一种盲道问题检查方法

1.本发明涉及一种盲道问题检查方法。


背景技术：

2.目前，全国共有1700余万视障人士，盲道系统作为其出行的重要依托，是无障碍设施建设中至关重要的部分。但是，当下大量城市盲道存在盲道砖缺失、铺设不规范、障碍物占用等问题。部分盲道的缺失、不达标或被占用都会使整条盲道不能被视障人士有效使用，从而影响他们的正常出行。同时，盲道建设是市政道路建设中一项必不可少的工程，建设不符合国家标准、使用不规范的问题盲道是对市政工程人力物力财力的极大浪费。
3.目前，已有一些辅助盲人出行的设备。如：中国专利cn113029154a号公开了一种盲人导航方法及装置，在该技术方案中，利用卷积神经网络和长短记忆神经网络实现障碍物检测，运用图神经网络预测使用者行走方向，将两者输出结合，从而实现对盲人行走过程中前方障碍物的提示。但仍存在以下不足：（1）局限于对盲道上障碍物的检测，无法识别并记录盲道铺设不规范、部分盲道砖缺失的问题；（2）仅实现了对物体的检测，并未提出不同盲道问题的识别和分类方法，也未能对所检测盲道情况进行高效整理并生成该区域盲道建设及使用情况反馈报告；（3）仅为盲人提供障碍物提醒和导航，无法对市政盲道体系化整改提供技术支持，无法从根本上解决盲道“建设合格率低、在使用过程中发现问题并及时生成报告”的痛点。
4.目前，部分城市和地区已经开始对盲道问题进行地毯式排查，但依靠无障碍专业人士实地考察、记录、反馈，工作效率低、职业门槛高。为提高盲道问题排查效率，已有一些运用计算机技术辅助盲道问题采集的系统。如：中国专利cn112345001a号公开了一种设施信息的采集方法、装置及存储介质，用于无障碍设施的基础数据的采集与存储。在该技术方案中，根据委派任务信息，分别收集设施的位置、分类、尺寸信息，再通过收集信息在地图上进行相关标记，解决了人工步行现场采集效率低的问题。但仍存在以下不足：（1）仅局限于无障碍设施客观数据的采集，未对其是否存在问题进行智能识别和分类；（2）仍需要对所收集的设施信息进行人工判断，由无障碍专业人士人工撰写无障碍设施情况及问题反馈报告，存在识别效率低、工作人员专业门槛要求高的问题。
5.又如：中国专利cn111860468a号公开了一种基于机器视觉的盲道识别方法、系统、装置及存储介质。在该技术方案中，通过建立盲道砖数据库，结合实时采集到的盲道砖图案和地理位置坐标，得到较完善的对应盲道信息；在此基础上，采用机器视觉技术，将图片与数据库中盲道图像进行对比检测，获取图片中盲道的地理位置坐标，对盲道信息进行播报。实现了计算机对盲道类型的智能识别，但仍存在以下不足：（1）仍需专业人员在实地采集、上传盲道信息，对于盲道数据库的建立也需人工对所采集盲道图案和信息进行识别；（2）仅对盲道本身进行分类，而未深入挖掘问题盲道的组合特征从而对盲道存在的问题进行分类；（3）盲道图像的对比检测仅用于确定盲道所处地理位置，并未涉及基于机器视觉的盲道问题识别和分类。


技术实现要素：

6.本发明目的在于：提供一种基于深度学习技术，实现机器代替人工对盲道问题的智能排查、识别和分类，并自动生成所排查盲道建设及使用情况反馈报告的盲道问题检查方法。
7.为实现上述目的，本发明是通过以下技术方案来实现的：一种盲道问题检查方法，包括：信息采集端、盲道检测处理系统、检测结果输出端三部分；其特征在于：所述的信息采集端包括信息采集设备，信息采集设备所采集的图像含有地理位置坐标信息，并将获得的信息传输至盲道检测处理系统，盲道检测处理系统对相应图像进行检测，判断并分类图像中的盲道状况，排查出问题盲道，并将获得的盲道建设及使用状况分类结果和对应图像的地理位置坐标信息整合生成盲道建设及使用情况反馈报告，通过检测结果输出端进行输出。
8.本发明的优点在于：由于盲道检测处理系统，对相应图像进行检测，判断并分类图像中的盲道状况，排查出盲道问题，并通过检测结果输出端输出盲道建设及使用情况反馈报告；可协助市政管理部门、盲道整改施工单位把握区域盲道整体建设情况，为进行针对性整改提供技术支持。同时，本方法采用机器代替人工对问题盲道进行智能化的排查、识别和分类；能降低工作人员的专业门槛。
