CN106383903A - 运动轨迹的摘要信息生成方法及系统 - Google Patents

运动轨迹的摘要信息生成方法及系统 Download PDF

Info

Publication number
CN106383903A
CN106383903A CN201610867980.4A CN201610867980A CN106383903A CN 106383903 A CN106383903 A CN 106383903A CN 201610867980 A CN201610867980 A CN 201610867980A CN 106383903 A CN106383903 A CN 106383903A
Authority
CN
China
Prior art keywords
monitored
place
personnel
node
track
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.)
Granted
Application number
CN201610867980.4A
Other languages
English (en)
Other versions
CN106383903B (zh
Inventor
张静
李奎声
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Han Yue Intelligent Polytron Technologies Inc
Original Assignee
Shandong Han Yue Intelligent Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Han Yue Intelligent Polytron Technologies Inc filed Critical Shandong Han Yue Intelligent Polytron Technologies Inc
Priority to CN201610867980.4A priority Critical patent/CN106383903B/zh
Publication of CN106383903A publication Critical patent/CN106383903A/zh
Application granted granted Critical
Publication of CN106383903B publication Critical patent/CN106383903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种运动轨迹的摘要信息生成方法及系统，该方法在服务器内完成，包括接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID；根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性；将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。

Description

运动轨迹的摘要信息生成方法及系统
技术领域
本发明属于人员监控领域，尤其涉及一种运动轨迹的摘要信息生成方法及系统。
背景技术
轨迹是指个体对本身需要在客观空间内满足需求而移动所通过的全部路径。它是一种个体行为的客观体现。轨迹管理是将个体的行为路径进行有效的分析，充分挖掘轨迹中的有效数据及异常数据，从而及时发现问题并予以纠正，从而确保个体和群体良好的生活状态，并由此产生良好的管理效果。对于异常生活状态，对个人和社会而言，危害都是很大的，如果不能及时发现异常，很容易误入歧途，成为家庭或社会的隐患。
现有的个体轨迹监控方面存在位置及时间的连续性差以及轨迹中信息冗余，导致个体运动轨迹的监控准确性差；而且个体运动轨迹未实现文字化，个体运动轨迹的监控效率低。
发明内容
为了解决现有技术的缺点，本发明提供一种运动轨迹的摘要信息生成方法及系统。本发明能够在位置及时间上保持连续性以及提取轨迹中有效信息，并且能够实现个体运动轨迹的文字化，提高个体运动轨迹的监控效率和准确性。
为实现上述目的，本发明采用以下技术方案：
一种运动轨迹的摘要信息生成方法，该方法在服务器内完成，包括：
接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID；
根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性；
将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；
调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；
在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
本发明通过接收到的待监控人员的位置时序序列，生成待监控人员运动轨迹，将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，再调取节点数据库内各个节点的时间信息及趋势方向，获取到轨迹中有效信息，构建出轨迹树；在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息，实现了待监控人员运动轨迹的文字化，提高了待监控人员运动轨迹的监控效率和准确性。
