目前,盲人的日常出行工具主要包括盲杖和导盲犬,盲杖单一有限的功能无法适应复杂的路况和环境,且导盲犬和盲杖反馈给盲人的信息非常简单,只能帮助盲人拓宽1米左右的感知范围;又由于价格等其他因素选用导盲犬的盲人极少。针对以上问题,本文提出一种便携式盲人辅助行路系统,重点从图像增强、障碍物检测以及人机交互三个方面进行概述。主要内容如下:首先考虑到实际项目需求等一些环境因素的影响,在何凯明DCP去雾算法上做出相对应的优化,沿用了该算法比较清晰的思路和原理,针对动态视频去雾处理这一方面加入图像降采样处理,对其中的几种参数进行调整并对比实验效果。借用NVIDIA推出的一款模型加速工具TensorRT推理优化器,结合YOLOv4的相关理论以及核心技术,从适合于辅助盲人行路的角度入手,对算法加以优化和利用,达到对于红绿灯、行人和路边车辆等特殊障碍物的实时检测效果。对比实验结果,选用YOLOv4-tiny模型来实现导盲摄像头实时检测的任务。其次研究了ASR语音识别技术,具体包括特征提取,特征降维,EM算法,词典构建,深度神经网络训练,语言模型训练等等。针对本项目选用合适的语音特征处理方法,并进行神经网络训练。在所有时刻的声学模型得分组成的lattice中搜索得分最大的路径,并通过训练语言模型来保证在这个搜索过程中的路径是符合语言模型约束,及符合我们说话的语法习惯。最后完成了人机交互部分的语音特征提取实验、声学模型训练实验以及语言模型训练实验并分别对其进行测试,在测试集上的准确性达到预期的结果。之后采用了集成XFS5152CE的一款语音合成播报模块,通过I2C通讯对模块进行设置,实现中英文混合播报功能。