本發(fā)明屬于圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于OpenCV圖像識(shí)別的盲人智能拐杖控制系統(tǒng)及方法。

背景技術(shù)：

圖像識(shí)別技術(shù)是人工智能的一個(gè)重要領(lǐng)域，是利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。圖像識(shí)別經(jīng)歷了三個(gè)發(fā)展階段：文字識(shí)別、數(shù)字圖像處理與識(shí)別和物體識(shí)別。文字識(shí)別的研究始于1950年，應(yīng)用于字母、數(shù)字和符號(hào)的識(shí)別，以及從印刷文字到手工文字的識(shí)別；數(shù)字圖像處理與識(shí)別的研究始于1965年，數(shù)字圖像相比于模擬圖像具有存儲(chǔ)方便可壓縮、傳輸不易失真等優(yōu)勢(shì)，為圖像識(shí)別技術(shù)的發(fā)展提供強(qiáng)大的動(dòng)力；物體的識(shí)別主要是指對(duì)三維世界的客體和環(huán)境的感知及認(rèn)識(shí)，屬于高級(jí)的計(jì)算機(jī)視覺(jué)范疇，它是以數(shù)字圖像處理與識(shí)別為基礎(chǔ)，結(jié)合人工智能、系統(tǒng)學(xué)等學(xué)科的研究方向，其研究成果被廣泛應(yīng)用在各種工業(yè)及探測(cè)機(jī)器人上。目前，市場(chǎng)上盲人使用的最多的就是傳統(tǒng)的導(dǎo)盲拐杖和導(dǎo)盲犬，由于導(dǎo)盲犬的訓(xùn)練周期長(zhǎng)、成本較高、動(dòng)物習(xí)性不好控制等諸多問(wèn)題，所以更多的人選擇拐杖。然而傳統(tǒng)意義上的盲人拐杖的結(jié)構(gòu)簡(jiǎn)單，實(shí)現(xiàn)的功能也比較普通，存在很多的不足，諸如不能對(duì)前方將要靠近的障礙物進(jìn)行語(yǔ)音提醒、不能在盲人遇到緊急狀況下向家人求助等。國(guó)內(nèi)學(xué)者研制的隨身便攜式導(dǎo)盲儀，雖然其體積小，輕便好用，但沒(méi)有輔助支撐功能，對(duì)身有殘疾以及腿腳不便的人，仍然需要拐杖輔助行走等技術(shù)不足。

綜上所述，針對(duì)目前市場(chǎng)上盲人智能拐杖安全性低、功能單一，無(wú)法實(shí)現(xiàn)較好的導(dǎo)盲效果這一問(wèn)題，結(jié)合圖像識(shí)別技術(shù)，提出了一種基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)及方法，旨在解決目前市場(chǎng)上智能拐杖安全性低、功能單一，無(wú)法實(shí)現(xiàn)較好的導(dǎo)盲效果的這一問(wèn)題。

本發(fā)明是這樣實(shí)現(xiàn)的，一種基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)，所述基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)設(shè)置有：

路況檢測(cè)模塊，用于實(shí)現(xiàn)對(duì)前方未知路況的檢測(cè)，當(dāng)遇到前方的障礙物時(shí)，系統(tǒng)會(huì)做出相應(yīng)的響應(yīng)提醒盲人用戶；

緊急呼叫模塊，采用SIM900A通信模塊，用于盲人用戶實(shí)現(xiàn)在通過(guò)控制智能拐杖上的按鍵向指定好的電話號(hào)碼撥打電話，實(shí)現(xiàn)了一鍵撥打電話；

人員定位模塊，利用Wi-Fi定位技術(shù)，通過(guò)檢測(cè)Wi-Fi信號(hào)強(qiáng)度，結(jié)合KNN算法來(lái)實(shí)現(xiàn)定位。

進(jìn)一步，所述路況檢測(cè)模塊包括：

模型構(gòu)建模塊，利用SURF算法進(jìn)行特征值的提取，使用OpenCV來(lái)檢測(cè)特征點(diǎn)，并抽取其特征點(diǎn)描述符，把提取出來(lái)的特征值傳遞給OpenCV進(jìn)行訓(xùn)練，得到預(yù)先指定數(shù)量的類別；統(tǒng)計(jì)出每張圖像樣本的特征點(diǎn)在各個(gè)類別中出現(xiàn)的頻率，構(gòu)造出每張圖片的bag ofwords；

訓(xùn)練分類模塊，利用SVM分類器進(jìn)行分類，對(duì)每一個(gè)類別都訓(xùn)練一個(gè)二元分類器；對(duì)于待分類圖片的特征向量，使用每一個(gè)分類器計(jì)算分在該類的可能性，選擇可能性最高的類別作為這個(gè)特征向量的類別；

