一种基于深度学习的自助导游系统技术方案

本发明专利技术公开一种基于深度学习的自助导游系统，包括移动终端、后台处理反馈系统、图像识别系统、样本训练库和景点信息数据库。所述移动终端由GPS模块，地图模块，图像传输模块，信息显示模块构成。有益效果：自助精确定位，深度学习具有高效率，可塑性，普适性等优点，能极高提高定位精确度，同时无需花费硬件投资。

【技术实现步骤摘要】
一种基于深度学习的自助导游系统
本专利技术涉及智能自助导游
、深度学习领域，尤其涉及一种基于深度学习的自助导游系统。
技术介绍
随着们生活水平的日益提高，旅游已经成为大多数人休闲节假日的不二选择，同时游客们对旅游质量要求也越来越高的，不仅仅只是满足于欣赏景点的风景，更希望能了解到其中蕴含的人文知识，导游本来能很好解决这个问题，但由于现在导游本身水平参差不齐，外界因素干扰导致旅游质量不高，以及跟团旅游束缚了游客的参观自由，所以大多数人往往更倾向于自驾游。专利号CN201310362728.4提出的基于地理位置的导游系统，利用GPS对客户进行实时定位追踪、监控，并提供一些自助服务，来帮助用户实现自助旅游，但是由于在诸多因素影响，GPS往往定位不够准确，尤其是在建筑密集的地方。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。深度学习是一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)，所以深度学习在图像识别领域运用十分有效。所以我们引入深度学习的方法图像识别方法来实现自助精确定位，深度学习具有高效率，可塑性，普适性等优点，能极高提高定位精确度，同时无需花费硬件投资。
技术实现思路
本专利技术的目的在于提供基于深度学习的智能导游系统，使选择自助游的人，在没有导游讲解的情况下，通过本系统获取所在景点的详细信息，同时弥补GPS在诸多因素下定位不够准确的缺点，为用户提供更加准确的定位服务，同时还为用户提供导航路线规划等功能，为用户提供方便全面的自助导游服务。为实现上述目的，本专利技术的技术方案如下：一种基于深度学习的自助导游系统，它包括移动终端、后台处理反馈系统、图像识别系统、样本训练库和景点信息数据库。所述移动终端由GPS模块，地图模块，图像传输模块，信息显示模块构成。优选的，所述的后台处理反馈系统包括网络通信模块、信息传递模块。所述网络通信模块，用于实现本地服务器和移动终端之间图像、文本等数据传输；所述信息传递模块，将接收的图像发送至图像识别系统，同时接收从图像识别系统传回的名称关键字，并根据移动端做出的操作，将名称关键字发送至移动终端或景点信息数据库；所述名称关键词属于系统中信息传递模块一部分，为景点名或景物名，通过该关键字检索景点信息数据库或实现定位和路线导航功能。优选的，所述的景点信息数据库由图片库、语言库、文本库组成、图片库、语音库和文本库内分别存储景点的图像、语音介绍和文本介绍信息内容，不同库的信息内容按照一定逻辑关系存储，可以通过名称关键字访问到数据库内相应信息。优选的，所述图像识别系统利用深度学习的方法对上传图片识别匹配，并返回对应的名称关键字，并将上传图片发送给样本训练库，作为样本训练系统。优选的，所述样本训练库包含存储模块和预处理模块以及训练模块，所述存储模块用于存储样本和训练模型；所述预处理模块，对样本集合进行预处理，将图像缩放到指定大小；所述训练模块，利用样本集合训练卷积神经网络模型。优选的，所述导游系统提供定位服务、景点详情查询、导航路线规划等功能。优选的，具有GPS定位和深度学习方法定位两种模式，所述GPS定位，通过利用GPS获取所在粗略地理坐标数据实现定位；所述深度学习方法定位，通过利用深度学习方法对所在地周围图像进行识别，从本地服务器获取相应信息，实现定位。优选的，所述图像识别系统包括如下步骤：将上传的景点图像作为训练好的卷积神经网络模型的输入，模型进行识别得到结果，根据结果将相应景点名和景物名关键字返回到后台反馈识别系统。优选的，所述训练卷积神经网络模型的步骤为：a、判断样本训练库存储图像数量；b、若样本图像足够，先对图像进行预处理，将图像缩放到指定大小；c、用样本图像训练卷积神经网络模型，卷积神经网络的输入层由32X32个感知节点组成，用来接收样本图像，然后，计算流程在卷积和子抽样之间交替进行，多层卷积后，最后形成个全连接层，得到输出向量；d、存储训练完毕的神经网络模型。有益效果：自助精确定位，深度学习具有高效率，可塑性，普适性等优点，能极高提高定位精确度，同时无需花费硬件投资。附图说明图1是本专利技术实施例的系统结构示意图；图2是本专利技术实施例的系统具体运行工作的流程示意图。具体实施方式下面结合附图对本专利技术做进一步说明。实施例，本专利技术的为一种基于深度学习的智能导游系统，主要由移动终端、后台处理反馈系统、图像识别系统、样本训练库、景点信息数据库构成；所述移动终端由GPS模块，地图模块，图像传输模块，信息显示模块构成，依据其特征移动终端可以是手机、电脑、平板电脑等；所述GPS模块即利用GPS定位系统获取所在地粗略地理坐标数据；所述地图模块，用于实现地图上用户当前位置显示以及导航路线规划；所述图像传输模块包含摄像头、存储卡和通信网络，将拍摄的或系统图库中选择的图片通过通信网络上传至服务器；所述信息显示模块，用于显示和播放从服务器传回的景点文本、图片、语音信息。所述后台处理反馈系统，包括网络通信模块、信息传递模块；所述网络通信模块，用于实现本地服务器和移动终端之间图像、文本等数据传输；所述信息传递模块，将接收的图像发送至图像识别系统，同时接收从图像识别系统传回的名称关键字，并根据移动端做出的操作，将名称关键字发送至移动终端或景点信息数据库；上述名称关键字，为系统一种信息传递机制，为景点名或景物名，通过该关键字可以检索景点信息数据库或实现发送回移动终端实现定位和导航功能。所述图像识别系统，利用深度学习的方法对上传图片识别匹配，并返回对应的名称关键字，并将上传图片发送给样本训练库，作为样本训练系统。所述样本训练库，包含存储模块和预处理模块以及训练模块，所述存储模块用于存储样本和训练模型；所述预处理模块，对样本集合进行预处理，将图像缩放到指定大小；所述训练模块，利用样本集合训练卷积神经网络模型。所述的景点信息数据库由图片库，语言库，文本库组成，图片库、语音库和文本库内分别存储景点的图像、语音介绍和文本介绍信息内容，不同库的信息内容按照一定逻辑关系存储，后台处理反馈系统可以通过关键字对景点信息数据库进行访问，然后向移动终端发送相应的图片、语音、文本信息。一种基于深度学习的智能导游系统，其核心在于利用深度学习的方法对图像识别技术，以此达到对图片中景点的精确识别定位的目的，并以此核心为基础，为系统拓展定位服务、景点详情查询、导航路线规划等实用功能。该系统工作运行流程具体步骤如下：S1、移动终端做出操作:首先，用户在移动终端做出操作，后台处理反馈系统接收到移动终端的操作。所述移动终端具有GPS模块，能够根据所在地和目的地实现粗定位和导航功能；移动终端还具有摄像功能和存储功能，能够通过摄像装置和调用系统图库获得景点位置信息图片；且移动终端还具有通信功能，能通过通信网络，向服务器发送操作请求，上传位置信息图片，以及从服务器接收相关反馈信息；移动终端还能显示地图、图像、文本、语音等信息。上述移动终端做出的操作包括是获取当定位、景点详情查询、导航路线规划。S2、定位服本文档来自技高网...

