CN104361053B - 多对象关联方法及装置 - Google Patents
多对象关联方法及装置 Download PDFInfo
- Publication number
- CN104361053B CN104361053B CN201410602658.XA CN201410602658A CN104361053B CN 104361053 B CN104361053 B CN 104361053B CN 201410602658 A CN201410602658 A CN 201410602658A CN 104361053 B CN104361053 B CN 104361053B
- Authority
- CN
- China
- Prior art keywords
- performance data
- vibration performance
- vibration
- vehicles
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Abstract
本申请实施例提供了一种多对象关联方法及装置。方法包括:获取多个对象的振动特征数据;至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。本申请实施例提供了一种通过交通工具关联对象的方案。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种多对象关联方法及装置。
背景技术
随着越来越多地使用交通工具,如车辆、船舶、飞机等出行,人们每天都有很长的时间在交通工具中度过。
发明内容
有鉴于此,本申请实施例的一个目的在于提供一种通过交通工具关联对象的方案。
为实现上述目的,根据本申请实施例的一个方面,提供一种多对象关联方法,包括:
获取多个对象的振动特征数据;
至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
为实现上述目的,根据本申请实施例的又一个方面,提供一种多对象关联装置,包括:
获取模块,用于获取多个对象的振动特征数据;
确定模块,用于至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
以上多个技术方案中的至少一个技术方案具有如下有益效果:
本申请实施例通过获取多个对象的振动特征数据,至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,提供了一种通过交通工具关联对象的方案。
附图说明
图1为本申请提供的一种多对象关联方法实施例的流程示意图;
图2为本申请提供的一种多对象关联装置实施例一的结构示意图;
图3~图5分别为图2所示实施例的一种实现方式的结构示意图;
图6为本申请提供的一种多对象关联装置实施例二的结构示意图。
具体实施方式
下面结合附图和实施例,对本申请的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本申请提供的一种多对象关联方法实施例的流程示意图。如图1所示,本实施例包括:
110、获取多个对象的振动特征数据。
举例来说,本申请提供的一种多对象关联装置实施例一或二所述的多对象关联装置作为本实施例的执行主体,执行110~120。
本实施例中,各所述对象可以是乘坐在交通工具上的人,或,被放置在交通工具上的物体。
本实施例中,所述振动特征数据为一矢量,且与各所述对象的振动相关,对于在交通工具上的对象来说,所述对象的振动特征数据与所述对象所处交通工具的振动相关。具体地,所述振动特征数据可以通过放置在所述对象上的至少一个传感器来检测,所述多对象关联装置可选地从所述至少一个传感器或用于收集所述至少一个传感器的检测数据的一服务器获取所述振动特征数据。可选地,各所述对象的振动特征数据为所述至少一个传感器检测到的一综合矢量,或者,为所述至少一个传感器检测到的一综合矢量在与所述对象的振动相关的至少一方向上的分量,可选地,为实现简单,所述振动特征数据为所述至少一个传感器检测到的一综合矢量在重力方向上的分量。
120、至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
本实施例中,所述交通工具包括但不限于以下任一种:车辆、船舶、飞机等。
其中,所述车辆具体为带减震系统的车辆,如小汽车、货车、客车、挂车、三轮车、摩托车、自行车等。以小汽车为例,减震系统通常为小汽车的悬挂系统,悬挂系统是汽车的车架与车桥或车轮之间的传力连接装置的总称,通常,车架与前车桥或前车轮之间的悬挂系统称为前轮悬挂系统,车架与后车桥或后车轮之间的悬挂系统称为后轮悬挂系统,典型的悬挂系统主要包括:弹性元件、导向机构以及减震器等。以自行车为例,减震系统通常为安装在车身架上的减震器。当车辆加速时,由于驱动轮的轴承与车辆质心之间的力矩,车辆会发生以穿过车辆整体质心的一条虚拟直线为轴的旋转,该旋转主要体现为与车辆的行驶平面垂直的方向上的振动。
其中,所述船舶为由动力系统驱动的船舶,具体地,动力系统在驱动船舶行进的过程中,也引起船舶的振动。举例来说,螺旋桨船的动力系统通常由发送机、螺旋桨以及连接两者的传动轴组成。
其中,所述飞机为由动力系统驱动的飞机,具体地,动力系统在驱动飞机飞行的过程中,也引起飞机的振动。举例来说,双引擎飞机的动力系统通常由两个发动机组成。