该方法还包括：在轨迹树数据库中查询多个轨迹树的交叉节点或交叉轨迹并进行记录，生成待监控人员运动交叉轨迹的摘要信息。
本发明还通过查询轨迹树数据库内多个轨迹树的交叉节点或交叉轨迹，这样可以分析出多个个体之间是否出现了交叉轨迹，可以由此判断个体活动是是否有同伴或者在何时见过某个其他个体，满足一些特殊监控要求。
在接收待监控人员的位置时序序列之后，生成待监控人员运动轨迹之前，对接收的待监控人员的位置时序序列去除冗余数据。这样能够去除待监控人员的位置时序序列的冗余数据，得到有效数据，保证了用于轨迹在位置及时间的连续性，提高了待监控人员运动轨迹的监控准确性。
求取各个位置ID处的场所属性的过程为：
根据待监控人员的位置时序序列中时间值长短，确认各个位置ID处场所；
根据社会环境中各时间段各场所的特征信息，结合待监控人员的位置时序序列对场所属性进行模糊匹配；
对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所属性。
本发明将待监控人员的位置时序序列与社会环境中各时间段各场所的特征信息相结合，对场所属性进行模糊匹配；再对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所准确的属性。
基于大数据计算，在服务器内存储场所的特征信息，例如：当到达11：30-13：30之间时，人类个体去的场所多为饭馆；18：00之后去的场所是住宅区和酒店。而酒店的人员流动性很大，这就通过聚类计算，通过周围人的轨迹特征计算出具体属性。
调取节点数据库内各个节点的时间信息及趋势方向之前，根据服务器内预存的场景数据库，筛除正常停顿的非场所节点。这样能够去除正常停顿的非场所节点，得到准确地轨迹树，保证待监控人员运动轨迹的监控准确性。
一种运动轨迹的摘要信息生成系统，包括：
时序序列接收模块，其用于接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID；
场所属性计算模块，其用于根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性；
节点获取模块，其用于将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；
轨迹树生成模块，其用于调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；
待监控人员运动轨迹摘要信息生成模块，其用于在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
该系统还包括：待监控人员运动交叉轨迹摘要信息生成模块，其用于在轨迹树数据库中查询多个轨迹树的交叉节点或交叉轨迹并进行记录，生成待监控人员运动交叉轨迹的摘要信息。
该系统还包括冗余数据去除模块，其用于对接收的待监控人员的位置时序序列去除冗余数据。
场所属性计算模块，包括：
场所确认模块，其用于根据待监控人员的位置时序序列中时间值长短，确认各个位置ID处场所；
场所属性模糊匹配模块，其用于根据社会环境中各时间段各场所的特征信息，结合待监控人员的位置时序序列对场所属性进行模糊匹配；
聚类模块，其用于对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所属性。
该系统还包括非场所节点筛除模块，其用于根据服务器内预存的场景数据库，筛除正常停顿的非场所节点。
该系统还包括节点筛选模块，其用于预存的场景数据库，筛除正常停顿的非场所节点。
本发明还提供一种运动轨迹的摘要信息生成系统，该系统包括服务器，所述服务器包括：
时序序列接收模块，其用于接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID；
场所属性计算模块，其用于根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性；
节点获取模块，其用于将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；
轨迹树生成模块，其用于调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；
待监控人员运动轨迹摘要信息生成模块，其用于在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
该系统还包括可穿戴设备，所述可穿戴设备被配置为采集待监控人员的位置时序序列并传送至服务器进行处理。
本发明的有益效果为：
(1)本发明通过接收到的待监控人员的位置时序序列，生成待监控人员运动轨迹，将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，再调取节点数据库内各个节点的时间信息及趋势方向，获取到轨迹中有效信息，构建出轨迹树；在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息，实现了待监控人员运动轨迹的文字化，提高了待监控人员运动轨迹的监控效率。
(2)本发明还通过查询轨迹树数据库内多个轨迹树的交叉节点或交叉轨迹，这样可以分析出多个个体之间是否出现了交叉轨迹，可以由此判断个体活动是是否有同伴或者在何时见过某个其他个体，满足一些特殊监控要求。