9.在本发明中，所述的信息采集端获得的地理位置坐标信息与电子地图进行匹配，得出对应采集图像在电子地图中的实际位置。其可在盲道建设及使用情况反馈报告中直观地给出问题盲道的道路信息。
10.在本发明中，所述的信息采集设备是具有定时拍摄、实时定位、记录拍摄时间的信息采集设备。使用时，先设定自动拍摄间隔时长，再将信息采集设备安装于采集设备载体上，载体经过盲道路段，信息采集设备对盲道进行自动拍摄，同时获取每张照片地理位置坐标、拍摄时间；将地理位置坐标、拍摄时间与图像进行绑定，并将绑定信息传输至盲道检测处理系统。可实现机器代替人工拍摄、记录盲道信息，提高信息采集效率。所述的信息采集设备安装于手机、盲杖、机动车、非机动车、监控探头、无人机、无人车其中之一上。上述载体用于承载采集端设备，并按照一定路径行进，让采集设备能够拍摄、记录周边的盲道信息。
11.在本发明中，所述的盲道检测处理系统包含盲道问题判断模块，采用图神经网络、逻辑判断、svm、knn、cnn其中之一。其可对采集的图像中盲道及相关元素进行检测，并在检测基础上运用图神经网络对图像中各元素之间的关系进行建模，从而将相对位置关系表达为抽象图结构，再通过对图结构进行推断学习，实现计算机对图像中盲道状况的智能识别和分类。
12.在本发明中，所述的盲道问题判断模块包括图像输入部分、元素检测部分、方向信息提取部分、图结构转换部分、基于图神经网络的盲道节点标签预测部分、问题分类及输出部分、反馈报告生成部分。将信息采集端的图像输入，先通过图像处理算法实现图像中元素的检测，并提取盲道行进方向信息；结合元素检测结果，对图像中各元素之间的关系进行建模，将实景图像转换为抽象图结构；再基于图神经网络算法对抽象图结构进行推断学习，得到图像中涉及的盲道是每一类盲道状况的概率向量；将所得的概率向量与盲道状况名称进行一一对应，概率数值最大的分量对应的盲道状况名称即为检测结果，从而实现计算机对图像中盲道状况的智能识别和分类；再将盲道状况分类结果和信息采集端所获取的信息整
合，生成盲道建设及使用情况反馈报告文件，使得使用者更直观、全面地获得所排查区域盲道建设及使用情况。
13.在本发明中，所述的图像输入部分，将信息采集端获取的图像输入盲道检测处理系统。用于后续盲道及相关元素检测、盲道状况识别和分类。
14.在本发明中，所述的元素检测部分，运用图像处理方法，实现图像中元素的检测，包括元素的类型、检测框的中心点坐标、检测框长宽信息。
15.在本发明中，所述的元素检测的对象包括行进盲道、正确端部提示盲道、错误端部提示盲道、正确交叉处提示盲道、错误交叉处提示盲道、非机动车、机动车、窨井盖、柱状物的其中之一或全部。所检测元素为建设和使用中的问题盲道所涉及的常见元素，使得实景图像转换为抽象图结构可以保留并突显关键元素信息，从而结合元素检测结果，对图像中各元素之间的关系进行精准建模。
16.在本发明中，所述的图像处理方法包括faster r-cnn、yolo、颜色聚类分析、拉东变换、混合型高斯模型、霍夫变换、 h色相阈值分割、sobel 算子边缘检测、canny边缘检测、lab颜色模型、模糊c均值（kfcm）算法、单通道颜色空间阈值分割、k-means 均值、fcm 分割算法的其中之一或组合。基于传统图像处理方法或深度学习的图像处理方法，实现图像中元素的检测，包括元素的类型、检测框的中心点坐标、检测框长宽信息。
17.在本发明中，所述的元素检测部分选择在实现图像中元素检测后，通过solov2算法对目标检测框根据对象外轮廓进行精确调整，准确反映元素在图像中的位置与大小。
18.在本发明中，所述的方向信息提取部分，利用行进盲道纹理排列具有周期性的特征及其对盲道行进指向的先验性，通过计算得到的灰度共生矩阵计算相关性。度量图像纹理的灰度级在不同方向上的相似程度，所得值越大说明该方向上盲道纹理相关性越强，即越接近纹理的反复出现，越接近盲道行进方向；再将此方向信息用于对后续抽象图结构中边的二次判定，从而实现障碍物与盲道相对位置的精确建模，用来判断障碍物是占用在盲道进行方向上、还是紧挨在盲道两侧。