本实施例中,所述属性包括但不限于以下任一种:识别符、类别。其中,所述识别符用于唯一地标识一交通工具。举例来说,所述识别符包括但不限于以下任一种:车牌号、车辆识别号码(Vehicle Identification Number,简称VIN)、飞机编号、船舶编号等。其中,所述类别可以有不同的划分层次,举例来说,所述类别可以分为车辆、船舶、飞机等,以车辆为例,所述类别还可以按功能进一步分为:小汽车、货车、客车、挂车、三轮车、摩托车、自行车等,以小汽车为例,所述类别还可以按品牌进一步分为:大众速腾(Volkswagen SAGITAR)、丰田卡罗拉(TOYOTA COROLLA)、别克君威(BUICK Regal)等。
需要说明的是,当所述属性为标识符时,同一标识符的交通工具通常仅有一个,相应地,120包括:确定所述多个对象中第一数量的对象在同一个交通工具上,或者,确定所述多个对象中第一数量的对象在相同类别的至少一个交通工具上。
本实施例中,所述第一数量不是一个固定的数。举例来说,110中获取了10个对象的振动特征数据,120中可以确定其中4个对象在一种属性的至少一个交通工具上,确定其中另6个对象在另一种属性的至少一个交通工具上。
本申请发明人在研究过程中发现:以车辆为例,带减震系统的车辆上的对象在该车辆的行驶过程中的振动特征数据主要与该车辆的减震系统的内在特征相关,其中,减震系统的内在特征主要取决于减震系统的结构和参数,以一辆小汽车为例,该小汽车的减震系统的内容特征主要取决于该小汽车的悬挂系统的结构以及参数。相应地,在同一车辆上的多个对象的振动特征数据非常近似,而由于不同车辆的减震系统的内在特征几乎均不相同,因此,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一车辆上。由于不同类别的车辆的减震系统的结构通常不相同,相同类别的车辆的减震系统的参数通常不相同,但其结构通常相近或相同,因此,在同一类别的车辆上的对象的振动特征数据之间存在相似性,相应地,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一类别的车辆上。
本申请发明人在研究过程中还发现:以船舶为例,船舶上的对象的振动特征数据主要与两类因素相关,一类因素为环境因素,另一类因素为船舶动力系统的结构和参数,相应地,在同一船舶上的多个对象的振动特征数据非常近似,而由于不同船舶的动力系统的结构和参数不同且所受的环境因素也不同,因此,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一船舶上。除去环境因素的影响,由于不同类别的船舶的动力系统的结构和参数通常不相同,相同类别的船舶的动力系统的参数通常不相同,但其结构通常相近或相同,因此,在同一类别的船舶上的对象的振动特征数据之间存在相似性,相应地,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一类别的船舶上。
本申请发明人在研究过程中还发现:以飞机为例,飞机上的对象的振动特征数据主要与两类因素相关,一类因素为环境因素,另一类因素为飞机动力系统的结构和参数,相应地,在同一飞机上的多个对象的振动特征数据非常近似,而由于不同飞机的动力系统的结构和参数不同且所受的环境因素也不同,因此,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一飞机上。除去环境因素的影响,由于不同类别的飞机的动力系统的结构和参数通常不相同,相同类别的飞机的动力系统的参数通常不相同,但其结构通常相近或相同,因此,在同一类别的飞机上的对象的振动特征数据之间存在相似性,相应地,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一类别的飞机上。
本申请发明人在研究过程中还发现:以车辆、船舶、飞机为例,由于车辆、船舶、飞机上对象的振动特征数据分别与车辆、船舶、飞机的上述特性相关,而车辆、船舶、飞机的上述特性之间相差较大,因此,分别在车辆、船舶、飞机上的对象的振动特征数据之间的差别通常远大于同在车辆、船舶或飞机上的对象的振动特征数据之间的差别。
本实施例通过获取多个对象的振动特征数据,至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,提供了一种通过交通工具关联对象的方案。
下面通过一些可选的实现方式进一步描述本实施例的方法。
本实施例中,所述至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上有多种实现方式。
在一种可选的实现方式中,所述至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,包括:
确定振动特征数据与所述多个对象中一第一对象的振动特征数据匹配的所述多个对象中除所述第一对象之外的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
其中,所述第一对象可以是所述多个对象中的任一对象。
可选地,对于所述多个对象中的每个对象,均可以将所述对象作为所述第一对象,确定所述多个对象是否存在振动特征数据与所述第一对象的振动特征数据匹配的至少一个其它对象,若存在则确定所述至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
其中,确定一对象的振动特征数据是否与另一对象的振动特征数据匹配有多种方式。
