，

(河海大学 计算机与信息学院，南京 211100)

0 引言

场景识别是机器视觉领域一个极富挑战性的课题，它的研究目标是使计算机能够对图像或视频进行处理，自动识别和理解图像或视频中的场景信息。如Google、Flickr、Facebook这些网站每天都要处理海量的图像数据，需要使用计算机对图像进行自动地理解和分类，而场景识别技术在这项应用中扮演着十分重要的角色。另外在自动驾驶、道路交通[1]、机器人、视频监控等应用领域，场景识别都有广阔的应用前景，因此场景识别技术开始变得越发重要。

由于场景识别技术的广泛应用前景，该课题一直吸引着许多关注，Li Fei-Fei和Pietro Perona[2]曾提出了使用视觉词袋(bag of visual word，BOVW)模型与潜在狄利克雷分布(latent dirichlet allocation ，LDA)[3]模型结合的中层语义方法进行场景识别；Aude Oliva和Antonio Torralba[4]强调了全局特征的重要性，提出使用全局特征进行场景识别的空间信封模型(spatial envelope model)；Lazebnik等人[5]则对传统的视觉词袋模型进行优化，加入空间信息，提出了空间金字塔匹配(spatial pyramid matching，SPM)方法；Bolei Zhou[6]等人等尝试用深度学习技术解决场景识别问题，他们使用场景数据集训练的Places-CNN进行场景识别，并且取得了不错的效果。国内方面，江悦等人[7]使用改进的空间金字塔匹配方法进行场景识别；钱夔等人[8]将场景识别技术与机器人技术结合，并且取得了不错的实践效果；任艺等人[9]则对传统的潜在狄利克雷分布模型进行改进，提高了场景识别的效率。

传统的场景识别方法，一般使用底层特征或高层特征[10]，这些的方法的优点简单易行，具有良好的逻辑性，符合人类的直观认知。……