시각장애인을 위한 딥러닝기반 심볼인식 = Deep learning based symbol recognition for the visually impaired

국문 초록 (Abstract)

최근 시각장애인 및 교통약자의 자유로운 보행을 보장하기 위한 많은 기술들이 연구되고 있다. 자유로운 보행을 위한 장치로는 영상카메라, 초음파센서 및 가속도 센서 등을 이용하는 스마트 지팡이와 스마트 안경 관련 기술이 있다. 대표적인 기술로는 물체를 식별하여 장애물을 검출하고 보행 가능 영역을 추출하는 기술, 랜드마크 심볼 정보를 인식하여 주위 환경 정보를 주는 기술 등 여러 가지 기술이 개발되고 있다. 본 논문에서는 시각장애인에게 필요한 시설의 대표 심볼을 선정하여 착용한 영상 장치의 정보로부터 심볼을 인식하는 알고리즘을 딥러닝 기술을 이용하여 연구하였다. 그 결과로 딥러닝 영상처리 분야에서 사용되는 CNN(Convolutional Neural Network)기법을 사용하여 서로 다른 딥러닝 구조를 실험을 통하여 비교하고 분석하였다.

다국어 초록 (Multilingual Abstract)

Recently, a number of techniques to ensure the free walking for the visually impaired and transportation vulnerable have been studied. As a device for free walking, there are such as a smart cane and smart glasses to use the computer vision, ultrasonic sensor, acceleration sensor technology. In a typical technique, such as techniques for finds object and detect obstacles and walking area and recognizes the symbol information for notice environment information. In this paper, we studied recognization algorithm of the selected symbols that are required to visually impaired, with the deep learning algorithm. As a results, Use CNN(Convolutional Nueral Network) technique used in the field of deep-learning image processing, and analyzed by comparing through experimentation with various deep learning architectures.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 심볼 인식 기술
• 3. 인공신경망을 이용한 인식 기술
• 4. 심층 인공 신경망을 이용한 랜드마크 심볼 인식 방법
• 5. 실험 결과
• 6. 결론
• REFERENCES

참고문헌 (Reference)

• 1 최진우, "시각장애인의 보행보조를 위한 스마트폰 케이스 구현" 한국정보전자통신기술학회 8 (8): 239-242, 2015
• 2 강창순, "시각장애인을 위한 M2M 기반의 지능형 보행보조시스템" 한국통신학회 36 (36): 287-296, 2011
• 3 Ding Dajun, "고속 교통표시판 인식 알고리즘" 한국전기전자학회 16 (16): 356-363, 2012
• 4 W. W. Zhu, "Searching for Pulsars Using Image Pattern Recognition" 781 (781): 117-128, 2014
• 5 P. Sermanet, "Pedestrian detection with unsupervised multi-stage feature learning" 3626-3633, 2013
• 6 A. Krizhevsky, "Imagenet classification with deep convolutional neural networks" 25 : 1106-1114, 2012
• 7 N. Srivastava, "Dropout: A simple way to prevent neural networks from overfitting" 15 (15): 1929-1958, 2014
• 8 Y. Jia, "Caffe: Convolutional architecture for fast feature embedding" 675-678, 2014