可选地,所述确定振动特征数据与所述多个对象中一第一对象的振动特征数据匹配的所述多个对象中除所述第一对象之外的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上,包括:
从所述多个对象中除所述第一对象之外的至少一个其它对象的振动特征数据中,确定所述第一对象的振动特征数据的近似最近邻集合;
确定所述第一对象的振动特征数据与所述近似最近邻集合中各其它对象的振动特征数据的互相关系数;
确定振动特征数据与所述第一对象的振动特征数据的互相关系数满足一定条件的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
其中,所述确定所述第一对象的振动特征数据的近似最近邻集合可以采用近似最近邻查找算法,比如局部敏感哈希(Locality Sensitive Hash,简称LSH)算法。
其中,所述一定条件可以是预先设定好的。可选地,所述满足一定条件具体为高于一阈值。
可选地,所述确定振动特征数据与所述第一对象的振动特征数据的互相关系数满足一定条件的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上,包括:
确定振动特征数据与所述第一对象的振动特征数据的互相关系数高于一第一阈值的至少一个其它对象与所述第一对象在相同标识符的一个交通工具上;和/或,
确定振动特征数据与所述第一对象的振动特征数据的互相关系数高于一第二阈值的至少一个其它对象与所述第一对象在相同类别的至少一个交通工具上。
其中,所述第一阈值和所述第二阈值是预先设定的。通常,所述第一阈值高于所述第二阈值。
对于所述类别的不同层次,进一步,还可以有不同的第二阈值。
举例来说,第一层次的类别包括:车辆、船舶、飞机等,第二层次的类别包括:小汽车、货车、客车、挂车、三轮车、摩托车、自行车等,以小汽车为例,第三层次的类别包括:大众速腾(Volkswagen SAGITAR)、丰田卡罗拉(TOYOTA COROLLA)、别克君威(BUICK Regal)等;相应地,第一层次的类别对应第二阈值n,第二层次的类别对应第二阈值m,第三层次的类别对应第二阈值p,且p>m>n。在一种可能的场景中,获取26个对象A~Z的振动特征数据,一对象A作为第一对象,确定对象B~J的振动特征数据在对象A的振动特征数据的近似最近邻集合中;进一步地,对象B、C的振动特征数据与对象A的振动特征数据的互相关系数高于所述第一阈值,确定对象B、C与对象A在同一交通工具中;另外,对象D、E的振动特征数据与对象A的振动特征数据的互相关系数高于p且不高于所述第一阈值,对象F、G的振动特征数据与对象A的振动特征数据的互相关系数高于m且不高于p,对象H的振动特征数据与对象A的振动特征数据的互相关系数高于n且不高于m,对象I、J的振动特征数据与对象A的振动特征数据的互相关系数不高于m,确定对象D~H与对象A同在一第一层次的类别的少一个交通工具中,对象D~G与对象A同在一第二层次的类别的少一个交通工具中,对象D、E与对象A同在一第三层次的类别的至少一个交通工具中。
在又一种可选的实现方式中,所述至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,包括:
对所述多个对象的振动特征数据进行聚类,得到至少一个子集;
确定所述多个对象中一第二对象的振动特征数据所在的一子集中其它振动特征数据对应的至少一个其它对象与所述第二对象在相同属性的至少一个交通工具上。
其中,所述第二对象可以是所述多个对象中的任一对象。
其中,所述对所述多个对象的振动特征数据进行聚类可以有多种聚类方式,比如:奇异值分解(Singular Value Decomposition,简称SVD)聚类,层次(Hierarchical)聚类,K均值(K-Means)聚类。
可选地,对于不同的属性,即标识符和类别,在聚类得到至少一个子集时可以使用不同的参数。进一步地,对于所述类别的不同层次,也可以有不同的参数,与上一实现方式中不同的第二阈值的效果类似。
本实施例中,所述振动特征数据可以包括至与各所述对象的振动相关的速度数据和/或加速度数据。
在一种可选的实现方式中,所述振动特征数据包括:与各所述对象的振动相关的加速度数据。具体地,所述加速度数据包括:角加速度数据和/或线加速度数据。
以车辆为例,当车辆加速时,由于驱动轮的轴承与车辆质心之间的力矩,车辆会发生以穿过车辆整体质心的一条虚拟直线为轴的旋转。通过角速度传感器,可以测量出这种旋转,考虑到不同车辆的减震系统的结构和参数的不同,不同车辆的这种旋转运动也会体现出不同的角速度时序曲线和线速度时序曲线。然而,对于同一车辆,当车辆负载和引擎产生的驱动轮加速运动的冲量的不同时,上述旋转的角速度和线速度的绝对值也会不同,为此,可以通过提取角速度/线速度的一阶导数,即获取角加速度/线加速度,或者,直接通过角加速度传感器/线加速度传感器获取角加速度/线加速度,减小车辆负载和引擎产生的加速冲量的差异引起的角速度/线速度绝对值的不同,而获得表征车辆减震系统内在特征的角加速度时序曲线/线加速度时序曲线。
在此实现方式中,可选地,各所述对象的角加速度数据包括:所述对象的一角加速度时序曲线,或者,所述对象的一角加速度频域矢量。