實(shí)時(shí)場(chǎng)景輸入模塊，通過(guò)按鍵來(lái)對(duì)當(dāng)前畫(huà)面進(jìn)行捕捉，對(duì)其進(jìn)行模型的構(gòu)建，并將其特征向量作為系統(tǒng)的輸入數(shù)據(jù)進(jìn)行識(shí)別分類，最終以語(yǔ)音播報(bào)的形式反饋給盲人用戶。

進(jìn)一步，所述基于OpenCV圖像識(shí)別的盲人拐杖控制方法的模型構(gòu)建模塊包括：

(1)通過(guò)對(duì)大數(shù)據(jù)樣本進(jìn)行圖像預(yù)處理，主要是對(duì)原圖像樣本進(jìn)行歸一化處理，使得圖像的一些特征在特定變換下具有不變的性質(zhì)，進(jìn)而對(duì)每個(gè)圖像樣本進(jìn)行SURF特征點(diǎn)提取，SURF整體思想流程等同于SIFT，而整個(gè)過(guò)程中采用了與SIFT不同的方法，為了實(shí)現(xiàn)尺度不變性的特征點(diǎn)檢測(cè)與匹配，SURF算法利用Hessian矩陣確定候選點(diǎn)，生成尺度空間，然后用非極大值抑制初步確定特征點(diǎn)和精確定位特征點(diǎn)，確并定特征點(diǎn)的主方向，最后構(gòu)造SURF特征點(diǎn)描述算子，從而可以得到每個(gè)樣本的特征值；

(2)利用K-means算法將提取的每個(gè)樣本的特征值劃分成k個(gè)聚類，以空間中k(本系統(tǒng)中目標(biāo)分類的類別k分別為：樹(shù)、臺(tái)階、汽車和人行橫道)個(gè)點(diǎn)為中心進(jìn)行聚類，對(duì)最靠近他們的對(duì)象歸類。通過(guò)迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結(jié)果，以達(dá)到同一聚類中的對(duì)象相似度較高，不同聚類中的對(duì)象相似度較小，從而得到k組向量，每個(gè)向量都代表某個(gè)類別的feature的中心點(diǎn)；

(3)構(gòu)造Bag OfWords模型，即圖像中所有圖像塊的特征向量得到的直方圖，BOW是用來(lái)表示圖像的描述特征的。統(tǒng)計(jì)這K個(gè)聚類在每個(gè)樣本特征值中所占的比例，通過(guò)K-means聚類算法后，得到k個(gè)新的聚類中心，即得到了特征直方圖的一個(gè)基，然后將圖像的特征點(diǎn)聚類到k個(gè)已經(jīng)生成的詞典(即n個(gè)聚類中心)中，并且統(tǒng)計(jì)落入每個(gè)詞典中的特征點(diǎn)的個(gè)數(shù)。最終可以得到一幅圖像的特征直方圖，這樣就可以將每張圖片表示成K維數(shù)值向量。

本發(fā)明的另一目的在于提供一種所述基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)的基于OpenCV圖像識(shí)別的盲人拐杖控制方法，所述緊急呼叫模塊采用SIM900A通信模塊，安裝SIM卡，插上耳機(jī)和耳麥后通過(guò)控制智能拐杖上的按鍵向指定好的電話號(hào)碼撥打電話。

本發(fā)明的另一目的在于提供一種所述基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)的基于OpenCV圖像識(shí)別的盲人拐杖控制方法，所述人員定位模塊通過(guò)檢測(cè)Wi-Fi信號(hào)強(qiáng)度，結(jié)合KNN算法來(lái)實(shí)現(xiàn)定位。

進(jìn)一步，所述基于OpenCV圖像識(shí)別的盲人拐杖控制方法的人員定位方法包括：

1)、通過(guò)Wi-Fi Info獲取當(dāng)前位置附近的RSSI信息，利用開(kāi)源的Wi Fi Manager類庫(kù)，可以使應(yīng)用程序方便地實(shí)現(xiàn)Wi-Fi連接，其中封裝好的Wi-Fi掃描函數(shù)可輕松掃描設(shè)備通信范圍內(nèi)的所有AP熱點(diǎn)，同時(shí)可顯示接入點(diǎn)的SSID、MAC地址、IP和經(jīng)量化處理的RSSI；

