词袋模型在盲人家居视觉辅助系统中的应用

艾浩军，张 敏，朱 荣

(武汉大学计算机学院，湖北武汉 430072)

我国现有盲人超过1200万，视觉障碍给他们的学习、工作和生活带来很大的不便。信息技术的发展为盲人带来了便利，国内学者研发了一系列为盲人服务的信息产品，如基于语音识别的盲人上网辅助系统［1］、基于小波变化的图像可听化方法［2］、盲人图标实时识别方法［3］等。视觉物体识别技术的发展和智能手机处理能力的增强，使以智能手机作为计算平台设计视觉辅助系统成为可能。

近几年在TRECVID和Pascal VOC竞赛中，基于词袋模型(bag of words)的各类相关算法逐渐被广泛应用且识别效果显著。CSURKA在2004 年提出 Bag of Keypoints方法［4］，并分别使用朴素贝叶斯(naive Bayesian classification)和SVM(support vector machine)进行视觉物体分类;BLEI提出一种基于词袋和LDA［5］(latent dirichlet allocation)的层次贝叶斯主题模型实现自然场景分类［6］;UIJLING等分析了词袋模型算法复杂度并进行优化［7-8］，模型的计算效率得到大幅提高，从而可用于实时识别。

针对家居环境下视觉场景稳定和物体类别有限的特点，提出了一种基于词袋模型的盲人家居视觉辅助系统实现方案。以智能手机内置相机为基础，结合计算机视觉和语音合成技术，先识别图像中物体后进行语音输出，实现视觉到听觉的感知替代。与文献［1-3］提出的方案相比，该方法方便用户使用且功能更全面。以家居环境中的4类典型物体作为实验素材，证明了方案的有效性。

1 方案及算法框架

1.1 词袋模型

1.1.1 词袋模型流程

盲人视觉辅助系统流程图如图1所示。在家居环境下拍摄图像作为训练集，这些图像应涉及到所有物体和场景。……