19.在本发明中，所述的图结构转换部分，根据元素检测部分获得的元素检测结果，对图像中各元素之间的关系进行建模，将现实场景图像转换为由点和边组成的抽象图结构。其中，由被检测元素及其属性生成节点，每个节点初始特征为节点类型的独热编码；再利用对象之间的不同位置关系计算对应的iou指标，从而引出“交叠”与“邻近”两种边。获得初步抽象图结构后，将盲道方向信息输入抽象图结构中边的二次判定，即将分别连接盲道和非盲道元素节点、且非盲道节点不在盲道行进方向上的“邻近”边删除，获得最终抽象图结构。
20.在本发明中，所述的
ꢀ“
交叠”边类型，指不同被检测元素的检测框之间存在交叠时元素之间关系的表示。
21.在本发明中，所述的“邻近”边类型，指不同被检测元素的检测框之间不存在交叠，但将检测框分别扩大到原105%后存在交叠时元素之间关系的表示。
22.在本发明中，所述的基于图神经网络的盲道节点标签预测部分，基于图神经网络对抽象图结构进行推断学习，通过节点标签预测来实现计算机对图像中盲道状况的智能识别和分类。
23.在本发明中，所述的节点标签预测，采用异构图结构，应用多头注意力图卷积网络（gats），按照不同类型的边，分别采用不同的dglnn模块对每种关系进行处理，即让源节点
的信息沿着不同的关系传递到目标节点；然后对于同一目标节点，聚合不同关系传来的信息进行特征更新。完成节点的信息更新后，由于盲道状况分类往往只依赖邻近节点，且每张图像抽象出的图结构较为简单，采取单层注意力图卷积网络。通过单层注意力图卷积网络得到归一化的注意系数后，利用该系数计算对应特征的线性组合，作为每个节点的最终输出特征；提取基于图神经网络的节点级输出，送入一个全连接神经网络，将盲道最终特征转化到盲道状况特征空间中进行分类，从而得到图像中的盲道场景分别是每一类盲道状况的概率向量。
24.在本发明中，所述的问题分类及输出部分，将盲道问题概率向量与盲道状况名称进行一一对应，概率数值最大的分量对应的盲道状况名称作为分类结果输出。
25.在本发明中，所述的盲道状况名称包括正确盲道、非机动车占用盲道、机动车占用盲道、窨井盖占用盲道、柱状物体占用盲道、交叉处盲道错误、端部盲道错误的其中之一或全部。所分类的盲道状况均为当下常见的盲道状况，使得使用者可以更直观了解该盲道存在的建设及使用问题，再结合该问题盲道所在地理位置和道路信息，分析问题背后的成因，从而对该段盲道状况进行宏观把控，协助得出盲道体系化改造策略。
26.在本发明中，所述的
ꢀ“
正确盲道”状况名称，指图像中盲道在盲道砖类型、铺设顺序上均符合《gb50763-2012 无障碍设计规范》中盲道相关规范，且在盲道行进方向上无障碍物的盲道状况。所述的
ꢀ“
非机动车占用盲道”状况名称，指图像中出现在盲道行进方向上有非机动车占用的盲道状况。所述的
ꢀ“
机动车占用盲道”状况名称，指图像中出现在盲道行进方向上有机动车占用的盲道状况。所述的
ꢀ“
窨井盖占用盲道”状况名称，指图像中出现在盲道行进方向上有窨井盖占用的盲道状况。所述的
ꢀ“
柱状物体占用盲道”状况名称，指图像中出现在盲道行进方向上有柱状物占用的盲道状况，包括电线杆、路障石墩、树干的其中之一。所述的“交叉处盲道错误”状况名称，指图像中盲道在交叉处的铺设未符合《gb50763-2012 无障碍设计规范》和《12j926无障碍设计图集》中盲道交叉处提示盲道相关规范。所述的“端部盲道错误”状况名称，指图像中盲道在端部（包括起点、重点）的铺设未符合《gb50763-2012 无障碍设计规范》和《12j926无障碍设计图集》中端部盲道相关规范。
27.在本发明中，所述的问题分类及输出部分，若判断所得盲道状况不是“正确盲道”，根据盲道问题概率向量中最大概率数值的绝对大小，分为“严重”和“轻微”两个等级，从而反映该图像中所涉及盲道问题的严重程度，实现对建设及使用中问题盲道更精准的描述。
