AI-powered Assistive Wearable System for the Visually Impaired

Abstract

This research presents the design and implementation of AI-powered assistive wearable system for visually impaired individuals, addressing the critical need for independent mobility and accessibility in daily life. The proposed system integrates multiple artiőcial intelligence technologies including computer vision, object detection, text recognition, and audio feedback to create a comprehensive assistive device. The proposed wearable system employ a multi-model architecture combining YOLO for real-time object detection, OCR for text reading, and convolutional neural networks for obstacle recognition. A sophisticated audio feedback system provides verbal descriptions of the environment, while haptic alerts warn of immediate dangers. The device incorporates GPS navigation with indoor positioning capabilities and emergency SOS features. Experimental validation involved testing with 30 visually impaired participants across various environments. Results demonstrate 92% accuracy in object recognition, 87% accuracy in text reading under optimal conditions, and signiőcant improvement in user conődence during navigation tasks. The system reduces collision incidents by 76% compared to traditional white cane usage alone. This work contributes to the őeld of assistive technology by presenting a cost-effective, wearable solution that enhances independence and safety for visually impaired individuals. The modular architecture allows for future enhancements including facial recognition, currency identiőcation, and integration with smart city infrastructure.***

Cette recherche présente la conception et la mise en oeuvre d’un système portable d’assistance alimenté par l’intelligence artiőcielle pour les personnes malvoyantes, répondant au besoin critique de mobilité autonome et d’accessibilité dans la vie quotidienne. Le système proposé intègre plusieurs technologies d’intelligence artiőcielle, notamment la vision par ordinateur, la détection d’objets, la reconnaissance de texte et le retour audio, aőn de créer un dispositif d’assistance complet. Le système portable proposé adopte une architecture multi-modèles combinant YOLO pour la détection d’objets en temps réel, la reconnaissance optique de caractères pour la lecture de texte, et des réseaux de neurones convolutifs pour la reconnaissance d’obstacles. Un système de retour audio sophistiqué fournit des descriptions verbales de l’environnement, tandis que des alertes haptiques avertissent des dangers immédiats. Le dispositif intègre une navigation GPS avec des capacités de positionnement intérieur et des fonctionnalités d’urgence SOS. La validation expérimentale a impliqué des tests avec 30 participants malvoyants dans divers environnements. Les résultats démontrent une précision de 92% dans la reconnaissance d’objets, de 87% dans la lecture de texte dans des conditions optimales, et une amélioration signiőcative de la conőance des utilisateurs lors des tâches de navigation. Le système réduit les incidents de collision de 76% par rapport à l’utilisation traditionnelle de la canne blanche seule. Ce travail contribue au domaine des technologies d’assistance en présentant une solution portable et économique qui améliore l’indépendance et la sécurité des personnes malvoyantes. L’architecture modulaire permet des améliorations futures incluant la reconnaissance faciale, l’identiőcation des devises et l’intégration avec les infrastructures des villes intelligentes