2)、利用機(jī)器學(xué)習(xí)相關(guān)的匹配算法，對(duì)實(shí)測(cè)數(shù)據(jù)與儲(chǔ)存在程序中的數(shù)據(jù)進(jìn)行對(duì)比，搜索到一組和測(cè)量典型匹配的數(shù)據(jù)。通過(guò)待測(cè)點(diǎn)接收到來(lái)自第j個(gè)AP的RSSI和第i個(gè)參考點(diǎn)接收到來(lái)自第j個(gè)AP的RSSI值算出歐幾里得距離dis。每個(gè)參考點(diǎn)都有兩個(gè)參數(shù)第一個(gè)是在該位置某一時(shí)刻接收Wi-Fi1的信號(hào)強(qiáng)度，第二個(gè)是在該位置另一時(shí)刻接收Wi-Fi2的信號(hào)強(qiáng)度。然后利用KNN算法在dis中從小到大選擇K個(gè)參考點(diǎn)，通過(guò)參考點(diǎn)的實(shí)際坐標(biāo)使用均值法計(jì)算出待測(cè)點(diǎn)的坐標(biāo)，進(jìn)而估算出待測(cè)點(diǎn)的位置。

本發(fā)明的另一目的在于提供一種安裝有所述基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)的拐杖。

本發(fā)明提供的基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)及方法，基于OpenCV圖像識(shí)別技術(shù)來(lái)實(shí)現(xiàn)其路況識(shí)別的功能，實(shí)時(shí)幫助盲人用戶了解前方的路況；有效地保證盲人的出行安全問(wèn)題。

本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)勢(shì)：

(1)本發(fā)明沒(méi)有借助外界的超聲波等輔助硬件即可實(shí)現(xiàn)識(shí)別功能，實(shí)用性強(qiáng)，開(kāi)發(fā)成本低，能耗少。本發(fā)明基于Visual Studio2013并使用C++語(yǔ)言在Windows平臺(tái)下進(jìn)行開(kāi)發(fā)，因此開(kāi)發(fā)成本低。

(2)本發(fā)明采用了SURF特征提取算法進(jìn)行特征值的提取，安全性高，效率相對(duì)較高，SURF特征提取算法是實(shí)質(zhì)上是改進(jìn)板的SIFT算法，一般來(lái)說(shuō)，SURF算法的效率是SIFT算法的3倍左右，而檢測(cè)出的特征點(diǎn)的個(gè)數(shù)是SIFT算法的1/3左右，當(dāng)然也和圖像大小、紋理復(fù)雜程度、算法參數(shù)設(shè)置有關(guān)；對(duì)于SURF算法，它采用Hessian矩陣確定候選點(diǎn)，然后進(jìn)行非極大抑制，降低了計(jì)算復(fù)雜度。SURF算法的主要特點(diǎn)是快速性，同時(shí)也具有尺度不變的特性，對(duì)光照變化和仿射、透視變化也具有較強(qiáng)的魯棒性。

(3)本發(fā)明采用了K-means算法對(duì)提取的特征值進(jìn)行聚類訓(xùn)練，通過(guò)不斷地取離聚類中心最近均值的方法，最終確定聚類的類別；該算法采用EM思想，算法快速、簡(jiǎn)單、對(duì)大數(shù)據(jù)集有較高的效率并且是可伸縮性的、時(shí)間復(fù)雜度近于線性，而且適合挖掘大規(guī)模數(shù)據(jù)集。

(4)用戶不需要任何的專業(yè)知識(shí)便可對(duì)軟件熟練使用，用戶操作體驗(yàn)相對(duì)好，通過(guò)拐杖上僅有的三個(gè)物理按鍵便可直接實(shí)現(xiàn)預(yù)期的各項(xiàng)功能。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例提供的基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)結(jié)構(gòu)示意圖；

圖中：1、路況檢測(cè)模塊；2、緊急呼叫模塊；3、人員定位模塊。

圖2是本發(fā)明實(shí)施例提供的模型構(gòu)建模塊的構(gòu)建流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合附圖對(duì)本發(fā)明的應(yīng)用原理作詳細(xì)的描述。

如圖1所示，本發(fā)明實(shí)施例提供的基于OpenCV圖像識(shí)別的盲人拐杖控制系統(tǒng)包括：

路況檢測(cè)模塊1，用于實(shí)現(xiàn)對(duì)前方未知路況的檢測(cè)，當(dāng)遇到前方的障礙物(樹(shù)、汽車、臺(tái)階、人行橫道和紅綠燈)，做出相應(yīng)的響應(yīng)提醒盲人用戶。

緊急呼叫模塊2，采用SIM900A通信模塊，用于盲人用戶實(shí)現(xiàn)在通過(guò)控制智能拐杖上的按鍵向指定好的電話號(hào)碼撥打電話，實(shí)現(xiàn)了一鍵撥打電話。

人員定位模塊3，利用Wi-Fi定位技術(shù)，通過(guò)檢測(cè)Wi-Fi信號(hào)強(qiáng)度，結(jié)合KNN算法來(lái)實(shí)現(xiàn)定位。