(3)本发明在接收待监控人员的位置时序序列之后，生成待监控人员运动轨迹之前，对接收的待监控人员的位置时序序列去除冗余数据。这样能够去除待监控人员的位置时序序列的冗余数据，得到有效数据，保证了用于轨迹在位置及时间的连续性，提高了待监控人员运动轨迹的监控准确性。
附图说明
图1是本发明的运动轨迹的摘要信息生成方法流程图；
图2是本发明的求取各个位置ID处的场所属性的过程流程图；
图3是本发明的运动轨迹的摘要信息生成系统结构示意图；
图4是本发明的场所确认模块结构示意图；
图5是LANDMARC算法的修正定位算法的标签布放及定位原理图；
图6是错选标签判别图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。图1是本发明的运动轨迹的摘要信息生成方法流程图。
实施例一：如图1所示的运动轨迹的摘要信息生成方法，该方法在服务器内完成，包括：
步骤1：接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID。
时序数据按照时间区间以及固定时间间隔分别采集个体位置而获取的，其格式如下：
[待监控人员ID，时间，位置ID]；
其中，待监控人员ID和位置ID分别表示待监控人员及其位置的唯一标识，可以采用编码来表示，例如：待监控人员ID为：001、002、003这样的标号；位置ID可以采用E116°23′N39°54′，表示该处的位置是东纬116°23′，北纬39°54′。
步骤2：根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性。
图2是本发明的求取各个位置ID处的场所属性的过程流程图。如图2所示的本发明的求取各个位置ID处的场所属性的过程为：
步骤a：根据待监控人员的位置时序序列中时间值长短，确认各个位置ID处场所；
步骤b：根据社会环境中各时间段各场所的特征信息，结合待监控人员的位置时序序列对场所属性进行模糊匹配；
例如每个人总是在中午11点30之后去某个地方待30分钟，则他去的地方很有可能是快餐店、咖啡馆。
步骤c：对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所属性。
例如很多人在中午11点到下午1点之间到此地点，停留时间30分钟到50分钟不等，则基本可以断定为快餐店；若在全天皆有人流动，停留时间也不统一，则很有可能为咖啡馆。
本发明将待监控人员的位置时序序列与社会环境中各时间段各场所的特征信息相结合，对场所属性进行模糊匹配；再对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所准确的属性。
基于大数据计算，在服务器内存储场所的特征信息，例如：当到达11：30-13：30之间时，人类个体去的场所多为饭馆；18：00之后去的场所是住宅区和酒店。而酒店的人员流动性很大，这就通过聚类计算，通过周围人的轨迹特征计算出具体属性。
步骤3：将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内。
步骤4：调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库。
本发明调取节点数据库内各个节点的时间信息及趋势方向之前，根据服务器内预存的场景数据库，筛除正常停顿的非场所节点。这样能够去除正常停顿的非场所节点，得到准确地轨迹树，保证待监控人员运动轨迹的监控准确性。
步骤5：在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
本发明通过接收到的待监控人员的位置时序序列，生成待监控人员运动轨迹，将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，再调取节点数据库内各个节点的时间信息及趋势方向，获取到轨迹中有效信息，构建出轨迹树；在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息，实现了待监控人员运动轨迹的文字化，提高了待监控人员运动轨迹的监控效率和准确性。
该方法还包括：
步骤6：在轨迹树数据库中查询多个轨迹树的交叉节点或交叉轨迹并进行记录，生成待监控人员运动交叉轨迹的摘要信息。
本发明还通过查询轨迹树数据库内多个轨迹树的交叉节点或交叉轨迹，这样可以分析出多个个体之间是否出现了交叉轨迹，可以由此判断个体活动是是否有同伴或者在何时见过某个其他个体，满足一些特殊监控要求。
本发明在接收待监控人员的位置时序序列之后，生成待监控人员运动轨迹之前，对接收的待监控人员的位置时序序列去除冗余数据。这样能够去除待监控人员的位置时序序列的冗余数据，得到有效数据，保证了用于轨迹在位置及时间的连续性，提高了待监控人员运动轨迹的监控准确性。
图3是本发明的运动轨迹的摘要信息生成系统结构示意图，如图3所示的该系统包括服务器，所述服务器包括：时序序列接收模块、场所属性计算模块、节点获取模块、轨迹树生成模块和待监控人员运动轨迹摘要信息生成模块。
(1)时序序列接收模块，其用于接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID。
时序数据按照时间区间以及固定时间间隔分别采集个体位置而获取的，其格式如下：
[待监控人员ID，时间，位置ID]；