具体地,所述角加速度频域矢量有多种获取的方式。可选地,获取所述对象的一角加速度时序曲线;从所述角加速度时序曲线中截取一第一时间窗口内的一第一有效波形,所述第一有效波形包括至少一个波峰和至少一个波谷;对所述第一有效波形进行短时傅里叶变换(Short-Time Fourier Transform,简称STFT),得到一第一频谱;从所述第一频谱中提取第二数量的第一采样点,所述第二数量的第一采样点构成所述对象的角加速度频域矢量。
其中,所述第一时间窗口的时长可以预先设定,比如设为2秒。
其中,所述第二数量可以是预先设定的一个数,比如设为20。
以车辆为例,当所述对象所处车辆在平坦路面上匀速行进时,所述对象的角加速度几乎为0,当该车辆加速、减速或者遇到颠簸路面时,该车辆的减震系统起作用,所述对象的角加速度出现波动,而所述第一有效波形正是所述角加速度时序曲线中能够体现所述减震系统内在特征的部分。
考虑到有些场景下用于检测所述对象的振动特征数据的至少一个传感器并不与所述对象完全固定,举例来说,车辆上一用户的振动特征数据是从该用户随身携带的一手机中的传感器获取,由于该手机通常是放在该用户的衣服或者裤子口袋中,当车辆加速运动时,手机与用户、车辆之间的运动不是完全同步的,可能引入高频噪声,为了减小误差,可选地,所述从所述角加速度时序曲线中截取一第一时间窗口内的一第一有效波形之前还包括:对所述角加速度时序曲线进行低通滤波。
在此实现方式中,可选地,各所述对象的线加速度数据包括:所述对象的一线加速度时序曲线,或者,所述对象的一线加速度频域矢量。
具体地,所述线加速度频域矢量有多种获取的方式。可选地,获取所述对象的一线加速度时序曲线;从所述线加速度时序曲线中截取一第二时间窗口内的一第二有效波形,所述第二有效波形包括至少一个波峰和至少一个波谷;对所述第二有效波形进行STFT,得到一第二频谱;从所述第二频谱中提取第三数量的第二采样点,所述第三数量的第二采样点构成所述对象的线加速度频域矢量。
其中,所述第二时间窗口的时长可以预先设定,比如设为2秒。
其中,所述第三数量可以是预先设定的一个数,比如设为20。
与从所述角加速度时序曲线中截取的第一有效波形类似,所述第二有效波形也是所述线加速度时序曲线中能够体现车辆的减震系统内在特征的部分。
考虑到有些场景下用于检测所述对象的振动特征数据的至少一个传感器并不与所述对象完全固定,为了减小误差,可选地,所述从所述线加速度时序曲线中截取一第二时间窗口内的一第二有效波形之前还包括:对所述线加速度时序曲线进行低通滤波。
由于对于车辆来说,与车辆的行驶平面垂直的方向上的振动最能体现车辆的减震系统的内在特征,在此实现方式中,可选地,所述加速度数据至少包括与所述对象的行驶平面垂直的方向上的分量,即,所述加速度数据在与所述对象的行驶平面垂直的方向上的分量不为0。
在又一种可选的实现方式中,所述振动特征数据包括:至与各所述对象的振动相关的速度数据。具体地,所述速度数据包括:线速度数据。
以船舶为例,当所述对象所处船舶在水面上行进时,由于船舶的动力系统的作用,船舶会产生振动,通过速度传感器,可以测量出这种振动,考虑到不同船舶的动力系统的结构、参数的不同,不同船舶的这种振动也会体现出不同的线速度时序曲线。由于船舶的自量通常远大于负载重量,即使负载和动力系统产生的冲量不同,所述船舶的振动的线速度的绝对值也相差很小。
以飞机为例,当所述对象所处飞机在空中行进时,由于该飞机的动力系统的作用,飞机会产生振动,通过速度传感器,可以测量出这种振动,考虑到不同飞机的动力系统的结构、参数的不同,不同飞机的这种振动也会体现出不同的线速度时序曲线。由于飞机的自量通常远大于负载重量,即使负载和动力系统产生的冲量不同,所述飞机的振动的线速度的绝对值也相差很小。
在又一种可选的实现方式中,所述振动特征数据包括:与各所述对象的振动相关的速度数据和加速度数据。具体地,所述速度数据和所述加速度数据可参考上述实现方式。
举例来说,在一飞机上的对象A的振动特征数据A包括:线速度时序曲线A和角加速度时序曲线A,在一车辆上的对象B的振动特征数据B包括:线速度时序曲线B和角加速度时序曲线B,在另一车辆上的对象C的振动特征数据C包括:线速度时序曲线C和角加速度时序曲线C,由于线速度时序曲线A和线速度时序曲线B几乎不相关,角加速度时序曲线A和角加速度时序曲线B几乎不相关,振动特征数据A和振动特征数据B的互相关系数非常小,另外,由于线速度时序曲线B和线速度时序曲线C几乎不相关,但角加速度时序曲线B和角加速度时序曲线C有一定的相关性,振动特征数据B和振动特征数据C的互相关系数会大于振动特征数据A和振动特征数据B的互相关系数,相应地,120中有可能确定对象B和对象C在同一属性的至少一个交通工具上。
本实施例中,所述确定所述第一数量的对象在相同属性的至少一个交通工具上的确定结果可以有多种用途。
在一种可选的实现方式中,所述方法还包括:
根据所述第一数量的对象在相同属性的至少一个交通工具上,提示所述第一数量的对象。
其中,所述提示可以有多种方式,比如在社交应用中进行推荐等。
图2为本申请提供的一种多对象关联装置实施例一的结构示意图。如图2所示,多对象关联装置(以下简称:装置)200包括:
获取模块21,用于获取多个对象的振动特征数据;
确定模块22,用于至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