【技术保护点】
一种基于深度学习的自助导游系统，其特征在于：它包括移动终端、后台处理反馈系统、图像识别系统、样本训练库和景点信息数据库。所述移动终端由GPS模块，地图模块，图像传输模块，信息显示模块构成。

【技术特征摘要】
1.一种基于深度学习的自助导游系统，其特征在于：它包括移动终端、后台处理反馈系统、图像识别系统、样本训练库和景点信息数据库。所述移动终端由GPS模块，地图模块，图像传输模块，信息显示模块构成。2.根据权利要求1所述一种基于深度学习的自助导游系统，其特征在于：所述的后台处理反馈系统包括网络通信模块、信息传递模块。所述网络通信模块，用于实现本地服务器和移动终端之间图像、文本等数据传输；所述信息传递模块，将接收的图像发送至图像识别系统，同时接收从图像识别系统传回的名称关键字，并根据移动端做出的操作，将名称关键字发送至移动终端或景点信息数据库；所述名称关键词属于系统中信息传递模块一部分，为景点名或景物名，通过该关键字检索景点信息数据库或实现定位和路线导航功能。3.根据权利要求1所述一种基于深度学习的自助导游系统，其特征在于：所述的景点信息数据库由图片库、语言库、文本库组成、图片库、语音库和文本库内分别存储景点的图像、语音介绍和文本介绍信息内容，不同库的信息内容按照一定逻辑关系存储，可以通过名称关键字访问到数据库内相应信息。4.根据权利要求1所述一种基于深度学习的自助导游系统，其特征在于：所述图像识别系统利用深度学习的方法对上传图片识别匹配，并返回对应的名称关键字，并将上传图片发送给样本训练库，作为样本训练系统。5.根据权利要求1所述一种基于深度学习的自...

【专利技术属性】
技术研发人员：陈朋朋，杨旭，于书苹，高守婉，牛强，王海，尹雨晴，车迪，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32