基于深度學(xué)習(xí)的視力保護(hù)系統(tǒng)

李子意，于洋，郭椿可，李澤萱，邢世琦

（天津師范大學(xué)計(jì)算機(jī)與信息工程學(xué)院，天津 300387）

0 引言

根據(jù)2018年青少年近視率與用眼習(xí)慣報(bào)告顯示，我國現(xiàn)有盲人500多萬人，低視力者有上千萬，尤其是兒童及青少年，近視率高［1-2］。更令人震驚的是，有份調(diào)查報(bào)告稱，國內(nèi)因高度近視致盲者已達(dá)30多萬人。實(shí)際上，我國青少年的整體視力情況不容樂觀，有數(shù)據(jù)顯示，目前中國近視患者人數(shù)多達(dá)6億，幾乎占到中國總?cè)丝诘?0%。青少年近視率已經(jīng)居世界第一［1-2］。因此，保護(hù)視力，刻不容緩！相關(guān)研究報(bào)告指出，錯(cuò)誤的用眼習(xí)慣、不正確的坐姿、閱讀環(huán)境光線強(qiáng)度的不適宜都是導(dǎo)致近視的主要原因。若能糾正用戶的錯(cuò)誤用眼習(xí)慣，形成正確的閱讀姿勢，調(diào)整適宜的光線強(qiáng)度，將會大大降低近視率。

1 視力保護(hù)系統(tǒng)原理

系統(tǒng)從近視的成因出發(fā)，針對光線太弱（太強(qiáng)）、閱讀時(shí)間太長、閱讀距離太近等不良眼習(xí)慣，設(shè)計(jì)了一套可在用戶辦公或?qū)W習(xí)過程中使用的系統(tǒng)。全自動護(hù)眼系統(tǒng)，實(shí)時(shí)檢測用戶表情，分析用戶閱讀狀態(tài)，提醒用戶坐姿，并能自動調(diào)整最佳閱讀距離。

2 系統(tǒng)方案設(shè)計(jì)

視力保護(hù)系統(tǒng)硬件主要由光敏電阻模塊、壓力傳感器、紅外測距模塊、蜂鳴器報(bào)警模塊、攝像頭、STM32F103ZET6單片機(jī)和測控電路組成［3］。在軟件方面，用C語言編寫上位機(jī)的硬件程序，用Python語言編寫深度學(xué)習(xí)模型和算法。使用Android Studio設(shè)計(jì)一個(gè)設(shè)計(jì)良好的交互界面。

2 硬件系統(tǒng)設(shè)計(jì)

2.1 單片機(jī)數(shù)據(jù)測控電路

系統(tǒng)以STM32F103ZET6單片機(jī)為核心，通過連接多個(gè)傳感器模塊，實(shí)現(xiàn)了數(shù)據(jù)采集和判斷。當(dāng)檢測到讀取環(huán)境的光強(qiáng)度不在適當(dāng)范圍內(nèi)時(shí)，通過調(diào)整處理將光強(qiáng)度檢測模塊的電壓值轉(zhuǎn)換為相應(yīng)的光強(qiáng)度，然后利用方波周期的長度來改變控制臺燈的模擬電壓，從而調(diào)整燈光強(qiáng)度和亮度［3-4］。當(dāng)紅外測距模塊檢測到椅背與桌子的距離不在正確范圍內(nèi)時(shí)，單片機(jī)驅(qū)動電機(jī)調(diào)整椅背的角度。攝像機(jī)實(shí)時(shí)采集圖像，分析檢測主機(jī)中視頻流數(shù)據(jù)的讀取狀態(tài)。當(dāng)用戶的閱讀時(shí)間過長時(shí)，分析檢測到用戶的閱讀狀態(tài)是疲勞的，單片機(jī)驅(qū)動蜂鳴器報(bào)警模塊進(jìn)行報(bào)警提示。

