基于視障人群聲J空3D導(dǎo)航APP的應(yīng)用與探究

彭忠欣 張帆

摘要：視覺障礙者簡稱視障者，其中我國視障人群1300多萬人，約占全世界盲人總數(shù)的28%，也就是說平均每80個(gè)人中就有1人存在視力障礙。本文推出的聲控3D導(dǎo)航系統(tǒng)，其通過聲音輔助視障人群在腦海中構(gòu)建畫面，輔助用戶將所在位置設(shè)置成中心點(diǎn)，把周圍的地標(biāo)按順時(shí)針方向念出來，為用戶勾勒出一幅實(shí)時(shí)地圖，對于視障人群獨(dú)自出行有著重要意義。這些特別的開發(fā)創(chuàng)新將有助于讓視障人群成為獨(dú)自出行探索世界的主導(dǎo)者，也能反哺促進(jìn)我國場所的無障礙的建設(shè)和和諧社會(huì)的構(gòu)建。

關(guān)鍵詞：聲控3D導(dǎo)航;視障人群;信息無障礙

視覺障礙者，根據(jù)第六次全國人口普查及中國互聯(lián)網(wǎng)視障用戶基本情況2017比對，當(dāng)前全世界大約有4500萬視覺障礙者。在視障網(wǎng)民中，90后、80后占75%，其中90后占據(jù)45%，80后占據(jù)30%，特別在網(wǎng)民學(xué)歷的構(gòu)成中高中學(xué)歷占比最高為42%。然而，在日常生活中，我們卻很少能見到這些視障人群，因此大多數(shù)存在視障人群不敢獨(dú)自出門，雖然都有出行的愿望，可由于無法保證自身出行安全，不得己要出行時(shí)，依然要求助家人、鄰居或志愿者。

為了幫助視障人群克服視力障礙，更好地幫助他們獨(dú)立探索世界，我們設(shè)計(jì)了基于視障人群獨(dú)自出行聲控3D導(dǎo)航APP。開發(fā)是在指導(dǎo)老師的設(shè)計(jì)下，通過用戶把手機(jī)端平，聲控3D導(dǎo)航就能說出當(dāng)前地點(diǎn)，前方有什么以及目的地的行進(jìn)方向等;當(dāng)用戶經(jīng)過一些具體地標(biāo)時(shí)，聲控3D導(dǎo)航會(huì)自動(dòng)提示相關(guān)信息與路線。并且本系統(tǒng)特別之處在于用戶越靠近目的地，手機(jī)會(huì)發(fā)出穩(wěn)定持續(xù)的、類似心跳聲的鼓點(diǎn)，這種類似鼓點(diǎn)的聲響會(huì)隨著用戶需要移動(dòng)的方向的變化，及用戶與目的地的距離的變化而改變，用戶越靠近目標(biāo)，鼓點(diǎn)聲頻率就會(huì)越高，而且這些鼓點(diǎn)聲足夠響亮，不會(huì)被都市喧鬧嘈雜的聲音所覆蓋。這些特別的開發(fā)創(chuàng)新將有助于讓視障人群成為獨(dú)自出行探索世界的主導(dǎo)者。

下面我們就以聲控3D導(dǎo)航系統(tǒng)總體架構(gòu)設(shè)計(jì)為例，結(jié)合研究內(nèi)容中體現(xiàn)四個(gè)技術(shù)方面進(jìn)行具體的介紹：

一、從視障人群的感知角度進(jìn)行導(dǎo)航位置確定

在為視障群設(shè)計(jì)的聲控3D導(dǎo)航中，為了幫助他們快速定位，需要通過語言準(zhǔn)確地描述出方位所處的朝向，周圍標(biāo)志性的建筑物，周圍的情況前方三米、左右一米等。同時(shí)這些用詞要貼近視障人士的語言系統(tǒng)，這里的語言描述要盡可能地準(zhǔn)確及客觀，以此來幫助視障人群形成他們的心智地圖和空間畫面，在APP程序開發(fā)界面要通過“我的位置”按鈕，快速幫助視障人群確定當(dāng)前的位置。“我的位置”會(huì)告訴您當(dāng)前的位置，包括您所面對的方向，附近道路或十字路口的位置以及附近景點(diǎn)的位置。當(dāng)您需要弄清楚自己的位置或所面臨的主要方向時(shí)，“我的位置”非常有用。

