【技术实现步骤摘要】
一种基于智能腕带设备加速度计的盲文字符识别方法
[0001]本专利技术涉及一种盲文字符智能识别方法,具体涉及一种基于智能腕带设备加速度计的盲文字符识别方法,属于人工智能与移动计算应用
技术介绍
[0002]对于患有视力障碍的人群而言,由于缺乏顺畅的沟通和独立性,他们在生活和工作方面都面临着许多困难和挑战。布莱叶盲文,是一种专为视力障碍者设计专利技术的靠触觉感知的文字,在三行两列的六个位置中,使用凸起的圆顶形点(也称为凸点)的组合形成单个字符。布莱叶盲文改善了视力障碍者的沟通环境,并给他们在生活中带来更强的独立性。但是,由于学习过程成本高昂且较为耗时,有机会学习盲文的视力障碍人群的比例持续下降,导致了盲文识字危机的出现。因此,亟需一种新的解决方案来帮助视力障碍人士阅读和学习布莱叶盲文。
[0003]目前,研究人员正在尝试使用各种设备进行自动盲文识别。根据感知原理,这些研究工作包括两类:一类工作是基于计算机视觉技术(也称为光学盲文识别),另一类基于触觉传感器技术。
[0004]其中,基于计算机视觉技术的方法,主要是利用扫描仪和摄像机来捕获盲文文档图像,然后通过分析盲文字符的几何结构信息,这些方法可以将图像转换为自然语言字符。但是,这类方法依赖于苛刻的图像采集条件,比如摄像头和盲文文档之间需要保持特定的高度和角度,这对于视力障碍者来说难以操作。基于触觉传感器技术的方法,是将专用材料(如聚偏氟乙烯薄膜)制成手套或附着在手指上,以感测用户手指触摸不同盲文字符时的压力或电信息变化,最终实现盲文字符识别, ...
【技术保护点】
【技术特征摘要】
1.一种基于智能腕带设备加速度计的盲文字符识别方法,其特征在于,将26个英文字母A
‑
Z的标准盲文字符作为具体检测目标,包括以下步骤:步骤1:使用智能腕带设备中的三轴加速度计,采集用户阅读盲文时手腕处的运动状态信息,并去除传感器带来的随机噪声和其他身体运动引起的噪声;当用户进行盲文阅读时,佩戴在手腕上的加速度计采集X、Y、Z三轴加速度数据,计为a
x
,a
y
,a
z
;首先,使用低通滤波器去除a
x
,a
y
,a
z
中加速度计硬件带来的随机噪声;然后,利用基于小波包分解与重构的去噪方法,对三轴信号a
x
,a
y
,a
z
分别进行去噪,获得由盲文凸点引起的运动信号,称为凸点信号,记为Da
x
,Da
y
,Da
z
;步骤2:分割出加速度信号中属于盲文字符触摸的凸点信号段,从凸点信号片段中提取有效特征;步骤3:利用从凸点信号段中提取的特征,构造加权朴素贝叶斯分类器,对盲文字符进行识别。2.如权利要求1所述的一种基于智能腕带设备加速度计的盲文字符识别方法,其特征在于,步骤1中,首先,选择小波包基和分解层数N对a
x
,a
y
,a
z
三轴信号进行小波包分解,每个轴的信号得到2
N
个子带;然后,根据式1依次分别计算a
x
,a
y
,a
z
三轴信号与其8个子带的互相关值:其中,ρ
e
表示M与M
e
的互相关值,和分别表示原始信号M和第e个子带M
e
的平均,当ρ
e
>0.5时,表明这两个信号确实相关;之后,根据计算的互相关值,将子带分组进行处理,将ρ
e
≥0.5的子带表示为A组,并直接将这些子带视为运动噪声成分,因为噪声的幅值远大于纯净的凸点信号,分解后噪声成分会落在相关值大的子带中;将0.1<ρ
e
<0.5的子带记为B组,视为半噪声成分;其余的子带记为C组,视为无噪声成分;然后,对B组子带,使用Stein自适应阈值规则计算阈值λ,并应用小波软阈值降噪方法进行降噪;其中,将软阈值函数定义为:其中,ψ
k
和分别是原始小波包系数和阈值小波包系数;k是小波包节点;sgn(ψ
k
)是符号函数;λ是阈值,根据式3计算:其中,L是信号的长度,med(|M
e
|)是每个细节小波包系数的中值;最后,对C组中的子带和阈值处理后的B组子带进行小波包重构,以获得去噪后的干净的由凸点引起的运动信,称为凸点信号,记为Da
x
,Da
y
,Da
z
。3.如权利要求1所述的一种基于智能腕带设备加速度计的盲文字符识别方法,其特征
在于,步骤2包括以下步骤:步骤2.1:计算步骤1获得的凸点信号的线性加速度,应用动态阈值识别每个盲文字符的开始和结束时间;根据开始和结束时间在连续的Da
x
,Da
y
,Da
z
信号中切分出每个字符对应的凸点信号段;步骤2.2:从步骤2.1获得的每个字符对应的凸点信号中提取经典统计特征、字符复杂度特征和分形几何学特征用于构建后续的分类模型;其中,经典统计特征包括:凸点信号段的集中量和差异量,在集中量中提取...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。