本發(fā)明涉及人工智能，特別是一種應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、近年來(lái)，隨著人工智能與物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，智能助行器作為一種新興的輔助出行工具，正逐漸成為研究與應(yīng)用的熱點(diǎn)，盡管語(yǔ)音識(shí)別技術(shù)已廣泛集成于助行器，但主要局限于傳統(tǒng)語(yǔ)音指令的單一識(shí)別，忽視了非語(yǔ)言表達(dá)意圖的多樣性與個(gè)性化需求，此外，環(huán)境感知與路徑規(guī)劃雖已實(shí)現(xiàn)基礎(chǔ)自動(dòng)化，但對(duì)動(dòng)態(tài)復(fù)雜環(huán)境的即時(shí)適應(yīng)性、安全評(píng)估與路線優(yōu)化能力有限，尤其在指令識(shí)別精度上，現(xiàn)有系統(tǒng)往往依賴(lài)單一信號(hào)源進(jìn)行決策，忽視了潛在的思維信號(hào)的互補(bǔ)價(jià)值，導(dǎo)致指令識(shí)別的魯棒與混淆概率較高，限制了其廣泛應(yīng)用。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法及系統(tǒng)解決智能助行器在復(fù)雜環(huán)境下精準(zhǔn)識(shí)別用戶(hù)指令與安全導(dǎo)航路徑規(guī)劃的難題，通過(guò)融合語(yǔ)音與思維信號(hào)的創(chuàng)新處理技術(shù)，優(yōu)化指令識(shí)別精度與個(gè)性化響應(yīng)，實(shí)現(xiàn)智能助行器在動(dòng)態(tài)環(huán)境中安全高效導(dǎo)航的問(wèn)題。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法，其包括，

5、用戶(hù)通過(guò)助行器配置界面設(shè)定語(yǔ)音識(shí)別和bmi設(shè)備，捕捉個(gè)人語(yǔ)音和思維信號(hào)并進(jìn)行初步處理；

6、基于處理后的語(yǔ)音和思維信號(hào)分別采用mfcc技術(shù)處理和ssvep進(jìn)行分析，記錄用戶(hù)語(yǔ)音和思維的融合特征向量并應(yīng)用ctc評(píng)估融合后的指令類(lèi)別；

7、通過(guò)融合后的指令類(lèi)別計(jì)算目標(biāo)指令準(zhǔn)確度并設(shè)定閾值邏輯判斷混淆概率；

8、助行器集成多傳感器評(píng)估周?chē)h(huán)境，結(jié)合slam規(guī)劃最安全路徑。

9、作為本發(fā)明所述應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的一種優(yōu)選方案，其中：用戶(hù)通過(guò)助行器配置界面設(shè)定語(yǔ)音識(shí)別和bmi設(shè)備是指在列表中找到并確認(rèn)連接內(nèi)置麥克風(fēng)的語(yǔ)音識(shí)別設(shè)備與非侵入式頭戴的bmi設(shè)備，完成配對(duì)；

10、捕捉個(gè)人語(yǔ)音和思維信號(hào)并進(jìn)行初步處理是指用戶(hù)在安靜環(huán)境下通過(guò)內(nèi)置麥克風(fēng)陣列的語(yǔ)音識(shí)別設(shè)備根據(jù)系統(tǒng)提示用戶(hù)說(shuō)出的預(yù)設(shè)指令捕捉用戶(hù)語(yǔ)音信號(hào)，并通過(guò)快速傅里葉變換進(jìn)行頻域分析，采用噪聲抑制算法得到純凈語(yǔ)音信號(hào)，與此同時(shí)，非侵入式頭戴的bmi設(shè)備啟動(dòng)，在用戶(hù)專(zhuān)注思考時(shí)捕捉腦電波形，采用去趨勢(shì)平滑動(dòng)平均濾波減少非指令波動(dòng)干擾。