28.在本发明中，所述的“严重”等级，指盲道问题概率向量中最大概率的绝对数值大于0.75的盲道节点。
29.在本发明中，所述的“轻微”等级，指盲道问题概率向量中最大概率的绝对数值小于等于0.75的盲道节点。
30.在本发明中，所述的报告文件生成部分，将盲道状况分类结果和信息采集端所获取的信息整合，并将获取的地理位置信息与电子地图进行匹配，得出对应采集图像在电子地图中的实际位置，生成盲道建设及使用情况反馈报告文件存储在系统本地或上传到网络平台。
31.在本发明中，所述的盲道建设及使用情况反馈报告，包括本次盲道信息采集中每一类盲道状况的数量，每张照片中盲道状况分类结果、严重程度、拍摄时间、图像实际地理位置信息，并在电子地图中显示每一处盲道状况出现的位置，实现对所排查区域盲道情况
全面、直观的反馈。
32.在本发明中，所述的检测结果输出端输出图像中盲道状况分类结果和盲道建设及使用情况反馈报告。
33.在本发明中，所述的检测结果输出端设备包括手持式打印机、远程无线打印机、电子屏幕的其中之一。便于呈现最终盲道状况分类结果和盲道建设及使用情况反馈报告。
附图说明
34.图1 是本发明的装置结构示意图图2是本发明实施例1的装置示意图图3是本发明的盲道检测处理系统示意图图4是本发明实施例1的元素检测部分示意图图5是本发明实施例1的图结构转化部分示意图图6 是本发明实施例1的基于图神经网络的盲道节点标签预测部分示意图图7是本发明实施例1的基于图神经网络的盲道问题判断流程示意图图8是本发明实施例1的问题分类及输出部分示意图图9是本发明实施例1的问题分类及输出流程示意图图10是本发明实施例1的报告文件生成部分示意图图11是本发明实施例3的元素检测部分示意图。
具体实施方式
35.具体实施例1图1-图10给出了本发明的实施例1。
36.如图1所示：本实施例的盲道问题检查方法包括信息采集端1、盲道检测处理系统2、检测结果输出端3。所述的信息采集端包括信息采集设备，信息采集设备所采集的图像含有地理位置坐标信息，并将获得的信息传输至盲道检测处理系统，盲道检测处理系统对相应图像进行检测，判断并分类图像中的盲道状况，排查出问题盲道，并将获得的盲道建设及使用状况分类结果和对应图像的地理位置坐标信息整合生成盲道建设及使用情况反馈报告，通过检测结果输出端进行输出。
37.在本实施例中，信息采集端获得的地理位置坐标信息与电子地图进行匹配，得出对应采集图像在电子地图中的实际位置，便于在盲道建设及使用情况反馈报告中直观地给出问题盲道的道路信息。
38.如图2所示：信息采集端包括信息采集设备。在本实施例中，信息采集设备包括可安装在非机动车把手上的云台4、数码摄像头5。信息采集端可以无线联网，具有定时启动快门拍摄、实时定位、记录拍摄时间的功能。开启信息采集端实时定位功能，获取gps信号，得到每张照片的地理位置坐标；开启拍摄时间记录功能，记录每张照片拍摄时间；开启定时启动快门功能，设定自动拍摄间隔时长为1秒/张。将信息采集端安装在非机动车把手上，使用者只需在盲道路段骑行，信息采集设备对盲道进行自动拍摄，同时获取每张照片地理位置坐标、拍摄时间；将地理位置坐标、拍摄时间与图像进行绑定，并将绑定信息上传至盲道检测处理系统3。
39.如图3所示：盲道检测处理系统包含盲道问题判断模块6，在本实施例中，盲道问题判断模块包括：图像输入部分6-1、元素检测部分6-2、方向信息提取部分6-3、图结构转换部分6-4、基于图神经网络的盲道节点标签预测部分6-5、问题分类及输出部分6-6、报告文件生成部分6-7。采用图神经网络算法，在图像检测基础上运用图神经网络对图像中各元素之间的关系进行建模，从而将相对位置关系表达为抽象图结构，再通过对图结构进行推断学习，实现计算机对图像中盲道状况的智能识别和分类。
40.在本实施例中，图像输入部分6-1将信息采集端获取的图像输入盲道检测处理系统，用于后续的盲道及相关元素检测、盲道状况识别和分类。
