论文标题：A User Location Reset Method through Object Recognition in Indoor Navigation System Using Unity and a Smartphone (INSUS)

论文链接： https://www.mdpi.com/2673-8732/4/3/14

期刊名：Network

期刊主页：https://www.mdpi.com/journal/network

引言

为提升用户在大型复杂建筑中抵达目的地的体验，来自冈山大学Nobuo Funabiki教授团队开发了一种基于 Unity 与智能手机的室内导航系统 INSUS。该系统可通过快速响应码（QR code，二维码）重置用户位置，从而降低用户在导航过程中迷失方向的可能性。然而，该方法需要在现场预先布设大量二维码标识，增加了系统实施阶段的额外负担。为降低部署成本，本文提出了一种新的位置重置方法：利用目标检测与光学字符识别（Optical Character Recognition，OCR）技术，识别建筑内自然安装的标识牌信息。建筑物中通常存在大量标识牌，其中包含房间号、房间名称和楼层号等文本信息。在所提出的方法中，首先使用智能手机拍摄标识牌图像；随后通过 YOLOv8 检测标识牌区域，并利用 PaddleOCR 识别标识牌中的文本内容；最后，基于 Levenshtein 距离将识别结果与房间数据库（Room Database）中的各条记录进行匹配。为评估该方法的有效性，在日本冈山大学的两栋建筑中进行了实验。结果表明，YOLOv8 的 mAP@0.5 达到 0.995，mAP@0.5:0.95 达到 0.978；PaddleOCR 能够较为准确地提取标识牌图像中的文本，平均字符错误率（CER%）低于 10%。与先前方法相比，YOLOv8 与 PaddleOCR 的结合使执行时间缩短了 6.71 s。该文章现已发表在Network期刊。

图 1 INSUS 概述

方案提出

文章提出一种基于目标检测与文本识别的用户位置重置方法，旨在解决室内导航过程中因方向丢失或定位误差导致的用户位置偏移问题。该方法利用建筑物内既有的房间号等标识牌作为视觉参照，替代传统二维码部署方式，从而降低系统实施成本与维护负担。

图 2 基于目标检测的用户位置重置方法在 INSUS 中的整体架构概述。

在具体流程上，用户通过手机摄像头拍摄包含房间标识的图像，系统将图像以 base64 格式传输至 SEMAR 服务器。服务器端首先采用 YOLOv8 对图像中的房间标识进行目标检测，并提取独立标识区域；随后利用 PaddleOCR 识别其中的文本信息，并通过图像预处理与正则表达式清洗提升文本质量。最后，系统基于 Levenshtein 距离将识别结果与房间数据库中的房间号进行匹配，选取最相似的房间记录，并返回对应坐标至 Unity 端，以更新用户当前位置。

图 3 包含标识牌的输入图像示例。

该方法充分利用现有建筑标识资源，具有部署便捷、成本较低、适应性较强等特点，可为室内导航系统提供一种实用的用户位置重置机制。

方案评估

为验证所提出的基于目标检测的用户位置重置方法，研究在日本冈山大学第2与第3工程楼开展了实地评估。首先，研究团队采集了213张室内房间标识图像，并基于 YOLO 格式完成标注。为满足深度学习模型训练需求，进一步采用 Albumentations 工具进行数据增强，将数据集扩展至2130张，涵盖光照变化、图像压缩、颜色偏移等场景，以提升模型在实际环境中的适应性。

图 4 （左）原始数据集示例；（右）增强数据集示例。

在目标检测性能方面，YOLOv8 模型表现出较高稳定性与准确性。训练结果显示，模型在边界框定位和类别识别上均取得较低损失值，验证集 Box Loss 为0.311，Class Loss 为0.182；同时，模型精确率达到99.99%，召回率达到100%，mAP@0.5 为0.995，mAP@0.5–0.95 为0.978，表明其能够可靠识别室内标识牌。

在文本识别与数据库匹配评估中，研究比较了单独使用 PaddleOCR 与结合 YOLOv8 后的识别效果。结果显示，引入 YOLOv8 后，系统能够先自动分离标识牌区域，再由 PaddleOCR 提取房间号，使字符错误率明显降低，并稳定保持在10%以下。针对仍可能存在的识别误差，系统进一步采用 Levenshtein 距离进行数据库匹配，从而准确获取对应房间坐标。执行时间对比也表明，YOLOv8 与 PaddleOCR 的结合能够减少重复扫描需求，提高用户位置重置效率。

表1 两栋建筑各楼层在引入与未引入 YOLOv8 模型条件下的 CER 结果

总结

文章提出了一种在 INSUS 中基于目标识别的用户位置重置方法，作为现有定位重置方案的替代路径。Unity（INSUS）与 Python（SEMAR 服务器）之间通过基于 REST API 服务的 HTTP 通信实现集成。其中，YOLOv8 用于定位并分离标识牌图像，PaddleOCR 用于从标识牌图像中提取文本信息；随后，基于 Levenshtein 距离的数据库匹配函数用于从数据库中识别对应的房间号。通过数据库匹配得到的位置信息进一步用于更新用户在建筑物内的当前位置，从而完成整个方法流程。

在评估阶段，本文将所提出的方法应用于日本冈山大学的两栋建筑。实验结果表明，YOLOv8 取得了 mAP@0.5 为 0.995、mAP@0.5:0.95 为 0.978 的检测性能；PaddleOCR 能够较为准确地提取标识牌图像中的文本信息，其平均字符错误率（CER）低于 10%。基于 Levenshtein 距离的数据库匹配方法能够从数据库中预测正确的房间号，并据此准确提供用于重置用户位置的坐标信息。此外，YOLOv8 与 PaddleOCR 的结合使系统执行时间减少了 6.71 秒。综合实验结果来看，该方法在引入目标检测功能后提升了用户位置重置的准确性，缩短了执行时间，同时避免了二维码的安装与维护需求，使系统在不同环境中的部署更加灵活、实施更加便捷。实验结果验证了所提出方法的有效性。未来工作中，将进一步扩展可识别标识牌图像的类型，以提升该方法的可用性与识别准确性。

Network期刊介绍

主编：Alexey Vinel, Halmstad University, Sweden

期刊专注于网络科学与技术的前沿研究，涵盖了广泛的研究领域，包括但不限于网络协议与架构设计、边缘计算、云计算、雾计算、人工智能与机器学习在网络中的应用、区块链技术、网络安全与隐私保护、5G/6G无线通信技术、物联网 (IoT)、绿色网络与能源效率优化等多个领域。目前期刊已被 ESCI (Web of Science), Scopus, EBSCO等数据库收录。