[发明专利]一种盲人交通出行安全监控智能导航方法及系统

权利要求书

1.一种盲人交通出行安全监控智能导航方法，其特征在于，包括以下步骤：

S1、接收并识别语音命令信息，完成授权进入、初始化导航程序以及目的地确认，具体包括：

S11、接收语音信息，对语音信息进行包括语音信号采样、反混叠带通滤波前处理；

S12、对预处理后语音信息进行特征提取，提取输入语音中的声纹特征信息以及反映文字信息的声学参数；

S13、将声纹特征信息与授权进入人员声纹库中的信息进行匹配，若匹配成功，则初始化导航程序，并进入下一步，否则提示重新进行语音输入；

S14、计算声学参数与储存有各种地点名词的声音模式库之间的相似度，将相似度最大的地点名词语音输出，等待用户语音确认，若接收到确认信号则将该地点作为目的地，否则提示重新进行语音输入；

S2、进行路线规划设计，具体包括：

S21、获取位置信息：通过导航定位装置获取用户当前位置信息，并且根据确定的目的地信息，获取目的地位置信息；

S22、按照当前位置信息和目的地位置信息规划路径，确定出行路线，具体包括：

S221、通过移动网络调出电子地图，导入道路拓扑文件，将每个路口映射一个节点，节点间的步行路径作为节长，并根据两节点实时路况拥堵信息按等级设置节点间权重；

S222、定位起始地和目的地坐标；

S223、采用节点匹配算法将选择起点和终点分别匹配到道路中的节点中；

S224、采用广度优先搜索算法对起点和终点匹配的两个节点进行联通分析，判断是否联通；

S225、若可以联通，则采用狄克斯特拉方法，根据设置的权重、节长，计算最优路径，最终形成导航方案；

S3、按照导航方案，进入面对面实时导航信息确定，具体包括：

S31、预先存储盲道灰度上限阈值、下限阈值和各类障碍物的基准模版；

S32、实时采集盲人前进方向视频数据，对采集的视频图像数据进行预处理，具体包括：

S321、对图像执行边缘增强处理以获得边缘增强图像；

S322、对边缘增强图像采用基于2阶Haar小波基的小波滤波处理，以滤除所述边缘增强图像中的高斯噪声，获得小波滤波图像；

S323、对小波滤波图像执行自适应递归滤波处理，以获得自适应递归滤波图像；

S324、对自适应递归滤波图像执行尺度变换增强处理，以增强图像中目标与背景的对比度，获得对比度增强图像；

S33、将获得的对比度增强图像中像素灰度值在预先存储盲道灰度上限阈值、下限阈值范围内的所有像素组成盲道图像，并判断盲道上方是否有障碍物：

S331、若盲道上方有障碍物图像将盲道上方附着物与各类障碍物的基准模版逐一匹配，匹配成功，得到障碍物信息；

S332、发出测距雷达波，并记录发射的时间和接收到反射波的时间，通过发射时间、反射时间与测距雷达波的传播速度计算阻挡物与盲人间的距离，具体计算公式为：

S＝(V₀×T-V₁×T)/2

其中，S为障碍物与盲人之间的距离，V₀为测距雷达波传播速度，V1为盲人行走距离，T为发射的时间和接收到反射波的时间；

S34、对获得的对比度增强图像构建混合高斯模型，同时对获取的路况图像进行背景分析获得图像背景，得到前景图像信息，对前景图像信息进行特征分析，获得交通指示灯的位置信息，并确定信号灯状态；

S4、将步骤S3分析得到的道路信息、障碍物信息和信号灯信息，实时的播报给盲人用户，及时发出直行、转弯、避让障碍物和通过红绿灯路口的指令信息；

步骤S5：

通过设置包括三轴陀螺仪和加速计在内的状态传感器对用户跌倒或碰撞信息进行实时监控和记录，同时发出警报信息，在设定延迟时间用户没有取消警报则自动拨打紧急电话。

2.根据权利要求1所述的一种盲人交通出行安全监控智能导航方法，其特征在于，所述步骤S34中确定信号灯状态通过以下方法实现：对交通指示灯范围内图像按照红、黄、绿三种颜色进行图像分割，分析每一分割区域的边缘，获得形状，与预存交通信号灯模板进行匹配，并对交通信号进行组合识别，最终确定交通信号灯状态。