物体识别是人们对图像内容进行理解的基础,在图像检索、视频安防、人工智能等重要领域应用广泛。近年来,物体识别技术研究已经取得了很大的进步,但在物体距离等特性描述以及如何建立简单有效的物体识别方法等方面研究仍存在不足。因此,对物体识别的深入研究有着重要的实际意义与应用前景。近年来,深度信息采集设备的快速发展,为广大研究者解决上述物体识别问题创造了条件。本文以英特尔RealSense D435深度摄像头为基础,进行了物体识别的工作研究。本文工作主要分为以下几个方面:首先,构建了基于深度特征和颜色特征的物体识别系统,分析了D435深度摄像头的成像原理,对深度数据信息和RGB数据流进行关联处理,形成了位置匹配的深度图像和RGB图像。然后,对物体进行颜色特征和深度特征的提取。首先,通过RGB图像获取物体的颜色特征。分析颜色空间的特性,选择了符合人类视觉系统的HSV颜色空间,并对物体进行颜色特征描述,再用颜色特征对物体进行特征编码,并将物体的颜色特征编码存储在样本数据库中;其次,通过深度图像获取物体的深度特征。针对深度摄像头D435所获取深度图像存在噪声问题,分析了图像的主要噪声类型,采用最近邻插值的方法对深度图像中的孔洞区域进行修复,用中值滤波算法对图像的边缘毛刺进行滤波。再根据目标物体与背景存在深度差的特点,获得目标物体区域,并用物体像素与背景像素之比表示物体形状特征,同时,通过物体深度与物体成像的关系获得物体实际大小特征。最后,用物体的形状与大小对物体进行深度特征描述,并用深度特征对物体进行特征编码,将深度特征编码存储在样本数据库中。最后,采取融合物体颜色特征和深度特征的方法,建立物体识别系统。将待测物体与样本数据库中的物体进行特征匹配,并输出目标物体。实验结果表明,将颜色特征与深度特征融合之后,物体的识别率提高了近10%,明显高于基于单特征的物体识别率;与现有的深度学习识别方法和核描述子识别方法进行比较,本文的识别方法更简单,特征提取与描述过程简单,同时也达到了更高的物体识别率。