孙嘉鑫，吴琳

（北方工业大学信息工程学院，北京100144）

0 引言

根据相关的调查表明，我国有着六百万盲人，出行问题一直困扰着盲人群体。尽管国家建设了许多有关盲人辅助的设施，但设施的管理，大众的保护意识缺乏依然对他们的出行产生了极大的干扰，如在盲道上停放车辆、盲道上有瓶子等，给盲人出行带来了困难。所以本文希望通过图像识别技术，帮助盲人在出行时识别前方障碍物。

相比于传统的检测算法通过提取目标特征来实现检测，近年来基于深度学习的计算机视觉算法可以有效地提高准确度和识别速度。本文将基于回归的检测方法中的YOLOv3算法实现通过单目摄像头实时检测障碍物。

1 相关工作

近年来人工智能技术快速发展，其中有关计算机视觉方面的YOLOv3算法凭借其优秀的性能引起了广大研究员的兴趣。2018年王殿伟等人[1]，通过改进YOLOv3，利用K-means聚类方法选取目标候选框个数和宽高比维度，调整网络参数并提高输入图像分辨率，多尺度训练出最优检测模型，提升了红外检测行人的准确度并降低了漏检率。2019年张富凯等人[2]实现基于改进YOLOv3的快速车辆检测方法，通过增强深度残差网络提取特征，设计不同尺度的卷积特征图，最终实现车辆预测任务。2019年赵德安等人[3]，基于YOLOv3实现在不同光线环境下对遮挡、粘连和套袋等多种情况下的苹果定位方法，其方法可以为机器人快速长时间高效率在复杂环境下识别苹果提供理论基础。……