CN108692736B - 一种基于深度学习的智能学步方法及其系统 - Google Patents

Abstract

本发明公开了一种基于深度学习的智能学步方法及其系统，包括获取用户移动方向前方的影像并将影像进行存储；提取出障碍区域并使用第一标记进标记；提取出空旷区域并使用第二标记进行标记；在空旷区域内设置若干目标点，目标点间距均匀且沿空旷区域逐渐向远处延伸；获取用户的当前位置，并生成当前位置在空旷区域内的导航路线；将导航路线投影在空旷区域内；实时获取用户的位置信息；生成用户的移动轨迹，将移动轨迹与导航路线建立第一对应关系；计算移动轨迹与导航路线的相似度并将相似度与导航路线建立第二对应关系；当相似度大于或等于预设相似度时，则将与相似度对应的导航路线删除，表明用户通过本发明已具备在导航路线对应区域的行走能力。

Description

一种基于深度学习的智能学步方法及其系统

技术领域

本发明涉及互联网教育领域，特别涉及一种基于深度学习的智能学步方法及其系统。

背景技术

目前，用于儿童学步的学步车的使用率已经越来越广泛，乘坐在学步车上的儿童可以随意滑行，游走于任何场所而不会跌倒，通过儿童的自主学习来达到学步的功能。但是这非常不安全，在房间内会堆放许多杂物，障碍物会给儿童带来危险，而且学步车滑行速度非常快，在倾斜的地面上，对于儿童而言，儿童腿部力量不足，可能会造成无法及时刹车。

在家长陪同儿童使用学步车的过程中，学步车的高度较低，家长牵引学步车时常常需要弯下腰或蹲着，长时间会影响家长身体健康。

发明内容

发明目的：为了克服背景技术中的缺点，本发明实施例提供了一种基于深度学习的智能学步方法及其系统，能够有效解决上述背景技术中涉及的问题。

技术方案：一种基于深度学习的智能学步方法，包括以下步骤：

101：获取用户移动方向前方的影像并将所述影像进行存储；

102：根据所述影像从中提取出障碍区域，并将所述障碍区域使用第一标记进行标记；

103：根据所述影像从中提取出空旷区域，并将所述空旷区域使用第二标记进行标记；

104：在所述空旷区域内设置若干目标点并将所述目标点进行存储，所述目标点间距均匀且沿所述空旷区域逐渐向远处延伸；

105：获取用户的当前位置，并生成所述当前位置在所述空旷区域内的导航路线，所述导航路线串联所述当前位置与所述目标点，所述导航路线为最短路线；

106：将所述导航路线投影在所述空旷区域内；

107：实时获取用户的位置信息并将所述位置信息进行存储；

108：在用户完成所述导航路线后，根据所述位置信息生成用户的移动轨迹，将所述移动轨迹与所述导航路线建立第一对应关系并将所述第一对应关系进行存储；

109：计算所述移动轨迹与所述导航路线的相似度并将所述相似度与导航路线建立第二对应关系，将所述第二对应关系进行存储；

110：判断所述相似度是否大于或等于预设相似度；

111：若是，则将与所述相似度对应的导航路线删除。

作为本发明的一种优选方式，获取用户的当前位置，并生成所述当前位置在所述空旷区域内的导航路线还包括；

所述导航路线包括若干支线，所述支线分别连接用户当前位置与所述目标点以及连接相邻的两个目标点，将所述支线与其连接的两个位置点建立第三对应关系并将所述第三对应关系进行存储，所述位置点包括所述当前位置以及所述目标点。

