2010 年 11 月 4 日，微软 Xbox 360 游戏主机的新体感外设——Kinect [3] 正式 上市。虽然给人一种步任天堂 Wii 或索尼 PS Move 后尘的感觉，但凭借从 PrimeSense [4] 处购得的技术，Kinect 较前两者焕然一新。该设备不需要像前两者一样操作额 外的控制器，而只是单纯的通过摄像机来捕捉玩家的身体信息。不仅如此，该设备除了捕捉传统的光学色彩信息，还同时向外发射红外线以探测空间深度信息。由于功能强大、定价适中，原本只是游戏机体感外设的 Kinect 被越来越多的用于数字图像技 术开发，微软也顺水推舟于 2012 年发布了可与 PC 端接驳的“Kinect for Windows”。 这类能够探测空间信息的新型摄像设备，被归类为“RGB-D 摄像设备”。“RGB-D”中的 “D”指代深度（Depth）。顾名思义，此类摄像头所拍摄的图像除了传统的 RGB 色彩 信息以外，还包含了一维深度信息 [3],[4]。68519
这一技术堪称数字图像处理史上的——其意义可与计算机图形界从二维平 面时代迈入三维立体时代相当。以往采用摄像设备采集到的图像均为二维平面图像， 意味着使用者必须面对着一张平面图形，却不得去揣测它的三维意义，图像摄制时受 到的一丝一毫干扰都很容易影响到图像处理的结果，导致研究者长期以来需要花大量 的时间考虑如何对源图像进行降噪处理或避免噪点的影响 [13]；影视界普遍采用的 3D 摄像机利用人眼的视觉原理，用两台摄像机从两端分别拍摄的画面制造 3D 视觉假 象，但这种方法不仅麻烦、工作条件苛刻，还无法得到物体准确的深度信息 [2]。RGB- D 摄像设备的诞生，意味着摄像机捕捉到的图像不再是一幅幅平面图形，而是带有立 体信息的图片。论文网
将传统的色彩信息和深度信息巧妙地结合利用，就有大大提升数字图像处理质量、 效率的可能 [2]。在这一领域，已经有大量学者的实验证明，将色彩信息和深度信息 结合并加以灵活利用（经常用到的方法是利用深度信息，对摄像机拍摄到的场景进行 三维重构，再利用重构数据进行计算 [2]，[14]），在提高图像分割 [2]、图像识别 [2]、图像侦测 [2]、图像探索 [14]、视频注释 [2],[15] 和场景标记 [15]的准确 率、泛用性和抗干扰能力上均有奇效。
参 考 文 献
[1] R。 Gonzalez 与 R。 Woods 著，阮秋琦、阮宇智等译，《数字图像处理》（第三 版），电子工业出版社，2013 年。
[2] Lai, K。 Liefeng Bo ; Xiaofeng Ren ; Fox, D。 A large-scale hierarchical multi-view RGB-D object dataset, 2011 IEEE International Conference on Robotics and Automation (ICRA), 1817 – 1824
[3] Microsoft Kinect。 http://www。xbox。com/en-us/kinect。 [4] PrimeSense。 http://www。primesense。com/。
[5] RGB-D Object Dataset。 http://rgbd-dataset。cs。washington。edu/ [6] OpenCV。 http://opencv。org/
[7] P。 Kaewtrakulpong and R。 Bowden。 An improved adaptive background mixture model for realtime tracking with shadow detection。 In European Workshop on Advanced Video Based Surveillance Systems, 2001。
[8] Martin A。 Fischler and Robert C。 Bolles。 Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography。 Commun。 ACM, 24(6):381–395, 1981。
[9] Yan Song, Jinhui Tang, Fan Liu, Shuicheng Yan。 Body Surface Context: A New Robust Feature for Action Recognition from Depth Videos。 IEEE Transactions on Circuits and Systems for Video Technology。 In 2014。 [10] MRPT。 http://www。mrpt。org/
[11] L。 Luccheseyz and S。 K。 Mitray, "Color Image Segmentation: A State- of-the-Art Survey", PINSA, 2001。 摄像机图像分割算法研究现状和参考文献:http://www.751com.cn/yanjiu/lunwen_77078.html