路況檢測(cè)模塊1包括：模型構(gòu)建模塊、訓(xùn)練分類模塊和實(shí)時(shí)場(chǎng)景輸入模塊三大模塊組成。

1)模型構(gòu)建模塊，利用SURF算法進(jìn)行特征值的提取，使用OpenCV來(lái)檢測(cè)特征點(diǎn)，并抽取其特征點(diǎn)描述符，把提取出來(lái)的特征值傳遞給OpenCV進(jìn)行訓(xùn)練，得到預(yù)先指定數(shù)量的類別。最后，統(tǒng)計(jì)出每張圖像樣本的特征點(diǎn)在各個(gè)類別中出現(xiàn)的頻率，進(jìn)而構(gòu)造出每張圖片的bag ofwords。當(dāng)傳入一張圖片時(shí)，系統(tǒng)就會(huì)構(gòu)造出這張圖片的BOW與事先訓(xùn)練好的模型進(jìn)行比較分類。

2)、訓(xùn)練分類模塊。訓(xùn)練分類模塊主要利用SVM分類器進(jìn)行分類，使用經(jīng)典的1vs all方法實(shí)現(xiàn)多類分類。對(duì)每一個(gè)類別都訓(xùn)練一個(gè)二元分類器。訓(xùn)練好后，對(duì)于待分類圖片的特征向量(也就是該圖片的BOW)，使用每一個(gè)分類器計(jì)算分在該類的可能性，然后選擇那個(gè)可能性最高的類別作為這個(gè)特征向量的類別，也就是該待分類圖像所屬的類別。

3)、實(shí)時(shí)場(chǎng)景輸入模塊。實(shí)時(shí)場(chǎng)景載入模型主要是通過(guò)按鍵來(lái)對(duì)當(dāng)前畫(huà)面進(jìn)行捕捉，對(duì)其進(jìn)行模型的構(gòu)建，并將其特征向量作為系統(tǒng)的輸入數(shù)據(jù)進(jìn)行識(shí)別分類，最終以語(yǔ)音播報(bào)的形式反饋給盲人用戶。

緊急呼叫模塊2，主要是采用SIM900A通信模塊，盲人用戶在使用時(shí)，首先在該模塊上安裝一張有效的SIM卡，插上耳機(jī)和耳麥后就可以通過(guò)控制智能拐杖上的按鍵向指定好的電話號(hào)碼撥打電話，實(shí)現(xiàn)了一鍵撥打電話的功能。

人員定位模塊3，主要利用Wi-Fi定位技術(shù)，通過(guò)檢測(cè)Wi-Fi信號(hào)強(qiáng)度，結(jié)合KNN算法來(lái)實(shí)現(xiàn)定位，具體實(shí)現(xiàn)過(guò)程如下：

1)、通過(guò)Wi-Fi Info獲取當(dāng)前位置附近的RSSI信息，測(cè)量到待定位的地方AP的信號(hào)強(qiáng)度和物理地址。

2)、利用機(jī)器學(xué)習(xí)相關(guān)的匹配算法，對(duì)實(shí)測(cè)數(shù)據(jù)與儲(chǔ)存在程序中的數(shù)據(jù)進(jìn)行對(duì)比，搜索到一組和測(cè)量典型匹配的數(shù)據(jù)，進(jìn)而估算出待測(cè)點(diǎn)的位置。

如圖2所示，本發(fā)明實(shí)施例提供的模型構(gòu)建模塊的構(gòu)建方法包括：

S201：通過(guò)對(duì)大數(shù)據(jù)樣本進(jìn)行圖像預(yù)處理，進(jìn)而對(duì)每個(gè)圖像樣本進(jìn)行SURF特征點(diǎn)提取，得到每個(gè)樣本的特征值；

S202：利用K-means算法將提取的每個(gè)樣本的特征值劃分成k個(gè)聚類，從而得到k組向量，每個(gè)向量都代表某個(gè)類別的feature的中心點(diǎn)，也就是說(shuō)，這k類中的每一類就相當(dāng)于是圖片的“單詞”，即該系統(tǒng)中目標(biāo)分類的類別：樹(shù)、臺(tái)階、汽車、人行橫道和紅綠燈。

S303：構(gòu)造Bag OfWords模型，BOW是用來(lái)表示圖像的描述特征的。統(tǒng)計(jì)這K個(gè)聚類在每個(gè)樣本特征值中所占的比例，從而可將每張圖片表示成K維數(shù)值向量。

本發(fā)明提供了一種基于OpenCV圖像識(shí)別的盲人智能拐杖系統(tǒng)，OpenCV提供的視覺(jué)處理算法非常豐富，加上其開(kāi)源的特性，不需要添加新的外部支持也可以完整的編譯鏈接生成執(zhí)行程序，所以用它可以來(lái)做算法的移植，OpenCV的代碼經(jīng)過(guò)適當(dāng)改寫可以正常的運(yùn)行在DSP系統(tǒng)和單片機(jī)系統(tǒng)中，最終用于實(shí)現(xiàn)預(yù)期的功能。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。