2.2 光強(qiáng)檢測電路

光敏電阻采集的數(shù)據(jù)通過經(jīng)驗(yàn)公式完成電阻值的轉(zhuǎn)化。

計(jì)算公式為：

若光照過強(qiáng)或者過弱，單片機(jī)控制蜂鳴器發(fā)出警告；繼電器模塊控制臺燈調(diào)節(jié)亮度。圖1為光強(qiáng)檢測電路。

圖1 光強(qiáng)檢測電路

2.3 紅外測距電路

紅外線測距模塊是用來檢測椅背距桌面的距離。如圖2所示，模塊包括紅外線發(fā)生與接收電路。紅外線的發(fā)生電路發(fā)射出連續(xù)的紅外射線，再照射到物體后形成一個(gè)反射過程以供紅外接收電路接收。接收電路的輸出端根據(jù)其接收的紅外光線而變化。經(jīng)單片機(jī)處理后計(jì)算出距離［5］。

圖2 紅外測距電路

2.4 蜂鳴器報(bào)警電路

所使用的蜂鳴器工作頻率是2000 Hz，驅(qū)動信號的波形周期是500μs，占空比為1/2 duty的方波，只需要每250μs進(jìn)行一次電平翻轉(zhuǎn)，就可以得到驅(qū)動蜂鳴器的方波信號［6］。如圖3所示當(dāng)用戶閱讀時(shí)出現(xiàn)不正確的閱讀狀態(tài)，單片機(jī)通過I/O口輸入，導(dǎo)通三極管驅(qū)動蜂鳴器鳴叫。

圖3 蜂鳴器報(bào)警電路

3 軟件系統(tǒng)設(shè)計(jì)

3.1 深度學(xué)習(xí)算法的實(shí)現(xiàn)

3.1.1 Tensorflow

Tensorflow是一個(gè)基于數(shù)據(jù)流編程（dataflow programming）的符號數(shù)學(xué)系統(tǒng)，被廣泛應(yīng)用于各類機(jī)器學(xué)習(xí)（machine learning）算法的編程實(shí)現(xiàn)，其前身是谷歌的神經(jīng)網(wǎng)絡(luò)算法庫DistBelief。擁有多層級結(jié)構(gòu)，可部署于各類服務(wù)器、PC終端和網(wǎng)頁并支持GPU和TPU高性能數(shù)值計(jì)算，被廣泛應(yīng)用于谷歌內(nèi)部的產(chǎn)品開發(fā)和各領(lǐng)域的科學(xué)研究［7］。

TensorFlow由谷歌人工智能團(tuán)隊(duì)谷歌大腦（Google Brain）開發(fā)和維護(hù)，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內(nèi)的多個(gè)項(xiàng)目以及各類應(yīng)用程序接口（Applica?tion Programming Interface,API）［8］。提供Python語言下的四個(gè)不同版本：CPU版本、GPU版本以及它們的每日編譯版本（tf-nightly、tf-nightly-gpu）。

3.1.2 網(wǎng)絡(luò)結(jié)構(gòu)

系統(tǒng)采用的深度學(xué)習(xí)算法是YOLOv3算法。如圖4所示，是YOLOv3的特征提取網(wǎng)絡(luò)Darknet 53。YOLOv3的輸入一般是416×416×3的原始圖片矩陣、n個(gè)坐標(biāo)標(biāo)簽和n個(gè)分類標(biāo)簽，其中n代表每幅圖中目標(biāo)物體的個(gè)數(shù)［9］。在經(jīng)過特征提取網(wǎng)絡(luò)后，會得到三種不同尺寸的特征圖：13×13×255、26×26×255、52×52×255。

圖4 特征提取網(wǎng)絡(luò)Darknet 53

YOLOv3網(wǎng)絡(luò)在三個(gè)特征圖中分別通過(4+1+c)×k個(gè)大小為1×1的卷積核進(jìn)行卷積預(yù)測，k為預(yù)設(shè)邊界框（bounding box prior）的個(gè)數(shù)（k默認(rèn)取3），c為預(yù)測目標(biāo)的類別數(shù)（在本系統(tǒng)中為2類），其中4k個(gè)參數(shù)負(fù)責(zé)預(yù)測目標(biāo)邊界框的偏移量，k個(gè)參數(shù)負(fù)責(zé)預(yù)測目標(biāo)邊界框內(nèi)包含目標(biāo)的概率，ck個(gè)參數(shù)負(fù)責(zé)預(yù)測這k個(gè)預(yù)設(shè)邊界框?qū)?yīng)c個(gè)目標(biāo)類別的概率。目標(biāo)邊界框的預(yù)測過程如圖5所示。

