一种基于改进YOLOv3的盲人避障装置及方法

技术特征：
1.一种基于改进yolov3的盲人避障装置，其特征在于：包括云端和客户端；云端为服务器，客户端为用户设备，用户设备包括摄像模块、无线传输模块、语音播报模块以及控制模块，其中摄像模块、无线传输模块以及语音播报模块与控制模块电性连接。2.根据权利要求1所述的基于改进yolov3的盲人避障装置，其特征在于：摄像模块为ov7725摄像头。3.根据权利要求1所述的基于改进yolov3的盲人避障装置，其特征在于：无线传输模块为4g传输装置。4.根据权利要求3所述的基于改进yolov3的盲人避障装置，其特征在于：4g传输装置为ec200s无线通信模组。5.根据权利要求1所述的基于改进yolov3的盲人避障装置，其特征在于：控制模块包括stm32f103芯片。6.一种利用权利要求1-5任一所述的基于改进yolov3的盲人避障装置实现的基于改进yolov3的盲人避障方法，其特征在于：包括以下步骤：s1、利用摄像模块获取盲人行走过程中的前方图片数据；s2、利用无线传输模块将图片数据发送至服务器；s3、服务器根据图片数据判断盲人前方是否存在障碍物，并向用户设备回传结果数据；s4、用户设备通过无线传输模块接收结果数据，控制模块根据结果数据控制语音播报模块进行播报。7.根据权利要求6所述的基于改进yolov3的盲人避障方法，其特征在于：s2的具体过程为：在用户设备和客户端进行图片数据传输时，采用http定义两个accept请求头字段和两个content实体头字段；其中accept请求头字段将列举图片数据的所有类型；服务器接收图片数据后，将在相应的报文中采用content-type头字段向用户设备返回图片数据的真实类型。8.根据权利要求6所述的基于改进yolov3的盲人避障方法，其特征在于：s3中服务器采用yolov3网络模型对图片进行障碍物识别，具体过程为：首先将所有图片缩放到一特定尺寸，随后将图片划分为s
×
s个网格，对每个网格进行针对落入网格中心目标的检测；每个网格都将预测b个边界回归框和c个类别，每个边界回归框都会预测出：预测中心点坐标、边界回归框的宽高以及置信度；随后利用非极大值抑制算法对重合率高于一设定值的边界回归框进行过滤，将置信度高于一设定值的边界回归框作为yolov3网络模型的输出。9.根据权利要求8所述的基于改进yolov3的盲人避障方法，其特征在于：yolov3网络模型利用二元交叉熵损失函数检测复杂场景中的目标类别。10.根据权利要求8所述的基于改进yolov3的盲人避障方法，其特征在于：yolov3网络模型采用coco数据集进行训练，并采用k-means算法对coco数据集中的真实框进行聚类得到先验框的尺寸，将不同尺寸的先验框与不同尺寸的特征图进行匹配；yolov3网络模型的输出采用深度可分离卷积网络进行过滤，且在深度可分离卷积网络中的relu激活函数前加入批量归一化层。

技术总结
本发明公开了一种基于改进YOLOv3的盲人避障装置及方法，其中基于改进YOLOv3的盲人避障装置包括云端和客户端；云端为服务器，客户端为用户设备，用户设备包括摄像模块、无线传输模块、语音播报模块以及控制模块，其中摄像模块、无线传输模块以及语音播报模块与控制模块电性连接。该装置实现了对盲人前方障碍物的迅速、准确识别，改善了盲人的出行体验。改善了盲人的出行体验。改善了盲人的出行体验。


技术研发人员：李芳 徐俊武
受保护的技术使用者：武汉工程大学
技术研发日：2021.12.24
技术公布日：2022/4/8