基于深度学习的盲人视觉辅助系统设计

发布时间：2022-01-13 09:25

　　目前,全球存在2.53亿视障人士,他们的生活和出行都因其视力的障碍而受到极大困扰。传统辅盲工具功能有限,无法识别动态的车辆。在我国,电动车及共享单车等各类车辆都在盲道上行驶,给盲人的出行安全带来极大的威胁。因此,具有物体识别及估距功能的非接触式盲人视觉辅助的研究有较大的社会意义与工程意义。现有辅盲设备大都依赖于激光、超声波等设备检测障碍物,并不能识别障碍物类别,难以对多个障碍物进行同时测距,因此具有较大的局限性。本工作充分利用计算机视觉系统中目标检测、识别的结果,在不增加额外传感器的情况下同时实现多目标的同时估距,为盲人的出行带来便利。具体地,本工作采用客户端/服务器（C/S）架构实现了一款智能可穿戴辅盲硬件设备。客户端是一顶简约的帽子,通过帽子上的摄像头拍摄盲人眼前图像,并通过树莓派与服务器进行数据传输;在服务器端,在进行对比实验SSD与YOLOv2算法的实际检测效果后,采用YOLOv/2算法对盲人眼前障碍物进行检测、识别,并针对YOLOv2无法识别危险系数较高的电动车的不足,补充采集各类多角度电动自行车类型图片以重训练相应的网络模型参数,并获得86.5%准确率;在检测及识别的基础上... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图１－１共享单车与电动车不文明现象??

波的不同强度和时间差来推断障碍物的方向和大小，接着利用微处理器和Ａ／Ｄ转化器将??传感器数据变成立体声并通过耳机传给用户。在这之后，Ｂｏｒｅｎｓｔｅｉｎ等人在１９９２年研发??出Ｎａｖｂｅｌｔ【４】，该系统由超声波传感器、电脑以及耳机组成。如图１－２?（ａ）所示，计算机从??八个超声波传感器接收信息，并通过每个传感器所在的角度创建一个角度图，并测算出相??应目标的距离，之后通过避障算法产生各种声音。该系统相比于Ｅｃｈｏｌｏｃａｔｉｏｎ所能提供位??置与角度更加丰富，定位更加精确。上述系统皆用声音反馈，而Ｅｃｏｌｅ?Ｐｏｌｙｔｅｃｈｎｉｑｕｅ?Ｆｄｄｄｒａｌｅ??ｄｅＬａｕｓａｎｎｅ?（ＥＰＦＬ）?［５］则使用触觉反馈，是一个实用度得分较高Ｗ的ＥＴＡ系统。如图１－??２?（ｂ）所示，其由声纳传感器、微控制器、八个振动器和一个校准控制台组成，主要采用??多个声呐传感器放置于盲人肩部位置来增加有效范围，最终通过返回数据利用振动器震??动以告知用户障碍物具体位置。??Ｐ?Ｏｂｊｅｃｔｓ?Ｅｍｂｅｄｄｅｄ?ｎａｖｌａａｔｉｏｎ??＾?Ｃａｌｉｂｒａｔｉｏｎ?Ｃｏｎｓｏｌｅ??＼?Ｈｍ?ｆ???Ｒａｎｇｅ’?＼??ｍｅａｓｕｒｅｍｅｎｔｓ?＼??（ａ）?Ｎａｖｂｅｌｔ测物原理?（ｂ）?ＥＰＦＬ测物原理??图１－２基于超声波的障碍物检测系统??上述基于声呐的障碍物检测系统是将传感器置于盲人某个部位的方式，而基于激光??实现的ＥＴＡ系统大多采用手持进行测距

目标检测的基本任务就是从目标的图像中找出所有目标的位置，并给出目标的具体??类别［２２］。对人类来说，从图像中寻找一类物体轻而易举，而对于计算机却很难获得“图像??中有车辆”这种较高层次的语义，同时也很难对目标进行定位。如图１－５所示，传统目标??检测的方法分为三个阶段：区域选择，特征提取及分类器分类。主要流程是在图像上以一??定方法选择待检测区域，然后对其进行特征提取，最后使用如ＳＶＭｆ％、Ａｄａｂ〇〇Ｓｔ［Ｍ等训??练好的分类器进行分类，从而确定图像中物体类别。??图１－５传统目标检测方法流程??通常情况下，目标可能出现在图像中的任意位置，并且形态多变，大小各异。在传统??目标检测方法中，滑动窗口【２４】为主要的方法。其主要思想是，设置不同的尺度的滤波器来??对整幅图像进行遍历。这种穷举的方法虽然尽可能的包含了物体所可能出现的位置，但是??４??

【参考文献】：
期刊论文
[1]用于盲人视觉辅助的多目标快速识别并同步测距方法[J]. 吴晓烽,吴丽君,吴振辉,陈志聪,林培杰,文吉成.  福州大学学报(自然科学版). 2018(04)
[2]基于边缘对称性的视频车辆检测算法[J]. 高磊,李超,朱成军,熊璋.  北京航空航天大学学报. 2008(09)
[3]基于双线性插值的图像缩放算法的研究与实现[J]. 王森,杨克俭.  自动化技术与应用. 2008(07)



本文编号：3586161