本实施例中,所述振动特征数据为一矢量,且与各所述对象的振动相关,对于在交通工具上的对象来说,所述对象的振动特征数据与所述对象所处交通工具的振动相关。具体地,所述振动特征数据可以通过放置在所述对象上的至少一个传感器来检测,所述多对象关联装置可选地从所述至少一个传感器或用于收集所述至少一个传感器的检测数据的一服务器获取所述振动特征数据。可选地,各所述对象的振动特征数据为所述至少一个传感器检测到的一综合矢量,或者,为所述至少一个传感器检测到的一综合矢量在与所述对象的振动相关的一方向上的分量,可选地,为实现简单,所述振动特征数据为所述至少一个传感器检测到的一综合矢量在重力方向上的分量。
本实施例中,所述交通工具包括但不限于以下任一种:车辆、船舶、飞机等。
其中,所述车辆具体为带减震系统的车辆,如小汽车、货车、客车、挂车、三轮车、摩托车、自行车等。以小汽车为例,减震系统通常为小汽车的悬挂系统,悬挂系统是汽车的车架与车桥或车轮之间的传力连接装置的总称,通常,车架与前车桥或前车轮之间的悬挂系统称为前轮悬挂系统,车架与后车桥或后车轮之间的悬挂系统称为后轮悬挂系统,典型的悬挂系统主要包括:弹性元件、导向机构以及减震器等。以自行车为例,减震系统通常为安装在车身架上的减震器。当车辆加速时,由于驱动轮的轴承与车辆质心之间的力矩,车辆会发生以穿过车辆整体质心的一条虚拟直线为轴的旋转,该旋转主要体现为与车辆的行驶平面垂直的方向上的振动。
其中,所述船舶为由动力系统驱动的船舶,具体地,动力系统在驱动船舶行进的过程中,也引起船舶的振动。举例来说,螺旋桨船的动力系统通常由发送机、螺旋桨以及连接两者的传动轴组成。
其中,所述飞机为由动力系统驱动的飞机,具体地,动力系统在驱动飞机飞行的过程中,也引起飞机的振动。举例来说,双引擎飞机的动力系统通常由两个发动机组成。
本实施例中,所述属性包括但不限于以下任一种:识别符、类别。其中,所述识别符用于唯一地标识一交通工具。举例来说,所述识别符包括但不限于以下任一种:车牌号、VIN、飞机编号、船舶编号等。其中,所述类别可以有不同的划分层次,举例来说,所述类别可以分为车辆、船舶、飞机等,以车辆为例,所述类别还可以按功能进一步分为:小汽车、货车、客车、挂车、三轮车、摩托车、自行车等,以小汽车为例,所述类别还可以按品牌进一步分为:大众速腾(Volkswagen SAGITAR)、丰田卡罗拉(TOYOTA COROLLA)、别克君威(BUICK Regal)等。
需要说明的是,当所述属性为标识符时,同一标识符的交通工具通常仅有一个,相应地,确定模块22具体用于:确定所述多个对象中第一数量的对象在同一个交通工具上,或者,确定所述多个对象中第一数量的对象在相同类别的至少一个交通工具上。
本实施例中,所述第一数量不是一个固定的数。举例来说,获取模块21获取了10个对象的振动特征数据,确定模块22确定其中4个对象是在一种属性的至少一个交通工具上,确定其中另6个对象是在另一种属性的至少一个交通工具上。
本申请发明人在研究过程中发现:以车辆为例,带减震系统的车辆上的对象在该车辆的行驶过程中的振动特征数据主要与该车辆的减震系统的内在特征相关,其中,减震系统的内在特征主要取决于减震系统的结构和参数,以一辆小汽车为例,该小汽车的减震系统的内容特征主要取决于该小汽车的悬挂系统的结构以及减震参数。相应地,在同一车辆上的多个对象的振动特征数据非常近似,而由于不同车辆的减震系统的内在特征几乎均不相同,因此,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一车辆上。由于不同类别的车辆的减震系统的结构通常不相同,相同类别的车辆的减震系统的减震参数通常不相同,但其结构通常相近或相同,因此,在同一类别的车辆上的对象的振动特征数据之间存在相似性,相应地,通过多个对象的振动特征数据确定模块22可以区分该多个对象中哪些对象位于同一类别的车辆上。
本申请发明人在研究过程中还发现:以船舶为例,船舶上的对象的振动特征数据主要与两类因素相关,一类因素为环境因素,另一类因素为船舶动力系统的结构和参数,相应地,在同一船舶上的多个对象的振动特征数据非常近似,而由于不同船舶的动力系统的结构和参数不同且所受的环境因素也不同,因此,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一船舶上。除去环境因素的影响,由于不同类别的船舶的动力系统的结构和参数通常不相同,相同类别的船舶的动力系统的参数通常不相同,但其结构通常相近或相同,因此,在同一类别的船舶上的对象的振动特征数据之间存在相似性,相应地,通过多个对象的振动特征数据确定模块22可以区分该多个对象中哪些对象位于同一类别的船舶上。
本申请发明人在研究过程中还发现:以飞机为例,飞机上的对象的振动特征数据主要与两类因素相关,一类因素为环境因素,另一类因素为飞机动力系统的结构和参数,相应地,在同一飞机上的多个对象的振动特征数据非常近似,而由于不同飞机的动力系统的结构和参数不同且所受的环境因素也不同,因此,通过多个对象的振动特征数据可以区分该多个对象中哪些对象位于同一飞机上。除去环境因素的影响,由于不同类别的飞机的动力系统的结构和参数通常不相同,相同类别的飞机的动力系统的参数通常不相同,但其结构通常相近或相同,因此,在同一类别的飞机上的对象的振动特征数据之间存在相似性,相应地,通过多个对象的振动特征数据确定模块22可以区分该多个对象中哪些对象位于同一类别的飞机上。
本申请发明人在研究过程中还发现:以车辆、船舶、飞机为例,由于车辆、船舶、飞机上对象的振动特征数据分别与车辆、船舶、飞机的上述特性相关,而车辆、船舶、飞机的上述特性之间相差较大,因此,分别在车辆、船舶、飞机上的对象的振动特征数据之间的差别通常远大于同在车辆、船舶或飞机上的对象的振动特征数据之间的差别。