41.结合图3、图4所示：在本实施例中，元素检测部分6-2包括：图像输入7、基于faster r-cnn的元素检测模块8、检测结果输出9。所述的基于faster r-cnn的元素检测模块，将特征提取、目标提取、候选框和分类器整合在一个网络中，并将原始faster r-cnn模型共享卷积层中的卷积层、激活函数、池化层结构用fpn和残差网络代替，从而达到能够提取不同尺度的图像特征、避免梯度消失与梯度爆炸的效果。通过fpn和残差网络得到特征图，其特征信息同时传输到roi池化层和rpn层，推测候选域的位置，得到初步检测结果。目标分类层利用输出的候选域，通过全连接层计算各候选区所属类别，输出预测为某一类元素的概率向量；同时通过候选域调整，利用包围框回归获得每个获选区域的位置偏移量，用回归计算得到更加精确的目标检测框的大小和位置，得到元素检测结果。
42.在本实施例中，元素检测的对象包括行进盲道、正确端部提示盲道、错误端部提示盲道、正确交叉处提示盲道、错误交叉处提示盲道、非机动车、机动车、窨井盖、柱状物。所检测元素为建设和使用中的问题盲道所涉及的常见元素，使得实景图像转换为抽象图结构可以保留并突显关键元素信息，从而结合元素检测结果，对图像中各元素之间的关系进行精准建模。
43.在本实施例中，方向信息提取部分6-3包括：利用行进盲道纹理排列具有周期性的特征，及纹理对盲道行进指向的先验性，通过计算得到的灰度共生矩阵计算相关性，即度量图像纹理的灰度级在不同方向上的相似程度，所得值越大说明该方向上盲道纹理相关性越强，即越接近纹理的反复出现，越接近盲道行进方向。将获得的盲道方向信息用于图结构转换部分6-4的抽象图结构中边的二次判定，即将分别连接盲道和非盲道元素节点、且非盲道节点不在盲道行进方向上的“邻近”边删除，从而实现障碍物与盲道相对位置的精确建模，并在基于图神经网络的盲道节点标签预测部分6-5中，用来判断障碍物是占用在盲道进行方向上，还是紧挨在盲道两侧。
44.如图5所示：在本实施例中，图结构转换部分6-4包括：检测结果输出9、iou指标计算10、初步抽象图结构11、最终抽象图结构12。根据元素检测模块获得的元素检测结果，运用图神经网络对图像中各元素之间的关系进行建模，将现实场景图像转换为由点和边组成的抽象图结构。其中，由被检测元素及其属性生成节点，每个节点初始特征为节点类型的独热编码；再利用对象之间的不同位置关系计算对应的iou指标，从而引出“交叠”与“邻近”两种边。当不同被检测元素的检测框之间存在交叠时元素之间关系表示为“交叠”型边，当不同被检测元素的检测框之间不存在交叠，但将检测框分别扩大到原105%后存在交叠时元素之间关系表示为“邻近”型边。从而获得初步抽象图结构，将盲道方向信息输入抽象图结构中边的二次判定，即将分别连接盲道和非盲道元素节点、且非盲道节点不在盲道行进方向
上的“邻近”边删除，获得最终抽象图结构。
45.结合图6、图7所示：在本实施例中，基于图神经网络的盲道节点标签预测部分4-5包括：最终抽象图结构12、多头注意力图卷积网络13、节点信息更新14、单层注意力图卷积网络15、节点最终特征16、全连接神经网络17、盲道状况概率向量输出18。所述抽象图结构选用异构图结构构造，即以元素检测部分6-2中的每一类元素为一类节点，使得抽象图中存在多种不同的节点种类。抽象图结构输入后，应用所述的多头注意力图卷积网络13进行推断学习：按照不同类型的边，分别采用不同的dglnn模块对每种关系进行处理，即让源节点的信息沿着不同的关系传递到目标节点；然后对于同一目标节点，聚合不同关系传来的信息进行节点特征更新14。完成节点的信息更新后，由于盲道状况分类往往只依赖邻近节点，且每张图像抽象出的图结构较为简单，采取单层注意力图卷积网络15。通过单层注意力图卷积网络得到归一化的注意系数后，利用该系数计算对应特征的线性组合，作为每个节点的最终特征16。提取基于图神经网络的节点级输出，送入一个全连接的神经网络17中将盲道特征转化到盲道状况特征空间中进行分类，得到图像中的盲道场景分别是每一类盲道状况的盲道状况概率向量输出18。从而实现了基于图神经网络对抽象图结构进行推断学习，通过节点标签预测来实现计算机对图像中盲道问题的智能识别和分类。
