场景识别是计算机视觉的重要课题之一,在许多领域已经得到广泛应用,主要包括大型数据库的图像信息检索、机器人的移动定位与环境交互、安防监控领域的事件检测等。场景识别具有重要的研究和应用价值。室内场景识别相较于室外场景识别是更具挑战性的计算机视觉任务,这是由室内场景本身的复杂性决定的。室内场景的深度信息可以有效提高室内场景的识别效果。卷积神经网络已被证明在大型图像识别上具有出色的表现。本文针对传统计算机视觉方法在室内场景识别中存在的识别准确率低、手动提取的特征不够泛化等问题,提出使用CNNs模型对包含深度信息的RGB-D室内场景图像进行场景识别的研究。本文首先调研了室内场景识别的研究背景与意义,分析了室内场景识别的技术难点与挑战性。深入研究了场景图像的特征选择与提取方法,分析了传统计算机视觉方法与卷积神经网络模型的优缺点。基于AlexNet网络结构,本文根据不同的输入特征设计5个不同的CNNs模型,使用Adam方法进行训练,通过试验分析CNNs模型对室内场景识别的效果以及深度信息对识别效果的影响。为了进一步探讨CNNs模型的内在视觉机制,本文对CNNs的参数做可视化效果呈现,分析CNNs模型的视觉机理。此外,本文还使用反向传播算法计算出给定场景图像给定分类标签下CNNs模型对图像的显著图并可视化,探讨室内场景识别的注意力机制。试验结果表明CNNs模型获得的分类准确率远高于传统的计算机视觉方法,增加深度信息可以有效提高场景分类的准确率。CNNs模型可以自动提取图像特征,模型对不同场景的注意力焦点是不同的,可以据此设计出更好的网络结构和选择更加适合场景分类的图像特征。