本实施例的多对象关联装置通过获取模块获取多个对象的振动特征数据,确定模块至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,提供了一种通过交通工具关联对象的方案。
下面通过一些可选的实现方式进一步描述本实施例的装置200。
本实施例中,确定模块22有多种实现方式。
在一种可选的实现方式中,确定模块22具体用于:
确定振动特征数据与所述多个对象中一第一对象的振动特征数据匹配的所述多个对象中除所述第一对象之外的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
其中,所述第一对象可以是所述多个对象中的任一对象。
可选地,对于所述多个对象中的每个对象,确定模块22均可以将所述对象作为所述第一对象,确定所述多个对象是否存在振动特征数据与所述第一对象的振动特征数据匹配的至少一个其它对象,若存在则确定所述至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
其中,确定模块22确定一对象的振动特征数据是否与另一对象的振动特征数据匹配有多种方式。
可选地,如图3所示,确定模块22包括:
第一单元221,用于从所述多个对象中除所述第一对象之外的至少一个其它对象的振动特征数据中,确定所述第一对象的振动特征数据的近似最近邻集合;
第二单元222,用于确定所述第一对象的振动特征数据与所述近似最近邻集合中各其它对象的振动特征数据的互相关系数;
第三单元223,用于确定振动特征数据与所述第一对象的振动特征数据的互相关系数满足一定条件的至少一个其它对象与所述第一对象在所述标识符对应的一个交通工具上。
本实现方式的具体实现可参照本申请提供的一种多对象关联方法实施例中的相应描述。
在又一种可选的实现方式中,如图4所示,确定模块22就具体包括:
第四单元224,用于对所述多个对象的振动特征数据进行聚类,得到至少一个子集;
第五单元225,用于确定所述多个对象中一第二对象的振动特征数据所在的一子集中其它振动特征数据对应的至少一个其它对象与所述第二对象在相同属性的至少一个交通工具上。
本实现方式的具体实现可参照本申请提供的一种多对象关联方法实施例中的相应描述。
本实施例中,本实施例中,所述振动特征数据可以包括与各所述对象的振动相关的速度数据和/或加速度数据。
在一种可选的实现方式中,所述振动特征数据包括:与各所述对象的振动相关的加速度数据。
本实现方式的具体实现可参照本申请提供的一种多对象关联方法实施例中的相应描述。
在又一种可选的实现方式中,所述振动特征数据包括:与各所述对象的振动相关的速度数据。
本实现方式的具体实现可参照本申请提供的一种多对象关联方法实施例中的相应描述。
在又一种可选的实现方式中,所述振动特征数据包括:与各所述对象的振动相关的速度数据和加速度数据。
本实现方式的具体实现可参照本申请提供的一种多对象关联方法实施例中的相应描述。
本实施例中,所述确定所述第一数量的对象在相同属性的至少一个交通工具上的确定结果可以有多种用途。
在一种可选的实现方式中,如图5所示,装置200还包括:提示模块23,用于根据所述第一数量的对象在相同属性的至少一个交通工具上,提示所述第一数量的对象。
其中,所述提示可以有多种方式,比如在社交应用中进行推荐等。
图6为本申请提供的一种多对象关联装置实施例二的结构示意图。如图6所示,多对象关联装置600包括:
处理器(processor)61、通信接口(Communications Interface)62、存储器(memory)63、以及通信总线64。其中:
处理器61、通信接口62、以及存储器63通过通信总线64完成相互间的通信。
通信接口62,用于与比如传感器、服务器等外部设备的通信。
处理器61,用于执行程序632,具体可以执行上述多对象关联方法实施例中的相关步骤。
具体地,程序632可以包括程序代码,所述程序代码包括计算机操作指令。
处理器61可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施多对象关联方法实施例的一个或多个集成电路。
存储器63,用于存放程序632。存储器63可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。程序632具体可以用于使得多对象关联装置600执行以下步骤:
获取多个对象的振动特征数据;
至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
程序632中各步骤的具体实现可以参见上述多对象关联方法实施例中的相应步骤和单元中对应的描述,在此不赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (14)
1.一种多对象关联方法,其特征在于,所述方法包括:
获取多个对象的振动特征数据;
至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
2.根据权利要求1所述的方法,其特征在于,所述至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,包括:
确定振动特征数据与所述多个对象中一第一对象的振动特征数据匹配的所述多个对象中除所述第一对象之外的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