作为本发明的一种优选方式，将所述导航路线投影在所述空旷区域内还包括：

提取出距离用户的当前位置最近的一个目标点；

提取出与所述目标点以及所述当前位置对应的第一支线；

将所述第一支线投影在所述空旷区域内。

作为本发明的一种优选方式，还包括：

实时计算用户距离所述第一支线中目标点的距离；

判断所述距离是否小于或等于所述第一支线总长的百分之二十；

若是，提取出接下来的两个目标点；

根据所述第三对应关系提取出与所述两个目标点对应的第二支线；

将所述第二支线投影在所述空旷区域内。

作为本发明的一种优选方式，实时获取用户的位置信息并将所述位置信息进行存储还包括：

提取出用户的实时位置信息以及所述位置信息周围的障碍区域；

计算所述位置信息与所述障碍区域的最近距离；

判断所述最近距离是否小于或等于预设距离；

若是，则锁定用户停留在所述位置信息处；

当用户出现朝其他方向运动的趋势时，解除对用户的锁定。

作为本发明的一种优选方式，当所述最近距离小于或等于预设距离时还包括：

获取所述障碍区域内的障碍物；

计算所述障碍物的危险等级；

提取出与所述危险等级对应的警示信息；

将所述警示信息向用户输出。

作为本发明的一种优选方式，从用户行走之时开始计时，将计算的时长作为第一时长并将所述第一时长进行存储；

判断所述第一时长是否大于或等于第一预设时长；

若是，则启动代步功能；

从用户停止行走之时开始计时，将计算的时长作为第二时长并将所述第二时长进行存储；

判断所述第二时长是否大于或等于第二预设时长；

若是，则解除代步功能。

作为本发明的一种优选方式，所述第一预设时长与所述相似度呈正比关系，所述第一预设时长随所述相似度的增大而增大；所述第二预设时长与所述相似度呈反比关系，所述第二预设时长随所述相似度的增大而减小。

作为本发明的一种优选方式，根据所述位置信息生成用户的移动轨迹还包括：

当在输出已存储的导航路线时，根据所述第一对应关系提取出与所述导航路线对应的移动轨迹；将所述移动轨迹与所述导航路线同步输出，对所述移动轨迹与所述导航路线的输出方式进行区分。

一种基于深度学习的智能学步系统，包括学步车主体、摄像模块、虚拟投影模块以及音频输出模块，所述摄像模块被配置为获取用户移动方向前方的影像，所述虚拟投影模块被配置为将所述导航路线投影在所述空旷区域内，所述音频输出模块被配置为向用户输出警示信息。

本发明实现以下有益效果：

本发明提供的一种基于深度学习的智能学步方法通过投射虚拟影像的方式来帮助儿童学步，自动分辨用户前方的障碍区域以及空旷区域，在所述空旷区域内投影导航路线；在空旷区域生成若干目标点，所述导航路线串联所述目标点，将所述导航路线根据所述目标点拆分为若干支线，并将所述支线按照其距离用户远近分别输出，在同一时间最多输出两条支线，能够帮助用户明确路线，防止过长的整条路线对用户造成干扰；生成用户的移动轨迹，计算所述移动轨迹与所述导航路线的相似度，通过路线的对比认证用户的学步进程；第一预设时长为用户行走的时间，第二预设时长为用户休息的时间，所述第一预设时长与所述第二预设时长具备学习能力，第一预设时长的增长幅度或减小幅度与相似度的增长幅度或减小幅度保持一致，第二预设时长的减小幅度或增长幅度与相似度的增长幅度或减小幅度保持一致；增加用户在学步的同时提高识别障碍物的能力，并能够计算障碍物的危险等级，根据所述危险等级输出对应的警示信息，并能够自动控制用户与障碍物之间的距离；在用户每次学步完毕后，将本次的移动轨迹与导航路线建立第一对应关系，若下次为用户生成导航路线已存在于第一对应关系中，则提取出对应的移动轨迹，将移动轨迹与导航路线一同投影在空旷区域内，当相似度大于或等于预设相似度时，则将与所述相似度对应的导航路线删除。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。图1为本发明提供的一种基于深度学习的智能学步方法流程图；