圖5 預(yù)測過程

圖中虛線矩形框?yàn)轭A(yù)設(shè)邊界框，實(shí)線矩形框?yàn)橥ㄟ^網(wǎng)絡(luò)預(yù)測的偏移量計(jì)算得到的預(yù)測邊界框。其中(cx,cy)為預(yù)設(shè)邊界框在特征圖上的中心坐標(biāo)，(pw,ph)為預(yù)設(shè)邊界框在特征圖上的寬和高，(tx,ty,tw,th)分別為網(wǎng)絡(luò)預(yù)測的邊界框中心偏移量以及寬高縮放比，(bx,by,bw,bh)為最終預(yù)測的目標(biāo)邊界框，從預(yù)設(shè)邊界框到最終預(yù)測邊界框的轉(zhuǎn)換過程如圖右側(cè)公式所示，其中σ(x)函數(shù)是sigmoid函數(shù)其目的是將預(yù)測偏移量縮放到0到1之間［10］。

3.1.3 訓(xùn)練

本系統(tǒng)在訓(xùn)練時(shí)采用的是在配置了1080Ti的服務(wù)器上進(jìn)行GPU訓(xùn)練，通過訓(xùn)練自己的數(shù)據(jù)集并進(jìn)行參數(shù)的微調(diào)得到了適用于視力保護(hù)系統(tǒng)的深度學(xué)習(xí)模型。最終將得到的模型加載至上位機(jī)進(jìn)行分析預(yù)測。

3.2 Android Studio開發(fā)APP

本系統(tǒng)利用Android Studio開發(fā)出了交互界面良好的APP，具有主頁內(nèi)容、數(shù)據(jù)顯示、網(wǎng)絡(luò)咨詢和個(gè)人中心四個(gè)部分。用戶通過APP可查詢自己的用眼時(shí)長，坐姿是否正確；同時(shí)，APP也會定期推送相關(guān)護(hù)眼知識給用戶。

4 測試

在將模型加載到上位機(jī)后，連接硬件對整個(gè)視力保護(hù)系統(tǒng)進(jìn)行測試，實(shí)驗(yàn)結(jié)果顯示，本套系統(tǒng)能將閱讀環(huán)境的光照度控制在700～1000 lx范圍內(nèi)，當(dāng)室內(nèi)的環(huán)境光照度發(fā)生改變時(shí)且超出預(yù)設(shè)的光照度范圍時(shí)，實(shí)現(xiàn)亮度的自動調(diào)整：光照度小于700 lx時(shí)，臺燈亮度自動變亮；當(dāng)光照度大于1000 lx時(shí)臺燈亮度自動變暗，在700～1000 lx之間時(shí)，臺燈亮度維持不變，能夠提供適于人眼的閱讀光照度。本實(shí)驗(yàn)通過利用刻度尺測量人體與書桌之間的距離，與紅外傳感器通過lcd屏顯示的數(shù)值進(jìn)行比較，計(jì)算相對誤差，得到的實(shí)驗(yàn)數(shù)據(jù)如表1所示。當(dāng)距離小于15 cm時(shí)系統(tǒng)發(fā)出外部中斷信號，蜂鳴器發(fā)出警報(bào)，步進(jìn)電機(jī)驅(qū)動椅背實(shí)現(xiàn)傾角調(diào)整，總體誤差小于1.5%。

表1 距離相對誤差統(tǒng)計(jì)表

模型能分析預(yù)測出疲勞和專注兩種閱讀狀態(tài)，分析檢測的結(jié)果如圖6所示，硬件部分收集并處理過后的數(shù)據(jù)都會實(shí)時(shí)的在APP中展現(xiàn)，效果如圖7所示。

圖6 檢測效果圖

圖7 軟件效果圖

用戶可以在APP中查看自己的用眼時(shí)長，坐姿是否正確，以及一些護(hù)眼知識。

5 結(jié)語

大多視力保護(hù)系統(tǒng)只從某個(gè)方面來對用戶的視力進(jìn)行保護(hù)，相比之下，本視力保護(hù)系統(tǒng)將深度學(xué)習(xí)、傳感器、單片機(jī)結(jié)合起來，可以從導(dǎo)致用戶近視的原因出發(fā)幫助用戶，有效的防治了近視，達(dá)到了保護(hù)視力的目的。