3.根据权利要求2所述的方法,其特征在于,所述确定振动特征数据与所述多个对象中一第一对象的振动特征数据匹配的所述多个对象中除所述第一对象之外的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上,包括:
从所述多个对象中除所述第一对象之外的至少一个其它对象的振动特征数据中,确定所述第一对象的振动特征数据的近似最近邻集合;
确定所述第一对象的振动特征数据与所述近似最近邻集合中各其它对象的振动特征数据的互相关系数;
确定振动特征数据与所述第一对象的振动特征数据的互相关系数满足一定条件的至少一个其它对象与所述第一对象在所述相同属性对应的一个交通工具上。
4.根据权利要求1所述的方法,其特征在于,所述至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,包括:
对所述多个对象的振动特征数据进行聚类,得到至少一个子集;
确定所述多个对象中一第二对象的振动特征数据所在的一子集中其它振动特征数据对应的至少一个其它对象与所述第二对象在相同属性的至少一个交通工具上。
5.根据权利要求1~4中任一所述的方法,其特征在于,所述振动特征数据包括:与各所述对象的振动相关的加速度数据和/或速度数据。
6.根据权利要求1~5中任一所述的方法,其特征在于,所述交通工具包括以下任一种:车辆、船舶、飞机。
7.根据权利要求1~6中任一所述的方法,其特征在于,所述方法还包括:
根据所述第一数量的对象在相同属性的至少一个交通工具上,提示所述第一数量的对象。
8.一种多对象关联装置,其特征在于,所述装置包括:
获取模块,用于获取多个对象的振动特征数据;
确定模块,用于至少根据所述多个对象的振动特征数据,确定所述多个对象中第一数量的对象在相同属性的至少一个交通工具上,所述第一数量为大于1的自然数。
9.根据权利要求8所述的装置,其特征在于,所述确定模块具体用于:
确定振动特征数据与所述多个对象中一第一对象的振动特征数据匹配的所述多个对象中除所述第一对象之外的至少一个其它对象与所述第一对象在相同属性的至少一个交通工具上。
10.根据权利要求9所述的装置,其特征在于,所述确定模块包括:
第一单元,用于从所述多个对象中除所述第一对象之外的至少一个其它对象的振动特征数据中,确定所述第一对象的振动特征数据的近似最近邻集合;
第二单元,用于确定所述第一对象的振动特征数据与所述近似最近邻集合中各其它对象的振动特征数据的互相关系数;
第三单元,用于确定振动特征数据与所述第一对象的振动特征数据的互相关系数满足一定条件的至少一个其它对象与所述第一对象在所述相同属性对应的一个交通工具上。
11.根据权利要求8所述的装置,其特征在于,所述确定模块包括:
第四单元,用于对所述多个对象的振动特征数据进行聚类,得到至少一个子集;
第五单元,用于确定所述多个对象中一第二对象的振动特征数据所在的一子集中其它振动特征数据对应的至少一个其它对象与所述第二对象在相同属性的至少一个交通工具上。
12.根据权利要求8~11中任一所述的装置,其特征在于,所述振动特征数据包括:与各所述对象的振动相关的加速度数据和/或速度数据。
13.根据权利要求8~12中任一所述的装置,其特征在于,所述交通工具包括以下任一种:车辆、船舶、飞机。
14.根据权利要求8~13中任一所述的装置,其特征在于,所述装置还包括:提示模块,用于根据所述第一数量的对象在相同属性的至少一个交通工具上,提示所述第一数量的对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410602658.XA CN104361053B (zh) | 2014-10-31 | 2014-10-31 | 多对象关联方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410602658.XA CN104361053B (zh) | 2014-10-31 | 2014-10-31 | 多对象关联方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104361053A CN104361053A (zh) | 2015-02-18 |
CN104361053B true CN104361053B (zh) | 2017-12-19 |
Family
ID=52528314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410602658.XA Active CN104361053B (zh) | 2014-10-31 | 2014-10-31 | 多对象关联方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361053B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101589362A (zh) * | 2006-10-23 | 2009-11-25 | 视觉工厂有限责任公司 | 运动车辆中使用的绝对加速传感器 |
CN102062619A (zh) * | 2009-11-16 | 2011-05-18 | 霍尼韦尔国际公司 | 用于通过预测推理来分析复杂系统的方法系统和装置 |
