+1) = (I-P) X Tij(t)+Axij(t)
[0084] 其中，Tu(t+1)表示第t+1次迭代时任务Tl选择条形码识别模块心的信息量，I-P为 信息残留因子，P取值范围为[0,0.8)，ATu(t)表示任务Tl选择条形码识别模块M过丸行残留 在条形码识别模块心上的残留信息量。
[0085] 所述的振动模块1、蓝牙耳机模块2、雷达测距模块3、GPS定位模块4、Lm)照明模块 5、图像识别模块6、条形码识别模块7、云数据存储模块8、充电接口均与内置在手掌杖柄中 的主控制器9连接。
[0086] 所述的振动模块1包括微处理器1-1、振动等级存储器1-2、振动时间存储器1-3和 马达1-4,所述微处理器1-1分别与振动等级存储器1-2、振动时间存储器1-3、主控制器9、雷 达测距模块3连接，用于从主控制器9获取基本振动等级和基本振动时间，并根据振动时间 和振动强度组合控制马达1-4按照上述振动等级和时间进行振动。
[0087] 使用者通过总开关按键、确定按键、取消按键、导航按键对手杖进行操作，当打开 导航按键之后，振动模块1、蓝牙耳机模块2、雷达测距模块3、GPS定位模块4、Lm)照明模块 5、图像识别模块6、条形码识别模块7、云数据存储模块8、主控制器9开始工作，当雷达测距 模块3检测到前方障碍物的时候，向主控制器9发送信号，振动模块从主控制器9获取基本振 动等级和基本振动时间，并根据振动时间和振动强度组合控制马达1-4按照上述振动等级 和时间进行振动，同时可W触发蓝牙耳机模块2,对使用者进行振动和语音的双重提醒。
[0088] 所述的蓝牙耳机模块2包括蓝牙忍片2-1、与该蓝牙忍片2-1相连接的音频处理忍 片2-2、音频发射模块2-3,所述蓝牙忍片2-1上设置有微处理器MCU，W及与该MCU相连接的 可编程输入输出PIO接口、I2C接口，所述音频处理忍片2-2中设置有数模DA转换模块、模数 AD转换模块、音频增益调整单元和I2C接口。
[0089] 所述的振动模块I内置有语音识别模块1-5,所述的图像识别模块6与所述的语音 识别模块1-5和条形码识别模块7连接，该图像识别模块6包括盲道图像采集模块6-1、盲道 轮廓提取模块6-2、图像结果输出模块6-3。
[0090] 所述的盲道图像采集模块6-1对采集的盲道图像进行预处理，通过图像灰度修正、 去噪、锐化和边缘增强，去除干扰、噪声及差异，提高图像中盲道部分的亮度值。
[0091] 所述的盲道轮廓提取模块6-2结合盲道先验知识，识别盲道形状、颜色与边缘，从 周围环境中提取盲道的边缘轮廓并对提取出的盲道区域进行图像分割，探测提示盲道内提 示图标。
[0092] 所述的图像结果输出模块6-3与所述的振动模块1和蓝牙耳机模块2连接，用于结 合微处理器中存储的盲道先验知识，对图像分割后的盲道进行分类判决，判断盲道上有无 障碍，识别盲道提示图标并输出其对应提示信息。
[0093] 进一步，所述图像分割具体的实现方法为：
[0094] 建立图像的显著性模型；
[0095] 根据所述显著性模型获取所述图像中的前景样本点和背景样本点;根据所述显著 性模型，计算所述图像中各个像素点的显著性值;将各个像素点的显著性值进行归一化;将 归一化后的显著性值大于预定前景阔值的像素点确定为所述前景样本点;将归一化后的显 著性值小于预定背景阔值的像素点确定为所述背景样本点；其中，所述预定前景阔值大于 所述预定背景阔值，归一化后的各个显著值均位于(0，1)中；
[0096] 根据所述显著性模型W及所述前景样本点和所述背景样本点，建立前背景分类模 型;所述前背景分类模型包括前景分类模型和背景分类模型，所述根据所述显著性模型W 及所述前景样本点和所述背景样本点，建立前背景分类模型，包括:根据所述前景样本点建 立前景颜色似然模型;根据所述背景样本点建立背景颜色似然模型;将所述显著性模型与 所述前景颜色似然模型相乘，得到所述前景分类模型，所述前景分类模型用于表征像素点 为前景的概率;将所述显著性模型与所述背景颜色似然模型相乘，得到所述背景分类模型， 所述背景分类模型用于表征像素点为背景的概率；