46.结合图8、图9所示，在本实施例中，问题分类及输出部分6-6包括：盲道状况概率向量输出18、概率数值最大分量19、盲道状况分类结果输出20、盲道问题严重程度输出21。将盲道状况概率向量与盲道状况名称进行一一对应，概率数值最大的分量对应的盲道状况名称作为盲道状况分类结果输出。判断数值最大的分量对应盲道状况是否为盲道问题，若是，则根据最大概率数值的绝对大小，得出该图像中所涉及盲道问题的严重程度，分为“严重”和“轻微”两个等级，当绝对数值大于0.75时为“严重”，小于等于0.75时为“轻微”。例如第1个分量对应的盲道状况为“非机动车占用盲道”，若输出的盲道问题概率向量中第1个分量概率数值最大，且绝对数值为0.85，则问题分类及输出结果为“严重”等级的“非机动车占用盲道”。
47.在本实施例中，实现分类的盲道状况名称包括正确盲道、非机动车占用盲道、机动车占用盲道、窨井盖占用盲道、柱状物体占用盲道、交叉处盲道错误、端部盲道错误。所分类的盲道状况均为当下常见的盲道状况，使得使用者可以更直观了解该盲道存在的建设及使用问题，再结合该问题盲道所在地理位置和道路信息，分析问题背后的成因，从而对该段盲道状况进行宏观把控，协助得出盲道体系化改造策略。
48.如图10所示：在本实施例中，报告文件生成部分6-7包括：检测结果及信息输入22、信息整合23、报告文件生成24。将盲道状况分类结果和信息采集端所获取的信息整合，并将获取的地理位置信息与电子地图进行匹配，得出对应采集图像在电子地图中的实际位置，生成盲道建设及使用情况反馈报告文件存储在系统本地或上传到网络平台。
49.在本实施例中，盲道建设及使用情况反馈报告，包括本次盲道信息采集中每一类盲道状况的数量，每张照片中盲道状况分类结果、严重程度、拍摄时间、图像实际地理位置信息，并在电子地图中显示每一处盲道状况出现的位置，实现对所排查区域盲道情况全面、直观的反馈。
50.如图2所示：在本实施例中，检测结果输出端包括：手持式打印机25、盲道建设及使用情况反馈报告26。装置输出图像中盲道状况分类结果和盲道建设及使用情况反馈报告，
最终检测结果通过无线网传输至手持式打印机25，打印机将盲道建设及使用情况反馈报告26打印出来，给予使用者所排查区域盲道状况直观感受和宏观分析，为针对性整改提供技术支持。
51.具体实施例2在本实施例中，信息采集端的采集设备可以用光学摄像头、红外摄像头等代替实施例1中的数码摄像头，可以用手机、盲杖等手持式拍摄设备，机动车、摩托车上的车载设备，无人机、无人车等自动驾驶设备代替实施例1中的非机动车把手上的云台，采集设备需具有定时拍摄、实时定位、记录拍摄时间的功能；采集设备载体按照一定路径行进，让采集设备能够拍摄、记录周边的盲道信息。其余与实施例1相同。
52.具体实施例3如图11所示：本实施例中，盲道问题判断模块6的元素检测部分6-2中可选择在基于图像识别技术获得图像中元素检测结果后，增加检测结果精细化模块27，通过solov2算法对目标检测框根据对象外轮廓进行更精确的调整，输出精细化的检测结果28。其余与实施例1相同。
53.具体实施例4本实施例中，检测结果输出端设备可以用远程无线打印机、电子屏幕等代替具体实施例1中的手持式打印机，实现盲道建设及使用情况反馈报告的呈现，其余与实施例1相同。
54.以上实施例仅是本发明的个案，从以上实施例可知，任何根据本发明精神所作的替换，包括图像检测具体算法的选择、基于图神经网络的节点标签预测具体算法的选择、采集及输出端设备的选择，以及盲道状况具体名称；凡通过计算机代替人工进行盲道检测，实现识别和分类图像中的盲道状况，排查出问题盲道，并生成盲道建设及使用情况反馈报告的装置，均应理解为未脱离本发明的保护范围。