空洞无效区域的问题,提出了一种改进的中值滤波方法对深度图像的空洞区域进行修补。针对图像往往存在噪声干扰的问题,使用均值滤波方法对彩色和深度图像进行滤波处理。针对目标区域的提取问题,采用深度图像边缘检测的方法对室内图像中存在的各种目标区域进行提取。(2)室内目标图像的特征提取与特征融合。图像特征多种多样并且每种特征都具有自身的特点,本文首先分析了常用的颜色特征、形状特征和纹理特征的提取原理以及各种特征的优势,然后根据本文目标图像的实际情况,选择了灰度统计特征、Hu矩特征、小波变换纹理特征作为本文提取的图像特征。特征的融合可以提高目标识别的效率,本文在分析了像素级、特征级和决策级融合方法的原理后,使用改进的PCA方法对本文特征数据进行特征级融合,得到可分性较好的特征作为分类特征。(3)分类器的选择及分类实验。分类器的性能对于目标识别的准确率具有重要影响,支持向量机在小样本的分类问题中具有独特的优势,本文选择支持向量机作为分类器,首先分析了支持向量机的基本原理,然后对支持向量机的参数优化问题进行了研究,在分析了网格搜索法、遗传算法、粒子群算法的特点之后选择遗传算法作为参数优化方法,接着对多种室内目标的识别分类问题进行了实验。实验结果表明,采用本文融合特征作为分类特征的识别率达到99.3%,优于其他的图像特征,可以取得较好的识别效果。本文利用Kinect传感器对室内各目标物体进行了识别分类研究,使用彩色图像和深度图像多种特征的融合作为分类特征,得到了较好的结果,对于室内智能识别系统的设计及开发具有重要的参考价值。