[0097] 根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类 模型W及像素点之间的边缘信息对所述图像进行分割。
[0098] 进一步，所述根据预定图割算法对所述图像进行分割，包括：
[0099] 利用所述前景分类模型计算所述图像中每个像素点的前景相似度；
[0100] 利用所述背景分类模型计算所述图像中每个像素点的背景相似度；
[0101] 获取所述图像中相邻像素点之间的相似度；
[0102] 利用各个像素点的前景相似度、各个像素点的背景相似度W及相邻像素点之间的 相似度，构造所述预定图割算法所需的无向图；
[0103] 利用所述预定分割算法对所述无向图进行分割，完成对所述图像的分割。
[0104] 进一步，所述利用各个像素点的前景相似度、各个像素点的背景相似度W及相邻 像素点之间的相似度，构造所述预定图割算法所需的无向图，包括：
[0105] 构建所述预定图割算法所需的无向图，所述无向图包括前景顶点、背景顶点、至少 一个像素顶点、相邻的两个像素顶点之间的第一类边、所述像素顶点与所述背景顶点之间 的第二类边，所述像素顶点与所述背景顶点之间的第=类边，所述无向图中的像素顶点与 所述图像中的各个像素点一一对应；
[0106] 对于每条第二类边，将与所述第二类边相连的像素顶点所对应的像素点的前景相 似度，确定为所述第二类边的权值；
[0107] 对于每条第=类边，将与所述第=类边相连的像素顶点所对应的像素点的背景相 似度，确定为所述第=类边的权值；
[0108] 对于每条第一类边，将与所述第一类边相连的两个像素顶点所对应的两个像素点 之间的相似度，确定为所述第一类边的权值。
[0109] 进一步，所述建立图像的显著性模型，包括：
[0110] 利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区 域中各个像素点的颜色值相同；
[0111] 确定每个所述区域的颜色值和质屯、；
[0112] 根据各个区域所对应的颜色值W及各个区域的质屯、，建立所述显著性模型；
[ow]所述显著性模型为:?= W(馬)巧城，馬)马.W，/?,) / 二L/幻
[0114] 其中，Sii为区域Ri中任一像素点的显著性值，W(Rj)为区域扣中的像素点的个数，Ds (Ri瓜）用于表征所述区域Ri和所述区域扣之间空间位置差异的度量值，Dc化瓜）用于表征 所述区域Ri和所述区域扣之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域 的总个数，Ds(Ri，Rj)为：瑪:保，馬)=啟诚巧'(巧)-热姆m: A',)):: / G:: > ;Cente^Ri)为所 述区域Ri的质屯、，Center(Rj)为所述区域扣的质屯、，当所述图像中各个像素点的坐标均归一 化到[(U]时;of =0.4 :;
[0115] 所述建立图像的显著性模型，包括：
[0116] 按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的 像素点归类为同一种颜色类型；
[0117] 根据每种颜色类型的颜色值，建立所述显著性模型。 'N-'
[011引进一步，所述显著性模型为!>'(C.)A.W，C.) /=U/古 Z.
[0119] 其中，W(門）为颜色类型門中像素点的个数，Dc(Pi，Pj)用于表征颜色类型Pi和颜色 类型門之间颜色差异的度量值。
[0120] 所述的条形码识别模块7与所述的云数据存储模块8连接，该条形码识别模7块包 括摄像单元、条形码识别单元、编码查询单元、数据库、视频处理单元、显示单元、目标表面 附着的条形码，摄像单元负责获取目标图像，条形码识别单元负责识别目标条形码的编码， 编码查询单元负责W编码检索数据库中编码对应的标识及信息，视频处理单元负责标识及 信息的视频插入，显示单元负责显示包含目标标识及信息的视频图像。
[0121] 进一步，所述振动等级存储器1-2与微处理器1-1连接，通过微处理器1-1对应设置 基础振动等级，并存储在振动等级存储器1-2中。