淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2808201412042900
中文論文名稱 以智慧型手機與機器學習輔助提升視障同胞行走安全性
英文論文名稱 Improving Safety of Walking for Visually Impaired People using Smart Phones and Machine Learning
校院名稱 淡江大學
系所名稱(中) 資訊工程學系碩士班
系所名稱(英) Department of Computer Science and Information Engineering
學年度 102
學期 2
出版年 103
研究生中文姓名 黃詩雯
研究生英文姓名 Shih-Wen Huang
學號 601410631
學位類別 碩士
語文別 中文
第二語文別 英文
口試日期 2014-07-24
論文頁數 61頁
口試委員 指導教授-林其誼
委員-林昌鴻
委員-許輝煌
委員-林其誼
中文關鍵字 群眾外包  機器學習  智慧型手機  視障 
英文關鍵字 Crowdsourcing  Machine learning  Smartphone  Visually impaired 
學科別分類 學科別應用科學資訊工程
中文摘要 對於視障同胞而言,障礙物與階梯路段會增加行走的困難度,更可能導致意外跌倒。許多研究學者提出一些透過智慧型手機或是電腦視覺的方式,增進視障同胞的行走安全。在本篇論文中我們提出了一種替代的方案來達到相同的目標-也就是利用群眾外包的力量以及使用機器學習。具體來說,我們利用非視障同胞所使用的智慧型手機收集,三軸加速度數值與相對應的GPS地理座標。接著,將所得到的資料使用機器學習的技巧分析後,轉換成地形圖,並對室外階梯路段做標記。在視障同胞將地圖下載至智慧型手機後,我們所開發設計的Android App能夠監控視障同胞所處的室外位置,當視障同胞將要靠近階梯路段時,透過語音的方式做提醒。
英文摘要 Visually impaired people have difficulty in walking freely because of the obstacles or the stairways along their walking paths, which can lead to accidental falls. Many researchers have devoted to promoting safe walking for visually impaired people by using smartphones and computer vision. In this research we propose an alternative approach to achieve the same goal – we take advantage of the power of crowdsourcing with machine learning. Specifically, by using smartphones carried by a vast amount of visually normal people, we can collect the tri-axial accelerometer data along with the corresponding GPS coordinates in large geographic areas. Then, machine learning techniques are used to analyze the data, turning them into a special topographic map in which the regions of outdoor stairways are marked. With the map installed in the smartphones carried by the visually impaired people, the Android App we developed can monitor their current outdoor locations and then enable an acoustic alert when they are getting close to the stairways.
論文目次 目錄
第一章 緒論 1
1.1研究背景 1
1.2研究動機 2
1.3研究目的與重要性 3
1.4論文架構 4
第二章 相關研究 5
2.1姿勢動作辨別 5
2.2協助視覺障礙行走 7
2.3 Crowdsourcing 8
2.4機器學習演算法 9
2.4.1 K-means Algorithm 9
2.4.2 C4.5 Tree 11
2.4.3 Neural network 12
2.4.4 LibSVM 15
2.5機器學習軟體工具 - Weka 17
第三章 機器學習演算法應用於階梯識別 19
3.1資料收集與前處理 19
3.1.1資料收集 19
3.1.2資料前處理 24
3.2分析與比較 27
3.2.1資料集 27
3.2.2比較 28
第四章 階梯辨別APP 實作 37
4.1系統實作說明 37
4.2開發工具與環境 37
4.3系統程式流程與設計 37
4.3.1系統程式概念 37
4.3.2系統程式架構 39
4.3.3程式分類介紹 41
4.4程式實際操作 45
第五章 結論與未來展望 51
參考文獻 53
附錄 - 英文論文 55

圖目錄
圖2-1、Neural network 處理單元函數作用圖 13
圖2-2、Neural network 網路架構 15
圖2-3、SVM 示意圖 16
圖2-4、Weka 開始頁面 17
圖2-5、Weka Explorer 介面 18
圖2-6、資料匯入 18
圖3-1、程式【Last】流程 20
圖3-2、【Last】使用介面 23
圖3-3、資料儲存.csv檔 23
圖3-4、論文步伐辨識率 33
圖3-5、步行5秒鐘 35
圖3-6、下樓5秒鐘 35
圖3-7、上樓5秒鐘 36
圖4-1、系統流程圖 38
圖4-2、系統程式架構 39
圖4-3、主程式畫面 45
圖4-4、非視障模式畫面 45
圖4-5、點擊標記確認 46
圖4-6、新增點擊點標記 47
圖4-7、搖晃標記確認 48
圖4-8、新增搖晃標記 48
圖4-9、視障模式畫面 49
圖4-10、階梯偵測提醒 50

表目錄
表3-1、儲存欄位內容 21
表3-2、Sliding Window 示意表 26
表3-3、K-means對All資料集的混淆矩陣 28
表3-4、K-means對WU資料集的混淆矩陣 29
表3-5、K-means對WD資料集的混淆矩陣 29
表3-6、K-means準確率 29
表3-7、Tree對All資料集的混淆矩陣 30
表3-8、Tree對WU資料集的混淆矩陣 30
表3-9、Tree對WD資料集的混淆矩陣 30
表3-10、Tree準確率 30
表3-11、Neural network對All資料集的混淆矩陣 31
表3-12、Neural network對WU資料集的混淆矩陣 31
表3-13、Neural network對WD資料集的混淆矩陣 31
表3-14、Neural network準確率 31
表3-15、LibSVM對All資料集的混淆矩陣 32
表3-16、LibSVM對WU資料集的混淆矩陣 32
表3-17、LibSVM對WD資料集的混淆矩陣 32
表3-18、LibSVM準確率 32
表3-19、演算法準確率比較 33
表4-1、程式分類表 41
參考文獻 [1] Li Zhang, Tianchi Liu, Sijun Zhu, Zhiliang Zhu, “Human Activity Recognition based on Triaxial Accelerometer”, 2012 7th International Conference on Computing and Convergence Technology (ICCCT), pp.261-266