11、作為本發(fā)明所述應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的一種優(yōu)選方案，其中：基于處理后的語(yǔ)音和思維信號(hào)分別采用mfcc技術(shù)處理和ssvep進(jìn)行分析，記錄用戶(hù)語(yǔ)音和思維特征向量是指通過(guò)濾波形變換，將頻率轉(zhuǎn)換到mel標(biāo)度，在mel頻率標(biāo)度上，計(jì)算能量分布，通過(guò)離散傅里葉逆變換，得到mfcc系數(shù)，選取關(guān)鍵mfcc系數(shù)作為特征，應(yīng)用ssvep分析，識(shí)別與用戶(hù)特定思維指令關(guān)聯(lián)的頻譜峰，將識(shí)別的頻譜峰作為特征候選，對(duì)mfcc系數(shù)和識(shí)別的頻譜峰進(jìn)行加權(quán)值融合，形成用戶(hù)語(yǔ)音和思維的融合特征向量并進(jìn)行全局能量歸一化處理，確保不同用戶(hù)間的特征比較一致性。

12、作為本發(fā)明所述應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的一種優(yōu)選方案，其中：通過(guò)用戶(hù)語(yǔ)音和思維的融合特征向量應(yīng)用ctc評(píng)估融合后的指令類(lèi)別是指構(gòu)建神經(jīng)網(wǎng)絡(luò)模型并先訓(xùn)練大量標(biāo)記數(shù)據(jù)集，基于融合特征向量去訓(xùn)練被訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)每份測(cè)試樣本對(duì)應(yīng)的指令類(lèi)別，構(gòu)建混淆矩陣，記錄真實(shí)類(lèi)別與預(yù)測(cè)類(lèi)別的匹配情況。

13、作為本發(fā)明所述應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的一種優(yōu)選方案，其中：基于融合后的指令類(lèi)別計(jì)算目標(biāo)指令準(zhǔn)確度并設(shè)定閾值邏輯判斷混淆概率是指計(jì)算每一類(lèi)指令的準(zhǔn)確率、召回率、查準(zhǔn)率和f1分?jǐn)?shù)，分析混淆矩陣，識(shí)別目標(biāo)指令與其他指令之間的混淆情況，利用混淆矩陣數(shù)據(jù)計(jì)算目標(biāo)指令準(zhǔn)確率，表達(dá)式為：

14、

15、其中，accf是目標(biāo)指令準(zhǔn)確率，tpf是目標(biāo)指令被正確識(shí)別的次數(shù)，fpf是其他指令錯(cuò)誤識(shí)別為目標(biāo)指令的次數(shù)，fnf是目標(biāo)指令被錯(cuò)誤分類(lèi)為其他指令的次數(shù)；

16、基于“前進(jìn)”指令的準(zhǔn)確率和與其他指令概率的差異性，設(shè)定一個(gè)區(qū)分度高的閾值，如果“前進(jìn)”指令的準(zhǔn)確率遠(yuǎn)高于80％，且其識(shí)別概率顯著高于其他指令平均識(shí)別概率加上兩倍標(biāo)準(zhǔn)差，可設(shè)定“前進(jìn)”指令的有效識(shí)別閾值為80％，實(shí)時(shí)監(jiān)控“前進(jìn)”指令概率是否超過(guò)設(shè)定閾值，如是，進(jìn)入下一步，通過(guò)用戶(hù)語(yǔ)音確認(rèn)是否執(zhí)行“前進(jìn)”指令。

17、作為本發(fā)明所述應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的一種優(yōu)選方案，其中：多傳感器包括雷達(dá)、攝像頭、超聲吶波傳感器、紅外傳感器；

