基于機(jī)器視覺的智能導(dǎo)盲系統(tǒng)的開發(fā)與設(shè)計(jì)

劉宇紅++劉超++何騰鵬

摘 要系統(tǒng)利用機(jī)器視覺、數(shù)字圖像處理與識(shí)別、深度學(xué)習(xí)、計(jì)算機(jī)網(wǎng)絡(luò)等前沿技術(shù)，實(shí)現(xiàn)了對(duì)使用者前方障礙物的類別、方位、距離的綜合探測，同時(shí)實(shí)現(xiàn)衛(wèi)星定位、語音播報(bào)、3G網(wǎng)絡(luò)通信和短信聯(lián)系家人等功能。系統(tǒng)采用本地-服務(wù)器遞進(jìn)識(shí)別方案，在前端與云服務(wù)器端分別利用模板匹配與深度學(xué)習(xí)完成對(duì)常見障礙物以及非常見障礙物的識(shí)別。

【關(guān)鍵詞】深度學(xué)習(xí) 機(jī)器視覺 Opencv 雙目攝像頭 本地-服務(wù)器遞進(jìn)識(shí)別

1 引言

目前市場上的導(dǎo)盲產(chǎn)品，大多數(shù)還只是停留在研制或者試戴完善階段，且功能單一、智能水平較低。如智能導(dǎo)盲眼鏡，在國際和國內(nèi)都有團(tuán)隊(duì)和個(gè)人進(jìn)行過研究，但都始終停留在性能檢測與可行性論證階段，至今并未對(duì)其進(jìn)行產(chǎn)品的批量化生產(chǎn)，尤其是在國內(nèi)，對(duì)智能導(dǎo)盲設(shè)備的研發(fā)更是剛剛處于起步階段，距大規(guī)模產(chǎn)品化、商業(yè)化還有很長的一段距離。鑒于此，目前迫切需要一種專門為視覺障礙者研制開發(fā)的便捷、高效的智能導(dǎo)盲設(shè)備。

2 系統(tǒng)體系結(jié)構(gòu)

系統(tǒng)通過雙目攝像頭采集使用者前方的環(huán)境圖像，獲取的圖像采用本地-服務(wù)器遞進(jìn)方案進(jìn)行識(shí)別，即先由主控單元對(duì)常見物體通過圖像模板匹配和視差圖進(jìn)行識(shí)別與測距，如無法辨別，再利用3G模塊的網(wǎng)絡(luò)通信功能發(fā)送至云服務(wù)器，云服務(wù)器利用深度學(xué)習(xí)與雙目測距等算法，從上傳的圖像中獲取障礙物距離與類別信息，并將信息以文本格式發(fā)送回智能視覺終端，再由語音模塊將其轉(zhuǎn)化成語音信息，通過語音方式告知盲人。

3 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

3.1 視頻采集設(shè)備驅(qū)動(dòng)程序設(shè)計(jì)

視頻采集設(shè)備可視為一個(gè)平臺(tái)總線設(shè)備對(duì)象，該對(duì)象將設(shè)備的資源封裝在設(shè)備對(duì)象中。平臺(tái)設(shè)備對(duì)象需要使用platform_device_register（）函數(shù)向系統(tǒng)注冊(cè)此設(shè)備。結(jié)合camera控制器設(shè)備的特點(diǎn)，注冊(cè)方法為platform_device_register （device_camera）。該注冊(cè)函數(shù)會(huì)調(diào)用platform_device_add（）函數(shù)，將平臺(tái)設(shè)備掛到平臺(tái)總線上，并向內(nèi)核申請(qǐng)平臺(tái)設(shè)備所需的資源，接著將平臺(tái)設(shè)備對(duì)象轉(zhuǎn)化為內(nèi)核設(shè)備對(duì)象，調(diào)用device_add（）函數(shù)進(jìn)行處理，將內(nèi)核設(shè)備對(duì)象加入到內(nèi)核設(shè)備樹中，最后調(diào)用device_attach函數(shù)完成設(shè)備對(duì)象與設(shè)備驅(qū)動(dòng)對(duì)象的綁定工作。

3.2 雙目測距原理

雙目測距根據(jù)相似三角形原理實(shí)現(xiàn)，其方法如下：

（1）雙目校正和標(biāo)定，獲得攝像頭的參數(shù)矩陣。

（2）立體匹配，獲得視差圖。

（3）采用BM算法生成視差圖，如果左右匹配點(diǎn)比較稠密，匹配點(diǎn)多，得到的圖像與原圖相似度比較大，如果匹配點(diǎn)比較稀疏，得到的點(diǎn)與原圖相似度比較小。

（4）得出測距。

（5）把生成的視差圖輸入到reprojectImageTo3D（）函數(shù)，生成3D點(diǎn)云，3D點(diǎn)云中保存有2D圖像的三維坐標(biāo)，再讀出每幀圖像的三維坐標(biāo)中的z軸的值，就得出了距離數(shù)據(jù)。

3.3 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)訓(xùn)練過程如下：

3.3.1 自下而上非監(jiān)督學(xué)習(xí)

采用無標(biāo)定數(shù)據(jù)分層訓(xùn)練各層參數(shù)，首先用無標(biāo)定數(shù)據(jù)訓(xùn)練第一層，訓(xùn)練時(shí)先學(xué)習(xí)第一層的參數(shù)，由于模型容量的限制以及稀疏性約束，使得得到的模型能夠?qū)W習(xí)到數(shù)據(jù)本身的結(jié)構(gòu)，從而得到比輸入更具有表示能力的特征；在學(xué)習(xí)得到第n-1層后，將n-1層的輸出作為第n層的輸入，訓(xùn)練第n層，由此分別得到各層的參數(shù)；