二、不同場景情況下不同功能的音效進(jìn)行聲音上下文的音頻標(biāo)注

視障人群“聽覺”功能的宗旨是帶來聲音信息，而聲音信息可以分為兩種：差異化的聲音信息和同質(zhì)化的聲音信息。差異化的聲音信息，分貝大小不同，基于差異化的聲音，視障人群可以通過敏銳的聽覺判斷方向。同質(zhì)化的聲音信息，即同類型聲音的分貝大小相同甚至相互混淆或者同類型聲音發(fā)出的分貝值一樣。在這種情況下，視障人群的聽覺會(huì)受到嚴(yán)重影響，從而可能缺失辨別方向的能力，以及輔助記憶和其他的功能，這對視障人群來說是非常可怕的事情。那么首先借用傳統(tǒng)GPS或高德、百度地圖API調(diào)用應(yīng)用程序提供的轉(zhuǎn)向指示，使用空間3D聲音信息標(biāo)注，將視障人群行走時(shí)從他們身體所處的方向調(diào)出興趣點(diǎn)，公園，道路和十字路口。圍繞在視障人群附近的目的地設(shè)置信標(biāo)允許此APP軟件通過播放來自該目的地方向的可聽信標(biāo)聲音來通知其位置。該信標(biāo)可以在主屏幕上靜音或取消靜音。此外，聲控3D導(dǎo)航APP在主屏幕上顯示有關(guān)目的地的信息，包括與其的距離及其街道地址。

特別針對本項(xiàng)目研發(fā)過程中，需要解決關(guān)鍵問題如何在聲控3D導(dǎo)航中縮小“語義鴻溝”問題。本創(chuàng)新團(tuán)隊(duì)認(rèn)為提出相應(yīng)的模型和算法最為關(guān)鍵，作為對音頻標(biāo)注過程中如何縮小低層特性與高層語義之間的積極作用不容小視。特別作為一種重要的上下文，語義概念之間的關(guān)聯(lián)在多標(biāo)記標(biāo)注中尤為重要，因?yàn)閭鹘y(tǒng)的音頻概念檢測對每個(gè)概念單獨(dú)訓(xùn)練分類器的處理思路實(shí)際上是講多標(biāo)記問題退化為一個(gè)多個(gè)二類分類型的集成問題，這樣做最終語義信息的丟失將制約標(biāo)注結(jié)果，也就會(huì)反射在視障人群大腦中語義的原始想法和意圖的高層語義信息出現(xiàn)中斷現(xiàn)場，不利于在腦海中構(gòu)筑3D導(dǎo)航場景再現(xiàn)。所以本項(xiàng)目提出結(jié)合關(guān)聯(lián)主題混合高斯模型，利用該模型假定音頻片段由特征概念對構(gòu)成的共現(xiàn)模型來提高導(dǎo)航過程中產(chǎn)生語音的原始表達(dá)意圖的最大性能輸出。

三、結(jié)論

筆者根據(jù)指導(dǎo)老師的意見，結(jié)合四人小組協(xié)同合作下共同完成，首先對系統(tǒng)總體架構(gòu)設(shè)計(jì)，所述系統(tǒng)包括：一個(gè)具有攝像頭的安卓智能手機(jī)一部、一個(gè)具有揚(yáng)聲器、收音器功能的一對立體聲耳機(jī)，以便可以利用3D空間音頻進(jìn)行標(biāo)注、編寫計(jì)算單元程序、和一個(gè)導(dǎo)航地圖API接口的購置。在相關(guān)技術(shù)實(shí)施過程中，我們會(huì)借用Android原生操作系統(tǒng)中內(nèi)置添加無障礙輔助服務(wù)功能結(jié)合自動(dòng)語音識(shí)別技術(shù)的利用，編程過程中采用廣泛認(rèn)可的基于上下文相關(guān)的深度神經(jīng)網(wǎng)絡(luò)隱馬爾可夫模型來解決大詞匯量語音識(shí)別的難題，最后結(jié)合判決算法對語音進(jìn)行輸出。另一個(gè)場景是在更大的空間里， 某處有一個(gè)標(biāo)簽， 標(biāo)簽里儲(chǔ)存著一些聲音， 它一直在這里使用經(jīng)典藍(lán)牙進(jìn)行信號(hào)發(fā)射，當(dāng)視障人士走進(jìn)了信號(hào)感應(yīng)區(qū)內(nèi)，且開啟了Voicer或者手機(jī)讀取聲音的功能，他們就會(huì)立馬讀取儲(chǔ)存在這周圍的聲音。相信伴隨“互聯(lián)網(wǎng)+”為很多人打開了認(rèn)識(shí)世界的另一扇門，對視障人群而言也是如此，他們對互聯(lián)網(wǎng)信息的渴望不亞于健全人。該項(xiàng)目目前在國內(nèi)外市場都極度匱乏，市場潛力極大，在這種大環(huán)境下，我們所做的聲控3D導(dǎo)航APP將有極大的應(yīng)用前景和市場潛力。