CN104067271A (zh) * | 2011-11-22 | 2014-09-24 | 奥托里夫Asp股份有限公司 | 用于确定何时展开交通工具安全系统的系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100447001C (zh) * | 2005-04-06 | 2008-12-31 | 肖国 | 利用车轮与车身之间振动提供动力的汽车避震方法及系统 |
-
2014
- 2014-10-31 CN CN201410602658.XA patent/CN104361053B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101589362A (zh) * | 2006-10-23 | 2009-11-25 | 视觉工厂有限责任公司 | 运动车辆中使用的绝对加速传感器 |
CN102062619A (zh) * | 2009-11-16 | 2011-05-18 | 霍尼韦尔国际公司 | 用于通过预测推理来分析复杂系统的方法系统和装置 |
CN104067271A (zh) * | 2011-11-22 | 2014-09-24 | 奥托里夫Asp股份有限公司 | 用于确定何时展开交通工具安全系统的系统和方法 |
Non-Patent Citations (1)
Title |
---|
"我国高速铁路客运专线主要技术经济问题研究";刘万明;《中国博士学位论文全文数据库 社会科学Ⅰ辑》;20030615 * |
Also Published As
Publication number | Publication date |
---|---|
CN104361053A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103477192B (zh) | 用于推断移动装置的位置的装置、方法和设备 | |
Singh et al. | Estimation of tire–road friction coefficient and its application in chassis control systems | |
Gorges et al. | Impact detection using a machine learning approach and experimental road roughness classification | |
González et al. | Learning roadway surface disruption patterns using the bag of words representation | |
US20140278206A1 (en) | Inference of vehicular trajectory characteristics with personal mobile devices | |
Ng et al. | Identification of road surface conditions using IoT sensors and machine learning | |
CN105797319B (zh) | 一种羽毛球运动数据处理方法及装置 | |
CN108629170A (zh) | 身份识别方法以及相应的装置、移动终端 | |
CN106295541A (zh) | 车辆类型识别方法及系统 | |
CN103340634B (zh) | 一种基于加速度变化检测人运动状态的方法 | |
CN110956154A (zh) | 一种基于cnn-lstm的振动信息地形分类识别方法 | |
CN105528613A (zh) | 一种基于智能手机gps速度与加速度数据的行为识别方法 | |
CN103546789B (zh) | 一种电视节目推荐方法、系统及智能终端 | |
CN106155288B (zh) | 信息获取方法、信息获取装置及用户设备 | |
Wang et al. | Road-terrain classification for land vehicles: Employing an acceleration-based approach | |
CN107277222A (zh) | 基于手机内置传感器的用户行为状态判断方法 | |
WO2019199561A1 (en) | Vehicle classification based on telematics data | |
US20230252800A1 (en) | Systems and methods for identifying distracted driver behavior from video | |
CN109271840A (zh) | 一种视频手势分类方法 | |
CN104361053B (zh) | 多对象关联方法及装置 | |
CN106649513A (zh) | 基于谱聚类的音频数据聚类方法 | |
CN104462198B (zh) | 对象所处车辆确定方法及装置 | |
CN110263836A (zh) | 一种基于多特征卷积神经网络的不良驾驶状态识别方法 | |
CN109766798A (zh) | 基于经验小波的手势数据处理方法、服务器及感知设备 | |
CN103744958A (zh) | 一种基于分布式计算的网页分类算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |