3、基于深度神经网络的轮椅行为识别以可视化人行道可达性

基于深度神经网络的轮椅行为识别以可视化人行道可达性

1. 引言

为行动不便的人群（如老年人、行动障碍者和视力障碍者）提供人行道可达性信息是一个重要的社会问题。传统的收集大规模可达性信息的方法，如专家评估图像或众包招募志愿者，依赖人力，在大面积收集信息时不切实际。随着智能手机和智能手表等智能设备的普及，人们对自身活动的感知更加熟悉。考虑到轮椅的加速度信号会受到路面状况的影响，我们提出了一种利用机器学习从轮椅加速度计评估人行道可达性的系统。本文旨在通过识别轮椅加速度信号中的路面状况来估计人行道可达性，实现可视化服务和安全路线导航。我们开发并评估了用于分类路面状况的卷积神经网络（CNN）模型、无需人工标注提取知识的弱监督模型，以及评估人行道障碍程度的自监督自动编码器模型。

2. 人行道可达性可视化

2.1 提出的系统

我们提出的系统旨在为所有行人，尤其是行动不便的人提供可达性信息。系统的概述如下：

graph LR
    A[用户移动设备] --> B[传感器]
    B --> C[轮椅加速度数据库]
    D[标注路面状况] --> C
    C --> E[深度神经网络]
    E --> F[知识提取]
    F --> G[人行道特征数据集]
    G --> H[可达性可视化]
    I[传感应用] --> B
    E --> |CNN, VAE| H

轮椅传感器信号通过用户移动设备上的传感应用或轮椅上的传感器测量，结合标注信息创建轮椅加速度数据库。训练