其中，待监控人员ID和位置ID分别表示待监控人员及其位置的唯一标识，可以采用编码来表示，例如：待监控人员ID为：001、002、003这样的标号；位置ID可以采用E116°23′N39°54′，表示该处的位置是东纬116°23′，北纬39°54′。
(2)场所属性计算模块，其用于根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性。
图4是本发明的场所确认模块结构示意图，如图4所示的场所属性计算模块，包括：
场所确认模块，其用于根据待监控人员的位置时序序列中时间值长短，确认各个位置ID处场所；
场所属性模糊匹配模块，其用于根据社会环境中各时间段各场所的特征信息，结合待监控人员的位置时序序列对场所属性进行模糊匹配；
聚类模块，其用于对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所属性。
该系统还包括非场所节点筛除模块，其用于根据服务器内预存的场景数据库，筛除正常停顿的非场所节点。这样能够去除正常停顿的非场所节点，得到准确地轨迹树，保证待监控人员运动轨迹的监控准确性。
(3)节点获取模块，其用于将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；
(4)轨迹树生成模块，其用于调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；
(5)待监控人员运动轨迹摘要信息生成模块，其用于在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
该系统还包括：待监控人员运动交叉轨迹摘要信息生成模块，其用于在轨迹树数据库中查询多个轨迹树的交叉节点或交叉轨迹并进行记录，生成待监控人员运动交叉轨迹的摘要信息。
该系统还包括冗余数据去除模块，其用于对接收的待监控人员的位置时序序列去除冗余数据。这样能够去除待监控人员的位置时序序列的冗余数据，得到有效数据，保证了用于轨迹在位置及时间的连续性，提高了待监控人员运动轨迹的监控准确性。
该系统还包括可穿戴设备，可穿戴设备被配置为采集待监控人员的位置时序序列并传送至服务器进行处理。可穿戴设备为采集待监控人员的位置时序序列的智能手表或智能手环。
本实施例中，可穿戴设备采用基于LANDMARC算法的修正定位算法，主要用待监控人员位置时序序列捕获阶段里的位置采集。该修正算法对参考标签的摆放位置和相互间的几何关系运用数学理论进行分析，有效的降低由于错选邻居标签造成的定位误差较大的问题。
修正与优化算法的标签布放与经典的LANDMARC定位算法相似，在定位区域中布放若干个读写器和参考标签，参考标签之间以正方形规则进行布放。修正算法的标签布放及定位原理如图所示。
为了说明LANDMARC算法的修正定位算法的定位原理，现假设如图5所示进行布放，正方形边长为a(a大于0)，最佳邻居标签个数K值为4，参考标签以正方形规则最佳读写器个数为4,读写器摆放在定位区域的四个顶角上，如图5所示。
根据LANDMARC定位算法，在理想情况下，参考标签A,B′,C,D信号强度向量与待定位标签m信号强度向量的欧氏距离最小，即与待定位标签的真实坐标位置最接近。而在实际的定位过程中，由于定位环境中障碍物的存在以及信号在传播过程中出现的多径、反射、衍射等现象，使得定位系统易错选邻居标签。在最近邻居标签的选取上，相关研究表明其错选一个邻居标签的概率远远高于其错选多个标签的概率，所以本实施例只对出现一个错选邻居标签的情况进行分析研究，现假设最近邻居标签B′被错选为邻居标签B，那么定位结果便由参考标签A,B,C,D决定，由参考标签A,B,C,D求得的待定位标签坐标必然与实际的待定位标签坐标间存在着较大的偏差。
对于此情况，改进算法的主要步骤如下：
(1)根据LANDM ARC定位算法求得最近邻居标签A,B,C,D，由此四个邻居标签结合加权质心算法得到待定位标签初次定位坐标m′(xm′,ym′)；
(2)计算初次定位坐标m′与最近邻居标签A,B,C,D之间的几何距离，分别为dAm′,dBm′,dCm′,dDm′；
其中邻居标签A与初次定位坐标m′(xm′,ym′)之间距离可表示为：
d Am ′ = ( x a - x m ′ ) 2 - ( y a - y m ′ ) 2
同理可求得dBm′,dCm′,dDm′。
(3)比较初次定位标签坐标与各邻居标签之间的距离，求出最大的距离dmax。
假设dmax＝dBm′：本例中参考标签均按正方形规则进行布放，如图6所示，标签布放间距a，弧AN是以Q1为圆心为半径的一段弧，弧AC是以Q2为圆心；a为半径的一段弧，且与标签布放间距相等；比较dmax与a、之间的关系，确定是否存在错选的邻居标签。
为半径的一段若存在式dmax<a，则由图6知，标签B必在Q2处，m′必在AQ2CPA标签，B即为B′；若存在式标签B必在Q1处，m′必在ANCDA内，此时存在错选邻居标签B；若存在式若B在Q1处，m′必在AQ2NA内，若B在Q2处，即B为B′时，m′必在APCDA内。
为了确定是否存在误选标签，可分两种情况进行判断。
比较参考标签B与邻居参考标签A,C,D之间距离dBA,dBC,dBD并找出最大值dmax判断dmax是否满足式
若满足，则B为错选的邻居标签。反之，若满足式dBmax，则B为无误的邻居标签。
