基于物联网的可穿戴辅助设备，专为视障人士设计

《Disability and Rehabilitation: Assistive Technology》：IoT-powered wearable assist device for visually impaired

本研究开发并评估了一款基于物联网的可穿戴辅助设备，集成实时物体检测、面部识别和障碍感知技术，旨在提升视障人士的环境感知能力与自主移动效率。实验采用ESP32-CAM和YOLOv4等模型，在多场景下验证系统准确率达90%以上，低延迟特性适用于实时导航，为康复技术提供创新方案。

　　

摘要

目的

本研究的目的是开发并评估一种可穿戴辅助设备，该设备基于物联网（IoT）技术，旨在提升视障人士的障碍物感知能力、行动能力以及与环境的互动性。该技术将实时物体检测、面部识别和障碍物感知功能整合到一个统一的框架中，以实现自主且安全的导航。

材料与方法

采用实验性的设计与开发方法来制作原型，使用了ESP32-CAM模块、Arduino微控制器、超声波传感器以及文本转语音反馈界面。为了实现精确且低延迟的性能，采用了深度学习和机器学习算法：支持向量机（SVM）用于面部检测，ResNet-50卷积神经网络（CNN）用于面部识别，YOLOv4用于物体检测。

结果

所实现的系统识别准确率超过了90%，计算延迟可忽略不计，非常适合实时应用。SVM与YOLOv4的混合模型在精度和效率方面表现出良好的平衡，能够在各种环境和光照条件下实现可靠的多物体识别。定量结果证实了这种可穿戴设备的强大性能和灵活性，能够有效满足辅助需求。

结论

基于物联网的可穿戴辅助技术有望显著提升视障人士的行动能力、环境感知能力和独立性。该设备将硬件传感器与先进的计算机视觉模型相结合，将理论创新应用于实际康复场景。未来的研究将包括广泛的用户验证，以提升设备的可用性、可访问性和用户舒适度。物联网驱动的可穿戴设备能够增强视障人士的行动能力和情境感知能力；机器学习生成的反馈有助于在复杂环境中实现更安全的自主导航。模块化的系统架构使其能够适应更广泛的辅助和康复应用。这项研究有助于设计出符合康复目标的经济高效、智能的辅助技术，同时推动包容性技术的发展。