目前,全球存在2.53億視障人士,他們的生活和出行都因其視力的障礙而受到極大困擾。傳統(tǒng)輔盲工具功能有限,無法識別動態(tài)的車輛。在我國,電動車及共享單車等各類車輛都在盲道上行駛,給盲人的出行安全帶來極大的威脅。因此,具有物體識別及估距功能的非接觸式盲人視覺輔助的研究有較大的社會意義與工程意義�，F(xiàn)有輔盲設備大都依賴于激光、超聲波等設備檢測障礙物,并不能識別障礙物類別,難以對多個障礙物進行同時測距,因此具有較大的局限性。本工作充分利用計算機視覺系統(tǒng)中目標檢測、識別的結果,在不增加額外傳感器的情況下同時實現(xiàn)多目標的同時估距,為盲人的出行帶來便利。具體地,本工作采用客戶端/服務器（C/S）架構實現(xiàn)了一款智能可穿戴輔盲硬件設備�？蛻舳耸且豁敽喖s的帽子,通過帽子上的攝像頭拍攝盲人眼前圖像,并通過樹莓派與服務器進行數(shù)據(jù)傳輸;在服務器端,在進行對比實驗SSD與YOLOv2算法的實際檢測效果后,采用YOLOv/2算法對盲人眼前障礙物進行檢測、識別,并針對YOLOv2無法識別危險系數(shù)較高的電動車的不足,補充采集各類多角度電動自行車類型圖片以重訓練相應的網絡模型參數(shù),并獲得86.5%準確率;在檢測及識別的基礎上... 

【文章來源】：福州大學福建省 211工程院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

圖１－１共享單車與電動車不文明現(xiàn)象??

波的不同強度和時間差來推斷障礙物的方向和大小，接著利用微處理器和Ａ／Ｄ轉化器將??傳感器數(shù)據(jù)變成立體聲并通過耳機傳給用戶。在這之后，Ｂｏｒｅｎｓｔｅｉｎ等人在１９９２年研發(fā)??出Ｎａｖｂｅｌｔ【４】，該系統(tǒng)由超聲波傳感器、電腦以及耳機組成。如圖１－２?（ａ）所示，計算機從??八個超聲波傳感器接收信息，并通過每個傳感器所在的角度創(chuàng)建一個角度圖，并測算出相??應目標的距離，之后通過避障算法產生各種聲音。該系統(tǒng)相比于Ｅｃｈｏｌｏｃａｔｉｏｎ所能提供位??置與角度更加豐富，定位更加精確。上述系統(tǒng)皆用聲音反饋，而Ｅｃｏｌｅ?Ｐｏｌｙｔｅｃｈｎｉｑｕｅ?Ｆｄｄｄｒａｌｅ??ｄｅＬａｕｓａｎｎｅ?（ＥＰＦＬ）?［５］則使用觸覺反饋，是一個實用度得分較高Ｗ的ＥＴＡ系統(tǒng)。如圖１－??２?（ｂ）所示，其由聲納傳感器、微控制器、八個振動器和一個校準控制臺組成，主要采用??多個聲吶傳感器放置于盲人肩部位置來增加有效范圍，最終通過返回數(shù)據(jù)利用振動器震??動以告知用戶障礙物具體位置。??Ｐ?Ｏｂｊｅｃｔｓ?Ｅｍｂｅｄｄｅｄ?ｎａｖｌａａｔｉｏｎ??＾?Ｃａｌｉｂｒａｔｉｏｎ?Ｃｏｎｓｏｌｅ??＼?Ｈｍ?ｆ???Ｒａｎｇｅ’?＼??ｍｅａｓｕｒｅｍｅｎｔｓ?＼??（ａ）?Ｎａｖｂｅｌｔ測物原理?（ｂ）?ＥＰＦＬ測物原理??圖１－２基于超聲波的障礙物檢測系統(tǒng)??上述基于聲吶的障礙物檢測系統(tǒng)是將傳感器置于盲人某個部位的方式，而基于激光??實現(xiàn)的ＥＴＡ系統(tǒng)大多采用手持進行測距

目標檢測的基本任務就是從目標的圖像中找出所有目標的位置，并給出目標的具體??類別［２２］。對人類來說，從圖像中尋找一類物體輕而易舉，而對于計算機卻很難獲得“圖像??中有車輛”這種較高層次的語義，同時也很難對目標進行定位。如圖１－５所示，傳統(tǒng)目標??檢測的方法分為三個階段：區(qū)域選擇，特征提取及分類器分類。主要流程是在圖像上以一??定方法選擇待檢測區(qū)域，然后對其進行特征提取，最后使用如ＳＶＭｆ％、Ａｄａｂ〇〇Ｓｔ［Ｍ等訓??練好的分類器進行分類，從而確定圖像中物體類別。??圖１－５傳統(tǒng)目標檢測方法流程??通常情況下，目標可能出現(xiàn)在圖像中的任意位置，并且形態(tài)多變，大小各異。在傳統(tǒng)??目標檢測方法中，滑動窗口【２４】為主要的方法。其主要思想是，設置不同的尺度的濾波器來??對整幅圖像進行遍歷。這種窮舉的方法雖然盡可能的包含了物體所可能出現(xiàn)的位置，但是??４??

【參考文獻】：
期刊論文
[1]用于盲人視覺輔助的多目標快速識別并同步測距方法[J]. 吳曉烽,吳麗君,吳振輝,陳志聰,林培杰,文吉成.  福州大學學報(自然科學版). 2018(04)
[2]基于邊緣對稱性的視頻車輛檢測算法[J]. 高磊,李超,朱成軍,熊璋.  北京航空航天大學學報. 2008(09)
[3]基于雙線性插值的圖像縮放算法的研究與實現(xiàn)[J]. 王森,楊克儉.  自動化技術與應用. 2008(07)



本文編號：3586161