(4)由错选邻居标签求对应的修正邻居标签坐标。当或且时出现错选邻居标签的现象。由待定位标签初次定位坐标m′和邻居标签A,B,C,D,求修正的邻居标签B′的坐标。
设B′为(xB′,yB′),则可求得：
若XB≤min{xA，xC，xD}，则有XB′≤min{xA，xC，xD}；
若XB≥min{xA，xC，xD}，则有XB′＝min{xA，xC，xD}；
若yB≤min{yA，yC，yD}，则有yB′≤min{yA，yC，yD}；
若yB≥min{yA，yC，yD}，则有yB′＝min{yA，yC，yD}；
此时求出修正后的邻居标签B′坐标。
(5)由修正后邻居标签A,B′,C,D，结合加权质心算法求得修正的待定位标签坐标m″(xm″,ym″)。
(6)同理，若错选邻居标签为A,C,D，同理采用此方法来修正待定位标签的位置坐标。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种运动轨迹的摘要信息生成方法，其特征在于，该方法在服务器内完成，包括：
接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID；
根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性；
将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；
调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；
在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
2.如权利要求1所述的一种运动轨迹的摘要信息生成方法，其特征在于，该方法还包括：在轨迹树数据库中查询多个轨迹树的交叉节点或交叉轨迹并进行记录，生成待监控人员运动交叉轨迹的摘要信息。
3.如权利要求1所述的一种运动轨迹的摘要信息生成方法，其特征在于，在接收待监控人员的位置时序序列之后，生成待监控人员运动轨迹之前，对接收的待监控人员的位置时序序列去除冗余数据。
4.如权利要求1所述的一种运动轨迹的摘要信息生成方法，其特征在于，求取各个位置ID处的场所属性的过程为：
根据待监控人员的位置时序序列中时间值长短，确认各个位置ID处场所；
根据社会环境中各时间段各场所的特征信息，结合待监控人员的位置时序序列对场所属性进行模糊匹配；
对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所属性。
5.如权利要求1所述的一种运动轨迹的摘要信息生成方法，其特征在于，调取节点数据库内各个节点的时间信息及趋势方向之前，根据服务器内预存的场景数据库，筛除正常停顿的非场所节点。
6.一种运动轨迹的摘要信息生成系统，其特征在于，包括：
时序序列接收模块，其用于接收待监控人员的位置时序序列并生成待监控人员的运动轨迹，所述位置时序序列包括待监控人员ID、时间和位置ID；
场所属性计算模块，其用于根据位置时序序列中时间值与社会环境中各时间段各场所的特征信息，求取各个位置ID处的场所属性；
节点获取模块，其用于将待监控人员运动轨迹划分为至少一个子轨迹，设置每个子轨迹两端对应位置ID处的场所为节点，并将相应节点对应的时间信息及趋势方向存储至节点数据库内；
轨迹树生成模块，其用于调取节点数据库内各个节点的时间信息及趋势方向，生成轨迹树并存储至轨迹树数据库；
待监控人员运动轨迹摘要信息生成模块，其用于在轨迹树的各个节点之间添加逻辑连接词，生成待监控人员运动轨迹的摘要信息。
7.如权利要求6所述的一种运动轨迹的摘要信息生成系统，其特征在于，该系统还包括：待监控人员运动交叉轨迹摘要信息生成模块，其用于在轨迹树数据库中查询多个轨迹树的交叉节点或交叉轨迹并进行记录，生成待监控人员运动交叉轨迹的摘要信息；
或该系统还包括冗余数据去除模块，其用于对接收的待监控人员的位置时序序列去除冗余数据。
8.如权利要求6所述的一种运动轨迹的摘要信息生成系统，其特征在于，场所属性计算模块，包括：
场所确认模块，其用于根据待监控人员的位置时序序列中时间值长短，确认各个位置ID处场所；
场所属性模糊匹配模块，其用于根据社会环境中各时间段各场所的特征信息，结合待监控人员的位置时序序列对场所属性进行模糊匹配；
聚类模块，其用于对模糊匹配后的场所进行聚类计算，根据聚类结果最终得出场所属性。
9.如权利要求6所述的一种运动轨迹的摘要信息生成系统，其特征在于，该系统还包括非场所节点筛除模块，其用于根据服务器内预存的场景数据库，筛除正常停顿的非场所节点。
10.如权利要求6所述的一种运动轨迹的摘要信息生成系统，其特征在于，该系统还包括节点筛选模块，其用于预存的场景数据库，筛除正常停顿的非场所节点。
CN201610867980.4A 2016-09-30 2016-09-30 运动轨迹的摘要信息生成方法及系统 Active CN106383903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610867980.4A CN106383903B (zh) 2016-09-30 2016-09-30 运动轨迹的摘要信息生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610867980.4A CN106383903B (zh) 2016-09-30 2016-09-30 运动轨迹的摘要信息生成方法及系统