图2为本发明提供的代步方法流程图；

图3为本发明提供的移动轨迹与导航路线的对比方法流程图；

图4为本发明提供的第一预设时长以及第二预设时长变化方法流程图；

图5为本发明提供的第一支线输出方法流程图；

图6为本发明提供的第二支线输出方法流程图；

图7为本发明提供的自动刹车方法流程图；

图8为本发明提供的障碍物警示方法流程图

图9为本发明提供的一种基于深度学习的智能学步系统结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例一

如图1所示，一种基于深度学习的智能学步方法，包括以下步骤：

101：获取用户移动方向前方的影像并将影像进行存储；

102：根据影像从中提取出障碍区域，并将障碍区域使用第一标记进行标记；

103：根据影像从中提取出空旷区域，并将空旷区域使用第二标记进行标记；

104：在空旷区域内设置若干目标点并将目标点进行存储，目标点间距均匀且沿空旷区域逐渐向远处延伸；

105：获取用户的当前位置，并生成当前位置在空旷区域内的导航路线，导航路线串联当前位置与目标点，导航路线为最短路线；

106：将导航路线投影在空旷区域内；

107：实时获取用户的位置信息并将位置信息进行存储；

108：在用户完成导航路线后，根据位置信息生成用户的移动轨迹，将移动轨迹与导航路线建立第一对应关系并将第一对应关系进行存储；

109：计算移动轨迹与导航路线的相似度并将相似度与导航路线建立第二对应关系，将第二对应关系进行存储；

110：判断相似度是否大于或等于预设相似度；

111：若是，则将与相似度对应的导航路线删除。

如图2所示，从用户行走之时开始计时，将计算的时长作为第一时长并将第一时长进行存储；

判断第一时长是否大于或等于第一预设时长；

若是，则启动代步功能；

从用户停止行走之时开始计时，将计算的时长作为第二时长并将第二时长进行存储；

判断第二时长是否大于或等于第二预设时长；

若是，则解除代步功能。

第一预设时长与相似度呈正比关系，第一预设时长随相似度的增大而增大；第二预设时长与相似度呈反比关系，第二预设时长随相似度的增大而减小。

如图3所示，根据位置信息生成用户的移动轨迹还包括：

当在输出已存储的导航路线时，根据第一对应关系提取出与导航路线对应的移动轨迹；将移动轨迹与导航路线同步输出，对移动轨迹与导航路线的输出方式进行区分。

具体地，在步骤101中，学步车主体前部设置有摄像模块401，当用户进入学步车主体内进行行走时，摄像模块401拍摄用户移动方向前方的影像并将影像进行存储，影像实时进行更新。

在步骤102中，帮助用户进行可行性分析，根据实时影像提取出用户移动方向前方的障碍区域，障碍区域包括所有障碍物，即无法行走的区域，将障碍区域使用第一标记进行标记。

在步骤103中，与障碍区域相反的，根据实时影像提取出用户移动方向前方的空旷区域，空旷区域为适合行走的区域，将空旷区域使用第二标记进行标记，第二标记与第一标记存在明显区别。

在步骤104中，在用户的当前位置与空旷区域的尽头之间设置若干目标点，各目标点间距相等，将所有目标点进行存储，将目标点进行排序，按照目标点距离用户当前位置近远依次为第一目标点、第二目标点、第三目标点等，以此类推。

在步骤105中，在用户开始行走之前，获取用户的当前位置，将当前位置与所有目标点依次串联，形成导航路线，上述导航路线为通过空旷区域的最佳路线。

在步骤106中，将导航路线与空旷区域结合，将导航路线投影在与其吻合的空旷区域内，用户沿导航路线进行行走。

在步骤107中，为了比较用户的移动轨迹与导航路线的差异，需先获取用户的移动轨迹，移动轨迹又基于用户的位置信息组合而成，实时获取用户的位置信息并将位置信息逐一进行存储；

