全文总字数：1777字

1. 研究目的与意义及国内外研究现状

中国约有盲人500万，占世界盲人总数的18%，视觉障碍给盲人的出行带来了极大的不便，尽管国家已经在各地的马路上建造了盲道，但是现实生活中盲道被占用的现象屡见不鲜，最明显的就是一些自行车停放在盲道上，这更是加剧了盲人出行的不便。

本次设计着力于识别盲道上的自行车车轮障碍物，利用yolov3算法进行深度学习，建立自行车障碍物的标准化模型，然后对输入到系统中的图片进行识别处理，与标准化模型对比，判断是否有障碍物。通过本次设计的系统，可以帮助盲人在盲道上有效避开障碍物，给他们的出行带来便捷。

国内外研究现状

从深度学习诞生以来，就受到了科研机构和工业界的高度关注，2012年著名的google brain项目，采用16万个cpu来构建深层神经网络，并将其运用到图像和语音的识别，大获成功。紧接着，国内的互联网公司如百度等也开始了在深度学习方面的深层研究。

2. 研究的基本内容

该论题的研究内容主要是以下几个方面

1． 使用yolov3算法对拍摄并预处理的自行车图片数据进行深度学习

2． 使用keras框架代替原本yolov3算法中使用的darknet框架

3. 实施方案、进度安排及预期效果

实施方案

深度学习阶段：将制作好的数据集相关材料输入卷积神经网络，利用53层卷积层进行图像的特征提取，利用逻辑回归算法进行分类，多次调整参数进行训练，观察loss值的变化情况，得到较好的训练模型。

模型测试阶段：深度学习完成后，根据深度学习建立的标准化模型，对输入到系统中的图片进行处理，判断是否有自行车障碍物。

4. 参考文献

（1）鞠默然，罗海波，王仲博，何淼，常铮，惠斌 一种改进的yolov3及其在小目标检测中的应用[a]

http://kns.cnki.net/kcms/detail/31.1252.o4.20190402.1427.026.html

（2）王殿伟，何衍辉，李大湘，刘颖，许志杰，王晶 改进的yolov3红外视频图像行人检测算法[a] 西安邮电大学学报，2018，23(4)：48-52 67