可见光屏幕通信是一种以屏幕像素阵列为信息载体、以可见光波段为传递媒介、以光学摄像头为接收终端的近场通信方式,是无线通信、光通信和视觉成像技术交叉方向的前沿探索课题。在可见光屏幕通信过程中,待发送信息通过编码调制形成屏幕码集群,并以视频流为载体,形成时变携信光阵列,实现屏幕的动态携信。接收端在深度学习算法辅助下实现自适应捕获解析机制获取信息,从而构建一种近距离、高速率、免流量、低耗环保的通信新形式。其安全性高,抗干扰性强,灵活便捷,拥有格外宽广的应用场景。本论文围绕可见光屏幕通信的信息处理与信息传递技术展开研究,主要工作和创新点如下:(1)设计了发送端的自定义帧结构,使待传送信息分块封装后调制于屏幕码,并形成视频流发送,适用于可见光屏幕通信中多种类型文件的近距离传输,并保持传递信息的顺序性与完整性。(2)设计并实现了基于更快速的候选区域卷积神经网络(Faster Region-based Convolutional Neural Network,Faster R-CNN)的可见光屏幕信息传递识别算法,实验结果表明该算法可通过迭代训练实现准确率为90.22%的识别定位,实现了接收端对发送端屏幕信息区域的准确定位,验证了接收端可以不依赖定位寻像图形进行屏幕信息区域识别定位的可行性。(3)提出了卢卡斯-卡纳德(Lucas-Kanade,LK)光流法与Faster R-CNN算法相结合的可见光屏幕信息传递识别定位方案,以及相应的首帧定位、后4帧跟踪回归的分组定位融合机制。实验结果表明,该方案既可实现接收端对发送端屏幕信息区域的准确定位,又能降低计算开销,与只使用Faster R-CNN算法的方案相比,其运行效率提升了 1.3倍。(4)基于上述研究内容,成功开发了可见光屏幕信息处理与传递的APP系统,即ScreenGenie V1.0。该系统发送端动态携信帧率为11fps,每帧最大携信量为23.6kbit,最大传输速率约为260kbps,对基于可见光的屏幕信息处理和信息传递技术的进一步创新研究有一定的促进作用。