传统的导航方法只能检测路径上的静态障碍物，而不能检测移动障碍物。因此，本文提出了一种基于深度学习的盲避碰路径导航方法。采集语音信号，利用语音识别模型获得语音特征参数，根据语音特征参数识别盲人输入的语音序列内容，确定盲人的目的地。建立障碍物检测模型，检测盲人所在位置和目的地路径上障碍物的形状特征、运动方向和速度，计算初始位置和到达位置之间的距离。利用深度学习中的卷积神经网络规划最佳避碰路径，实现盲人的避碰路径导航。实验结果表明，该方法检测到的障碍物在x轴和y轴上的径向运动速度基本相同，可以实时跟踪和监控障碍物的运动方向和速度。该研究方法得到的速度与障碍物的实际移动速度基本一致，误差为0.2~0.4cm/s。当测试时间为50分钟时，避障精度达到96.5%，可以实现最优的避障路径规划和导航