3.3.2 自頂向下的監(jiān)督學(xué)習(xí)

通過帶標(biāo)簽的數(shù)據(jù)去訓(xùn)練，誤差自頂向下傳輸，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)?；诘谝徊降玫降母鲗訁?shù)進(jìn)一步微調(diào)整個(gè)多層模型的參數(shù)，這一步是一個(gè)有監(jiān)督訓(xùn)練過程；第一步類似神經(jīng)網(wǎng)絡(luò)的隨機(jī)初始化初值過程，由于DL的第一步不是隨機(jī)初始化，而是通過學(xué)習(xí)輸入數(shù)據(jù)的結(jié)構(gòu)得到的，因而這個(gè)初值更接近全局最優(yōu)，從而能夠取得更好的效果。

3.4 云服務(wù)器的實(shí)現(xiàn)

云服務(wù)器是由多臺(tái)并行計(jì)算的服務(wù)器所構(gòu)成服務(wù)器集群，具有較強(qiáng)的運(yùn)算能力。系統(tǒng)的圖像分析正是通過在云服務(wù)器上搭建軟件平臺(tái)，利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，建立大量的圖像學(xué)習(xí)數(shù)據(jù)庫，從而完成對(duì)傳輸進(jìn)來的圖片進(jìn)行識(shí)別處理。

WebSocket云服務(wù)器實(shí)現(xiàn)的主要代碼如下：

IPEndPoint localEP = new IPEndPoint（IPAddress.Any， port）；

Socket listener = new Socket（localEP.Address.

AddressFamily，SocketType.Stream， ProtocolType.Tcp）；

try{

listener.Bind（localEP）；

listener.Listen（10）；

Socket sc = listener.Accept（）；//接受一個(gè)連接

int length = sc.Receive（buffer）；//接受客戶端握手信息

sc.Send（PackHandShakeData（GetSecKeyAccetp（buffer， ength）））；

length = sc.Receive（buffer）；//接受客戶端信息

string clientMsg = AnalyticData（buffer， length）；} //解析客戶端數(shù)據(jù)

4 測試結(jié)果

系統(tǒng)的訓(xùn)練過程采用CIFAR-10自然場景庫。CIFAR-10數(shù)據(jù)集包含60000個(gè)32*32的彩色圖像，共有10類。有50000個(gè)訓(xùn)練圖像和10000個(gè)測試圖像。數(shù)據(jù)集分為5個(gè)訓(xùn)練塊和1個(gè)測試塊，每個(gè)塊有10000個(gè)圖像。在CIFAR-10自然場景庫之外，本系統(tǒng)加入了一些生活中常見的場景：椅子，垃圾箱，人。這樣更能檢測識(shí)別系統(tǒng)的實(shí)用性。系統(tǒng)識(shí)別結(jié)果如圖1所示，由測試結(jié)果可以看出，對(duì)給定的幾種生活中常見的場景，系統(tǒng)能較好識(shí)別出向日葵、椅子、垃圾箱、人等障礙物目標(biāo)，說明系統(tǒng)具有較強(qiáng)的辨識(shí)和分類能力，滿足智能導(dǎo)盲系統(tǒng)的設(shè)計(jì)要求。

5 結(jié)束語

本文實(shí)現(xiàn)了一種便捷、高效的智能導(dǎo)盲系統(tǒng)的設(shè)計(jì)，系統(tǒng)采用本地-服務(wù)器遞進(jìn)識(shí)別方案實(shí)現(xiàn)障礙物類別、方位、距離的綜合探測。本地識(shí)別方式可以節(jié)省系統(tǒng)反應(yīng)時(shí)間，服務(wù)器方式可以確保不常見物體的準(zhǔn)確識(shí)別，兩種方式的協(xié)調(diào)運(yùn)行保證了圖像物體識(shí)別的實(shí)時(shí)性、準(zhǔn)確性與廣泛性等，具有十分廣闊的應(yīng)用前景。

參考文獻(xiàn)

[1]姚天仁.數(shù)字語音處理[M].武漢：華中科技大學(xué)出版社，2003.

[2]劉玄河，宋廷新.語音識(shí)別與控制應(yīng)用技術(shù)（第2版）[M].北京：科學(xué)出版社，2006.

[3]王化祥.傳感器與檢測技術(shù)[M].北京：電子工業(yè)出版社，2010.

[4]黃帆.無線傳感器網(wǎng)絡(luò)技術(shù)及應(yīng)用研究[M].北京：中國水利水電出版社，2014.

[5]Huang Yukai，Pang Aichun，PiCheng Hsiu，etal.Distributed Throughput Optimization for Zigbee Cluster-Tree Networks[J].IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS，2012，23（03）：513-520.

作者簡介

劉宇紅（1963-），男，云南省昆明市人。碩士，教授，研究方向?yàn)槲锫?lián)網(wǎng)與大數(shù)據(jù)，智能硬件、機(jī)器視覺，人工智能與模式識(shí)別。

劉超（1988-），男，山東省濰坊市人。在讀碩士，研究方向?yàn)槲锫?lián)網(wǎng)工程、嵌入式系統(tǒng)、機(jī)器視覺。

何騰鵬（1989-），男，河北省石家莊市人。在讀碩士，研究方向?yàn)槲锫?lián)網(wǎng)與大數(shù)據(jù)，智能硬件、機(jī)器視覺，人工智能與模式識(shí)別。

作者單位

貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院 貴州省貴陽市 550025