自然场景图像文本检测识别在智能设备中应用广泛,是设备与外界的重要交互方法,设备需要获取精确的文本识别信息,而对文本识别的第一步则是对文本进行精确的检测定位。在传统候选框检测定位的方法中,对水平和倾斜文本检测已达到很高的检测精度,但是方法被应用到包含曲向文本的图像中时表现欠佳。曲向文本在文本字符连接、标记准则等方面与水平、倾斜文本存在很大差异,致使候选框的设计与边框回归难度提升,基于候选框的方法已经不能很好的检测定位这些复杂的曲向文本。而基于像素分割的方法再配以自适应文本框标注的方法则能很好的解决这个问题,首先通过像素分割的方法精确的将文本区域检测分割出来,再通过自适应文本框方法对其进行精确的定位,能够有效的检测定位复杂的曲向文本。本文基于像素分割和自适应文本框标定的学习方法对自然场景下的文本检测定位进行研究,最后将方法应用至设计的智能设备平台中,具体研究内容如下:（1）提出一种改进的文本检测方法,引入特征通道注意力机制,对自然场景中的文本进行精确检测。主要解决PixelLink方法对整体文本检测精度不足问题,关注特征通道间的权重关系,提高有效特征通道的权重系数,抑制低效或无效特征通道的权重,进而提升整体文本检测定位的鲁棒性。在公开数据集ICDAR2015、MSRA-TD500数据集上的实验表明,所提方法相比于原有PixelLink方法在文本整体检测精度上,即综合指标上分别提升1.2%、3.5%。因此所提方法能够有效引入特征通道注意力机制以提升原有方法的检测性能。（2）提出改变公开数据集的标注形式与自适应文本框定位方法。将坐标点排列为带有方向信息的序列形式,使用LSTM模型对文本行进行自适应式多边形框的学习框定。最后对生成的定位结果依据多边形框上端点连线的倾斜角度进行旋转等后续处理,将完成精确定位的结果传入文本识别系统接口中获取具体字符内容。在公开数据集CTW1500曲向文本检测定位中与同类型领先算法TextSnake相比,所提方法在精确度和综合指标上分别领先12.1%和2.6%。因此,所提出的更改数据集标注形式与自适应文本框定位方法能够有效对曲向文本进行定位,并且达到一个领先位置。（3）设计并实现交互式阅读导盲陪护机器犬设备。包含完整的结构、硬件方案与技术功能实现方案。绘制打印结构外形,选择相关处理芯片,组合安装后通过已有语音接口、导航接口与使用者进行信息交互,增加盲人与外界沟通渠道。其中本文所提已改进的文本检测定位方法应用于设备中,并建立测试数据集,在自然场景下的室内外场景进行测试,完成交互阅读陪护功能。通过实际使用场景测试可以直观的展示和验证所提方法的可靠性与有效性,能够辅助盲人在自然场景下获取文字信息,提高陪护性能。最终设计并验证交互式阅读导盲陪护机器犬的其他基础功能,提高出行保障,形成功能完整的设备平台。