根据调查机构时代数据2016年的统计数据表明,我国盲人数量达到1731万,占全国总人口数量的1.26%,目前我国存在视力障碍的人数位居世界第一。由于盲人的视力障碍,他们摔倒或者迷路走丢的情况时有发生,而一旦发生摔倒之类的安全问题,很容易错过最佳的救助时间,对身体造成永久性的损害。在日常生活中,盲人手杖功能单一,这种手杖不能保证盲人的出行安全,同时盲人的监护人也不能实时的知道盲人状况和地理位置情况。针对如今日益复杂的路面情况和交通状况,一款能够帮助盲人日常安全出行,并且能够实现对盲人的身体姿态信息和地理位置进行实时监护的盲人智能手杖系统,便会显得有极大的应用价值。本文设计的融合物联网技术与机器学习算法的盲人物联网手杖系统能够从根本上解决盲人出行的安全以及家人对其的监护问题。本文主要工作和贡献如下:（1）本文针对盲人出行时的安全和监护问题,提出了一种基于机器学习算法的盲人物联网手杖系统,该系统具有避障、定位、报警和通信等多种功能。首先,该系统具有红外线和超声波避障模块,用于盲人日常出行对路况障碍物的检测,并且实时利用语音模块和电机模块给予震动提醒;其次,还具有远程通信求助功能,通过远程通信模块可向指定号码发送求助短信及电话实现远程求助;然后,还加入了全球定位系统、加速度计陀螺仪传感检测模块,它能将各类传感信息数据进行采集并传输至云端服务器存储;最后,采用微信小程序代替原生应用作为监护操作界面,并提供一键报警,天气查询,盲人安全资讯等功能。（2）本文还在系统的综合服务应用层加入了K近邻和动态时间规整算法。利用手杖硬件端加速度计陀螺仪模块采集传感数据,通过该算法对传感数据曲线与五类标记的常态传感曲线进行一一比对,如果不属于五类常态姿态中的任何一个,则会输出摔倒预警信号。这时,监护人的微信端会接收到盲人姿态预警提醒,监护人可通过客户端查询盲人地理位置及时为其呼叫救护车或者进行救助,从而实现对盲人的实时安全监护。本文在KNN算法基础上融合了DTW放作为KNN算法的距离度量,能够更为准确的进行姿态分类。经过多次实验,选取合适的样本进行手动标记,达到了较高的姿态分类精度。测试实验结果表明,姿态识别成功率达到了86%,对比姿态角系统的正确率提高将近31个百分点。该盲人物联网手杖系统将会极大地提高盲人出行的安全性使其能够在发生意外时及时求助,实现了对盲人姿态安全监护和定位监护。