18、通過(guò)助行器集成多傳感器評(píng)估周?chē)h(huán)境，結(jié)合slam規(guī)劃最安全路徑是指將多傳感器分布在智能助行器關(guān)鍵位置并進(jìn)行校準(zhǔn)，實(shí)時(shí)收集多傳感器數(shù)據(jù)流并構(gòu)建實(shí)時(shí)數(shù)據(jù)處理框架接收多維數(shù)據(jù)包，應(yīng)用sl技術(shù)分析圖像并通過(guò)雷達(dá)數(shù)據(jù)融合處理算法評(píng)估動(dòng)態(tài)障礙距離，實(shí)時(shí)計(jì)算環(huán)境安全得分，設(shè)定安全得分區(qū)間為[0,1]，低分代表不安全，高分安全，基于安全得分動(dòng)態(tài)規(guī)劃算法，實(shí)時(shí)更新最安全路徑。

19、作為本發(fā)明所述應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的一種優(yōu)選方案，其中：接收并解析用戶(hù)指令，在指令解析與環(huán)境評(píng)估安全雙重確認(rèn)后，啟動(dòng)電機(jī)控制單元并激活v2x模塊，在界面展示動(dòng)態(tài)路徑圖并采用顏色編碼執(zhí)行邏輯處理，綠色代表一切正常，黃色代表注意減速，紅色代表緊急，立即停止并迅速調(diào)整行駛計(jì)劃。

20、第二方面，本發(fā)明提供了一種應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別系統(tǒng)，包括，

21、用戶(hù)交互與信號(hào)采集模塊，負(fù)責(zé)用戶(hù)通過(guò)直觀的界面配置，便捷設(shè)定個(gè)性化語(yǔ)音識(shí)別參數(shù)與bmi設(shè)備，確保有效捕捉用戶(hù)的語(yǔ)音指令與思維信號(hào)并進(jìn)行初步處理；

22、信號(hào)處理與特征融合模塊，將采集的語(yǔ)音信號(hào)通過(guò)mfcc技術(shù)轉(zhuǎn)化為頻譜特征，同時(shí)思維信號(hào)借助ssvep技術(shù)分析，兩者特征深度融合形成復(fù)合向量并采用ctc評(píng)估，精準(zhǔn)識(shí)別指令類(lèi)別，確保指令解析的準(zhǔn)確性和高效性；

23、指令識(shí)別與決策模塊，基于融合指令類(lèi)別，計(jì)算指令的準(zhǔn)確度并設(shè)定科學(xué)閾值邏輯，過(guò)濾誤判別，以高準(zhǔn)確率確認(rèn)用戶(hù)意圖，驅(qū)動(dòng)行動(dòng)指令的正確執(zhí)行，實(shí)現(xiàn)精準(zhǔn)導(dǎo)航?jīng)Q策；

24、環(huán)境感知與路徑規(guī)劃模塊，集成多元傳感器，實(shí)時(shí)監(jiān)測(cè)助行器周?chē)h(huán)境動(dòng)態(tài)，結(jié)合slam算法，智能評(píng)估路況安全級(jí)別，動(dòng)態(tài)規(guī)劃最適配以安全、高效的行駛路徑，保障用戶(hù)行進(jìn)安全。

25、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的任一步驟。

26、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的應(yīng)用于智能助行器的道路導(dǎo)航識(shí)別方法的任一步驟。

27、本發(fā)明有益效果為：用戶(hù)通過(guò)界面輕松配置個(gè)性化語(yǔ)音與bmi設(shè)備，優(yōu)化信號(hào)采集，提升純凈度與互動(dòng)性，信號(hào)經(jīng)mfcc與ssvep處理融合，增強(qiáng)特征識(shí)別全面性與模型泛化能力，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)合混淆矩陣分析，精煉指令識(shí)別，提高準(zhǔn)確度，準(zhǔn)確率等指標(biāo)設(shè)定閾值，確保指令安全執(zhí)行,通過(guò)反饋機(jī)制提升自適應(yīng)性，多傳感器與slam技術(shù)動(dòng)態(tài)監(jiān)控規(guī)劃，實(shí)現(xiàn)復(fù)雜環(huán)境自主導(dǎo)航，確保安全高效，通過(guò)整合電機(jī)控制與直觀反饋，緊急響應(yīng)，增強(qiáng)用戶(hù)操控感與安全性。