Publications (2)

Publication Number Publication Date
CN106383903A true CN106383903A (zh) 2017-02-08
CN106383903B CN106383903B (zh) 2018-06-12

Family

ID=57936337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610867980.4A Active CN106383903B (zh) 2016-09-30 2016-09-30 运动轨迹的摘要信息生成方法及系统

Country Status (1)

Country Link
CN (1) CN106383903B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967298A (zh) * 2017-11-03 2018-04-27 深圳辉锐天眼科技有限公司 基于视频分析的监控管理方法
CN108255947A (zh) * 2017-12-13 2018-07-06 太极计算机股份有限公司 刻画人员运动轨迹的方法、装置、移动终端和存储介质
CN109540147A (zh) * 2018-12-03 2019-03-29 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN111191940A (zh) * 2019-12-30 2020-05-22 广东东为信息技术有限公司 一种高危人员的筛查方法及其存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732062A (zh) * 2015-01-30 2015-06-24 上海语镜汽车信息技术有限公司 一种基于特征事件、运动行为、行驶轨迹、地理位置的路上用户社会化属性自动判断方法
CN105512727A (zh) * 2015-11-27 2016-04-20 浙江理工大学 一种基于Markov的个人路径预测方法
CN105893733A (zh) * 2015-01-26 2016-08-24 华为技术有限公司 一种基于移动轨迹的用户分类的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893733A (zh) * 2015-01-26 2016-08-24 华为技术有限公司 一种基于移动轨迹的用户分类的方法及装置
CN104732062A (zh) * 2015-01-30 2015-06-24 上海语镜汽车信息技术有限公司 一种基于特征事件、运动行为、行驶轨迹、地理位置的路上用户社会化属性自动判断方法
CN105512727A (zh) * 2015-11-27 2016-04-20 浙江理工大学 一种基于Markov的个人路径预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JOSH JIA-CHING YING等: ""Semantic Trajectory Mining for Location Prediction"", 《GIS"11 PROCEEDINGS OF THE 19TH ACM SIGSPATIAL INTERNATIONAL CONFERENCE ON ADVANCES IN GEOGRAPHIC INFORMATION SYSTEMS》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967298A (zh) * 2017-11-03 2018-04-27 深圳辉锐天眼科技有限公司 基于视频分析的监控管理方法
CN108255947A (zh) * 2017-12-13 2018-07-06 太极计算机股份有限公司 刻画人员运动轨迹的方法、装置、移动终端和存储介质
CN109540147A (zh) * 2018-12-03 2019-03-29 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN111191940A (zh) * 2019-12-30 2020-05-22 广东东为信息技术有限公司 一种高危人员的筛查方法及其存储介质

Also Published As

Publication number Publication date
CN106383903B (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
CN106383903A (zh) 运动轨迹的摘要信息生成方法及系统
Pelc Deterministic rendezvous in networks: A comprehensive survey
CN104065701B (zh) 基于无线感知网络的核电站设备监控系统
CN104937572B (zh) 用于业务和/或工作负荷处理的方法和装置
Durão et al. Internet of Things process selection: AHP selection method
CN107465656A (zh) 一种基于云计算的安防监控大数据处理方法及系统
CN103324715B (zh) 一种灾备系统可用性检测方法及装置
CN105635968B (zh) 一种基于时间单元的热点区域识别方法、预测方法及装置
CN102882951B (zh) 一种人员定位远程无线多级联网系统
CN103442433B (zh) 一种利用无线热点进行室内定位的方法和系统
CN104518927A (zh) 数据中心网络中错误连线的检测方法及装置
Pelc Deterministic rendezvous algorithms
CN101841930B (zh) 物联网环境下基于传感方向引导的节点协同工作方法
CN110336808A (zh) 一种面向电力工控网络的攻击溯源方法及系统
CN109697393A (zh) 人物跟踪方法、装置、电子装置及计算机可读介质
CN113038378A (zh) 一种电子围栏的实现方法、装置及系统
CN204716292U (zh) 基于物联网的前置式井下微震数据采集系统
Sutikno et al. Insights on the internet of things: past, present, and future directions
CN105488226A (zh) 数字博物馆观览系统
CN109218138A (zh) 网络节点监测方法及系统
Lv et al. A Real‐Time AIS Data Cleaning and Indicator Analysis Algorithm Based on Stream Computing
CN109165598A (zh) 一种野外核查验证方法及装置
Chen et al. FSLens: A Visual Analytics Approach to Evaluating and Optimizing the Spatial Layout of Fire Stations
US10638269B1 (en) Visualization of spatio-temporal location
Min et al. Tools and techniques for privacy-aware, edge-centric distributed deep learning

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