在步骤108中，当用户行走完导航路线时，提取出已存储的用户的位置信息，将所有位置信息组成用户的移动轨迹，通过比对移动轨迹与导航路线的相似度来认证用户的学步进程，为了提高移动轨迹与导航路线的对比度，将移动轨迹与导航路线建立第一对应关系并将第一对应关系进行存储，当用户下次按照导航路线行走时，若是产生新的移动轨迹，则将新的移动轨迹覆盖第一对应关系中的移动轨迹。

在步骤109中，计算移动轨迹与导航路线的相似度，相似度作为直接体现移动轨迹与导航路线差异的数据，同时可作为用户对导航路线的完成度，将相似度与导航路线建立第二对应关系并将第二对应关系进行存储。

在步骤110中，系统内置有预设相似度，判断相似度是否大于或等于预设相似度；

在步骤111中，当相似度大于或等于预设相似度时，则表明用户已能够较好地达到学步效果，将与相似度对应的导航路线删除，用户无需参照导航路线进行行走；当相似度小于预设相似度时，则保留与相似度对应的导航路线，用户可继续沿导航路线进行行走。

本发明提供自主学步的功能，在用户经历长时间行走后对其进行强制休息。系统内置有第一预设时长以及第二预设时长，第一预设时长以及第二预设时长随用户的学步进度进行智能更改，第一预设时长为用户行走时长，第二预设时长为用户休息时长。自用户行走之时开始计时，将计算的时长作为第一时长，当第一时长大于或等于第一预设时长时，对用户进行强制休息，对学步车主体进行锁定或驱动学步车主体沿导航路线自动移动，此时将计算的第一时长清零，当用户休息之时重新开始计时，将计算的时长作为第二时长，当第二时长大于或等于第二预设时长时，解除休息模式，并将计算的第二时长清零，如此循环。

如图4所示，随着移动轨迹与导航路线相似度的提高，表明用户的学步能力在逐渐增强，第一预设时长的增长幅度或减小幅度与相似度的增长幅度或减小幅度保持一致，例如，当相似度增长百分之十时，第一预设时长也增长百分之十，当相似度减小百分之十时，第一预设时长也减小百分之十；第二预设时长的减小幅度或增长幅度与相似度的增长幅度或减小幅度保持一致，例如，当相似度增长百分之十时，第二预设时长减小百分之十，当相似度减小百分之十时，第二预设时长增长百分之十。

在用户每次学步完毕后，将本次的移动轨迹与导航路线建立第一对应关系，下次再为用户生成导航路线时，判断该导航路线是否存在于第一对应关系中，若是，在第一对应关系中提取出与导航路线对应的移动轨迹，将移动轨迹与导航路线一同投影在空旷区域内，其中，移动轨迹使用错误的标记进行投影，将移动轨迹与导航路线进行区分。

实施例二

获取用户的当前位置，并生成当前位置在空旷区域内的导航路线还包括；

导航路线包括若干支线，支线分别连接用户当前位置与目标点以及连接相邻的两个目标点，将支线与其连接的两个位置点建立第三对应关系并将第三对应关系进行存储，位置点包括当前位置以及目标点。

如图5所示，将导航路线投影在空旷区域内还包括：

提取出距离用户的当前位置最近的一个目标点；

提取出与目标点以及当前位置对应的第一支线；

将第一支线投影在空旷区域内。

如图6所示，实时计算用户距离第一支线中目标点的距离；

判断距离是否小于或等于第一支线总长的百分之二十；

若是，提取出接下来的两个目标点；

根据第三对应关系提取出与两个目标点对应的第二支线；

将第二支线投影在空旷区域内。

具体地，在用户学步的过程中，进程会十分缓慢，且学步时的移动轨迹具有不确定性，本发明提供的导航路线覆盖整个空旷区域，因此，用户在学步初期完成导航路线所需的时间较长，本发明在用户学步初期投放导航路线时，将导航路线拆分为若干支线，支线为连接用户当前位置与目标点以及连接后面各目标点的线段，本发明在同一时间最多投影两条支线，支线与其两端连接的两个位置点建立第三对应关系并将第三对应关系进行存储。在用户使用本发明之前，获取用户的当前位置，当前位置即为初始位置，在提取出距离当前位置最近的一个目标点，根据当前位置与最近目标点在第三对应关系中提取出对应的支线并将该支线作为第一支线，将第一支线投影在对应的空旷区域内，导航路线的其余部分暂时不作投影，随着用户的移动，实时获取用户的位置信息，并计算用户的位置信息与第一支线尽头处的目标点的距离，该距离用于认证用户完成第一支线的进程，计算第一支线的总长，当距离小于或等于第一支线总长的百分之二十时，即可判定用户即将完成第一支线，提取出导航路线中紧接第一支线中目标点的其余两个目标点，并根据上述两个目标点在第三对应关系中提取出对应的支线并将该直线作为第二支线，将第二支线投影在对应的空旷区域内，导航路线的其余部分暂时不作投影，导航路线中其余支线的投影方法以此类推，将所述导航路线以支线的形式输出，可减小复杂路线对用户造成的干扰。

实施例三

如图7所示，实时获取用户的位置信息并将位置信息进行存储还包括：

提取出用户的实时位置信息以及位置信息周围的障碍区域；

计算位置信息与障碍区域的最近距离；

判断最近距离是否小于或等于预设距离；

若是，则锁定用户停留在位置信息处；

当用户出现朝其他方向运动的趋势时，解除对用户的锁定。

如图8所示，当最近距离小于或等于预设距离时还包括：

获取障碍区域内的障碍物；

计算障碍物的危险等级；

提取出与危险等级对应的警示信息；

将警示信息向用户输出。

具体地，在用户自由行走的过程中，具有一定危险性，本发明自动识别用户周围的障碍物并进行提醒。根据用户实时位置信息提取出位置信息周围的障碍区域，计算位置信息与障碍区域内各障碍物的距离，提取出其中最近的一个距离，系统内置有预设距离，预设距离为用户与障碍物之间的最小安全距离，在本实施例中，将预设距离设定为20厘米，判断最近距离是否小于或等于预设距离，若是，通过设置于底轮上的刹车模块对学步车主体进行锁定，此时，用户无法驱动学步车主体移动，当用户出现向远离障碍区域方向运动的趋势时，解除刹车模块对底轮的锁定。除此以外，本发明还可帮助用户区分不同的障碍物，当最近距离小于或等于预设距离时，提取出距离用户最近的一个障碍物，通过互联网获取障碍物的精确信息，并计算障碍物的危险等级，系统内置有危险等级与警示信息的关系表，根据障碍物的危险等级从关系表中提取出对应的警示信息，障碍物的危险程度越高，危险等级就越高，警示信息包括语音信息以及振动信息，语音信息通过设置于学步车主体内的音频输出模块403进行输出，振动信息通过设置于学步车主体内的振动模块进行输出，危险等级越高，振动模块的振动频率越高。

实施例四

如图9所示，一种基于深度学习的智能学步系统，包括学步车主体、摄像模块401、虚拟投影模块402以及音频输出模块403，所述摄像模块401被配置为获取用户移动方向前方的影像，所述虚拟投影模块402被配置为将所述导航路线投影在所述空旷区域内，所述音频输出模块403被配置为向用户输出警示信息。

应理解，在实施例四中，上述各个模块的具体实现过程可与上述方法实施例(实施例一至实施例三)的描述相对应，此处不再详细描述。

上述实施例四所提供的系统，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

上述实施例只为说明本发明的技术构思及特点，其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施，并不能以此来限制本发明的保护范围。凡根据本发明精神实质所作出的等同变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于深度学习的智能学步方法，其特征在于：包括以下步骤：