[2] Daniel Kelly, Brian Caulfield, “An Investigation into Non-Invasive Physical Activity Recognition using Smartphones”, 34th Annual International Conference of the IEEE EMBS San Diego, California USA, 28 August - 1 September, 2012, pp.3340-3343
[3] Alvina Anjum, Muhammad U. Ilyas, “Activity Recognition Using Smartphone Sensors”, First Workshop on People Centric Sensing and Communications 2013, pp.914-919
[4] Muhammad Asad, Waseem Ikram, “Smartphone based Guidance System for Visually Impaired Person”, 2012 3rd International Conference on Image Processing Theory, Tools and Applications (IPTA), 2012, pp.442-447
[5] Brandon Taylor, Dah-Jye Lee, Dong Zhang, Guangming Xiong, “Smart Phone-based Indoor Guidance System for the Visually Impaired”, 2012 12th International Conference on Control, Automation, Robotics & Vision Guangzhou, China, 5-7th December 2012 (ICARCV 2012), pp.871-876
[6] Machine Learning Group at the University of Waikato, Weka,
http://www.cs.waikato.ac.nz/ml/weka/, last accessed July 16,2014.
[7] Dragan Ahmetovic, “Smartphone-assisted mobility in urban environments for visually impaired users through computer vision and sensor fusion”, 2013 IEEE 14th International Conference on Mobile Data Management, pp.15-18
[8] Ian hmWitten, Eibe Frank, Mark A.Hall, “DATA MINING Practical Machine Learning tools and Techniques”, third edition, 2011
[9] “A Tutorial on Clustering Algorithms (K-Means Clustering)”,
http://home.deib.polimi.it/matteucc/Clustering/tutorial_html/kmeans.html, last accessed July 16,2014.
[10] 陳鍾誠, "K-Means 分群演算法", http://ccckmit.wikidot.com/ai:kmeans, last accessed July 16, 2014.
[11] 蔡康峻, “使用手機重力感測器和類神經網路於姿態辨識”, 中華民國101年6月, 碩士論文, 淡江大學
[12] 楊傑程, “應用樣式探勘與機器學習方法於中文未知詞擷取之研究”, 碩士論文, 國立中央大學, 2009
[13] 陳玉峰, “演算法分析實現上下樓梯及走路的步伐偵測”, 長庚大學, 碩士論文, 2011
[14] Jeff Howe, “The Rise of Crowdsourcing”, Wired Magazine, Issue 14.06, June 2006, http://www.wired.com/wired/archive/14.06/crowds_pr.html, last accessed July 16,2014.
[15] Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for support vector machines. ACM Transactions on Intelligent Systems and Technology, 2011. Software available at http://www.csie.ntu.edu.tw/~cjlin/libsvm, last accessed July 16,2014.
[16] “C4.5--信息增益率”, http://shiyanjun.cn/archives/428.html, last accessed July 16,2014.
[17] J. R. Quinlan, “Improved Use of Continuous Attributes in C4.5”, Journal of Articial Intelligence Research 4 (1996) 77-90, 2006
[18] “CloudCrowd”, http://www.cloudcrowd.com/ , last accessed July 16,2014.
[19] “Servio”, http://www.serv.io/ , last accessed July 16,2014.
[20] “CrowdFlower”, http://crowdflower.com/ , last accessed July 16,2014.
[21] “InnoCentive”, https://www.innocentive.com/ , last accessed July 16,2014.
[22] Google Developers, “Google Maps JavaScript API 第3版” https://developers.google.com/maps/documentation/javascript/?hl=zh-tw, last accessed July 16,2014.
[23] “Android Developer”, http://developer.android.com/index.html , last accessed July 16,2014.
[24] S. Mazilu, M. Hardegger, Z. Zhu, D. Roggen, G. Troster, M. Plotnik, and J. M. Hausdorff, "Online Detection of Freezing of Gait with Smartphones and Machine Learning Techniques," 2012 6th International Conference on Pervasive Computing Technologies for Healthcare (PervasiveHealth), pp. 123-130, May 2012.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2015-08-28公開。
  • 同意授權瀏覽/列印電子全文服務,於2015-08-28起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信