使用深度学习和优化算法进行增强的行人行道对象检测,以协助残疾人
Fadwa Alrowais1, Mona Almofarreh2, Radwa Marzouk3,4
1Department of Computer Sciences, College of Computer and Information Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|December 10, 2025
概括
本研究介绍了一种用于协助残疾人 (EPWOD-POAADP) 的增强行人行道物体检测和优化算法,以改善视力受损者导航. 该方法增强了对象检测和分类,以实现更安全的行人步道.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 辅助技术 辅助技术 辅助技术
背景情况:
- 对于失明者而言,行人导航带来了重大挑战.
- 现有的辅助设备,如白棍和GPS在环境感知方面存在局限性.
- 深度学习和机器学习显示出对视觉导航任务的前景.
研究的目的:
- 为协助残疾人 (EPWOD-POAADP) 提出一个增强的行人行道物体检测和客优化算法.
- 增强行人步道,以改善盲人的导航.
主要方法:
- 使用中间波器 (MF) 进行图像预处理.
- 使用Faster R-CNN进行对象检测,使用CapsNet进行特征提取.
- 使用波形神经网络 (WNN) 进行检测和分类.
- 通过Pelican优化算法 (POA) 对WNN进行超参数优化.
主要成果:
- 在实验评估中,EPWOD-POAADP方法表现出更好的性能.
- 该方法有效地识别和分类对导航至关重要的物体.
- 该系统使用UCSD异常检测数据集进行了验证.
结论:
- 拟议的EPWOD-POAADP方法为视障人士的辅助技术提供了重大进展.
- 这种方法可以提高盲人行人的安全性和独立性.
- 进一步的研究可以在这些发现的基础上改进导航系统.
更多相关视频
06:25Paw-Print Analysis of Contrast-Enhanced Recordings PrAnCER: A Low-Cost, Open-Access Automated Gait Analysis System for Assessing Motor Deficits
Published on: August 12, 2019
9.0K
07:52Automated Rat Single-Pellet Reaching with 3-Dimensional Reconstruction of Paw and Digit Trajectories
Published on: July 10, 2019
14.9K