시각장애인의 독립보행을 위한 정보제공을 하고자 보행환경 4종(차로, 보도, 횡단보도, 점자블록)을 인식하여 구분하였다. 교통약자 이동불편 조사에 따르면 시각장애인의 통행경로에서 차도와 보도 사이의 턱을 낮춤으로 인해 경계 인식의 어려움이 불편사항으로 나타났으며 시각장애인 편의시설 실태조사에서 점자블록 등 중요 편의시설 12,300개 중 적정설치율이 22.8%에 그쳐 보행에 어려움을 주는 것으로 보인다. 본 연구에서는 딥러닝 기법의 하나인 합성곱 신경망 알고리즘을 활용하였다. 연구환경은 PC(CPU : i5-3230M, OS : Windows 10), 프로그래밍 언어(Python), 프레임 워크(Tensorflow), 이미지 처리(OpenCV)로 준비하였다. 신경망은 총 7개 층으로 이루어져 있으며 5개의 합성곱 신경망 계층(Convolutional layer), 2개의 완전연결 계층(Fully Connected layer)으로 구성하였다. 신경망 학습을 위해 총 40,000장의 데이터셋을 확보하여 학습데이터 38,600장, 시험데이터 400장, 검증데이터는 1,000장으로 진행하였다. 학습결과는 학습데이터 96.79%, 검증데이터 96.2%의 정확도를 보였고 시험데이터는 각 차도(93%) 보도(81%), 횡단보도(98%). 점자블럭(85%)의 인식률을 보였다. 보행환경에서는 변수가 많고 사용자의 안전과 직결되는 부분이기에 더 높은 완성도가 요구된다. 더욱 다양한 데이터를 수집하고 이에 최적화된 신경망을 설계한다면 향후 시각장애인 독립보행 보조기기 개발에 있어 중요한 핵심기술이 될 것으로 예상한다.
In this study, four types of walking environment (driveway, sidewalk, crosswalk, braille block) were recognized and classified to provide information for the independent walking of the visually impaired. According to a survey of visually-impaired people found border recognition inconvenient due to lowered jaws between driveway and sidewalks. In another survey, the proper installation rate of 12,300 facilities, including braille blocks, is only 22.8 percent, which seems to make it difficult to walk. it is based on the Convolutional Neural Networks algorithm, one of the deep learning techniques. The research environment was prepared with PC (CPU: i5-3230M, OS: Windows 10), programming language (Python), framework (TensorFlow), and image processing (OpenCV). The neural network consists of a total of seven layers, consisting of five convolutional layers and two fully connected layers. A total of 40,000 datasets were secured for neural network learning, and 38,600 training data, 400 test data, and 1,000 verification data were obtained. The results showed the accuracy of 96.79% of learning data and 96.2% of verification data, while the test data showed 93% of each road, 81% of sidewalk, and 98% of crosswalk. It showed a recognition rate of 85 percent for sidewalk blocks. In the walking environment, there are many variables and it is a part directly related to the safety of the user, so higher completion is required. If more diverse data is collected and neural networks optimized for this are designed, it is expected to become an important core technology in the development of independent walking aids for the visually impaired.