101：获取用户移动方向前方的影像并将所述影像进行存储；

102：根据所述影像从中提取出障碍区域，并将所述障碍区域使用第一标记进行标记；

103：根据所述影像从中提取出空旷区域，并将所述空旷区域使用第二标记进行标记；

104：在所述空旷区域内设置若干目标点并将所述目标点进行存储，所述目标点间距均匀且沿所述空旷区域逐渐向远处延伸；

105：获取用户的当前位置，并生成所述当前位置在所述空旷区域内的导航路线，所述导航路线串联所述当前位置与所述目标点，所述导航路线为最短路线，所述导航路线包括若干支线，所述支线分别连接用户当前位置与所述目标点以及连接相邻的两个目标点，将所述支线与其连接的两个位置点建立第三对应关系并将所述第三对应关系进行存储，所述位置点包括所述当前位置以及所述目标点；

106：将所述导航路线投影在所述空旷区域内，首先，提取出距离用户的当前位置最近的一个目标点，提取出与所述目标点以及所述当前位置对应的第一支线，将所述第一支线投影在所述空旷区域内，其次，实时计算用户距离所述第一支线中目标点的距离，判断所述距离是否小于或等于所述第一支线总长的百分之二十，若是，提取出接下来的两个目标点，根据所述第三对应关系提取出与所述两个目标点对应的第二支线，将所述第二支线投影在所述空旷区域内，直至投影完所有支线；

107：实时获取用户的位置信息并将所述位置信息进行存储；

108：在用户完成所述导航路线后，根据所述位置信息生成用户的移动轨迹，将所述移动轨迹与所述导航路线建立第一对应关系并将所述第一对应关系进行存储；

109：计算所述移动轨迹与所述导航路线的相似度并将所述相似度与导航路线建立第二对应关系，将所述第二对应关系进行存储；

110：判断所述相似度是否大于或等于预设相似度；

111：若是，则将与所述相似度对应的导航路线删除。

2.根据权利要求1所述的一种基于深度学习的智能学步方法，其特征在于：实时获取用户的位置信息并将所述位置信息进行存储还包括：

提取出用户的实时位置信息以及所述位置信息周围的障碍区域；

计算所述位置信息与所述障碍区域的最近距离；

判断所述最近距离是否小于或等于预设距离；

若是，则锁定用户停留在所述位置信息处；

当用户出现朝其他方向运动的趋势时，解除对用户的锁定。

3.根据权利要求2所述的一种基于深度学习的智能学步方法，其特征在于：当所述最近距离小于或等于预设距离时还包括：

获取所述障碍区域内的障碍物；

计算所述障碍物的危险等级；

提取出与所述危险等级对应的警示信息；

将所述警示信息向用户输出。

4.根据权利要求1所述的一种基于深度学习的智能学步方法，其特征在于：

从用户行走之时开始计时，将计算的时长作为第一时长并将所述第一时长进行存储；

判断所述第一时长是否大于或等于第一预设时长；

若是，则启动代步功能；

从用户停止行走之时开始计时，将计算的时长作为第二时长并将所述第二时长进行存储；

判断所述第二时长是否大于或等于第二预设时长；

若是，则解除代步功能。

5.根据权利要求4所述的一种基于深度学习的智能学步方法，其特征在于：所述第一预设时长与所述相似度呈正比关系，所述第一预设时长随所述相似度的增大而增大；所述第二预设时长与所述相似度呈反比关系，所述第二预设时长随所述相似度的增大而减小。

6.根据权利要求1所述的一种基于深度学习的智能学步方法，其特征在于：根据所述位置信息生成用户的移动轨迹还包括：

当在输出已存储的导航路线时，根据所述第一对应关系提取出与所述导航路线对应的移动轨迹；将所述移动轨迹与所述导航路线同步输出，对所述移动轨迹与所述导航路线的输出方式进行区分。

7.根据权利要求1-6任一项所述的一种基于深度学习的智能学步方法的系统，其特征在于：包括学步车主体、摄像模块、虚拟投影模块以及音频输出模块，所述摄像模块被配置为获取用户移动方向前方的影像，所述虚拟投影模块被配置为将所述导航路线投影在所述空旷区域内，所述音频输出模块被配置为向用户输出警示信息。

Images