CN106709423B - 用于亲情互动管教的服刑人员运动轨迹筛选方法及系统 - Google Patents

用于亲情互动管教的服刑人员运动轨迹筛选方法及系统 Download PDF

Info

Publication number
CN106709423B
CN106709423B CN201611034208.0A CN201611034208A CN106709423B CN 106709423 B CN106709423 B CN 106709423B CN 201611034208 A CN201611034208 A CN 201611034208A CN 106709423 B CN106709423 B CN 106709423B
Authority
CN
China
Prior art keywords
sub
track
prisoner
tracks
screening
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
Application number
CN201611034208.0A
Other languages
English (en)
Other versions
CN106709423A (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 Hiultra Smart Technology Co ltd
Original Assignee
Shandong Hiultra Smart Technology Co ltd
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 Hiultra Smart Technology Co ltd filed Critical Shandong Hiultra Smart Technology Co ltd
Priority to CN201611034208.0A priority Critical patent/CN106709423B/zh
Publication of CN106709423A publication Critical patent/CN106709423A/zh
Application granted granted Critical
Publication of CN106709423B publication Critical patent/CN106709423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了用于亲情互动管教的服刑人员运动轨迹筛选方法及系统；包括如下步骤：步骤(1)：定位信息捕获：获取服刑人员的运动轨迹；将运动轨迹划分为若干个子轨迹，对子轨迹进行筛选，筛选出有效子轨迹，将有效子轨迹存储；步骤(2)：行为日志生成：将有效子轨迹与监狱内所有场所位置坐标进行匹配，并生成服刑人员的摘要行为日志；步骤(3)：亲情互动管教展示：利用摘要行为日志，制作虚拟现实视频，并对虚拟现实视频进行展示。本发明具有通过对有效运动轨迹的三层筛选，保证运动轨迹的精准有效的优点。

Description

用于亲情互动管教的服刑人员运动轨迹筛选方法及系统
技术领域
本发明涉及一种用于亲情互动管教的服刑人员运动轨迹筛选方法及系统。
背景技术
监狱内服刑人员由于罪后情绪压抑、环境局促，如果不能进行有效的管教、疏导，很容易使服刑人员产生消极的心理问题，给监狱安全管理带来巨大的隐患。但又限于服刑人员与监狱管理人员的天然隔阂以及服刑人员与其家属的强制性隔离，使得服刑人员家属很难了解到服刑人员狱内真实生活状况，从而无法有效的对服刑人员进行心理疏导与有效教育。
随着移动互联网时代的到来，智能化可穿戴设备也在全面普及，各监狱单位也相继推出基于可穿戴设备的智能监狱管理项目。但是目前的局部物联网下的可穿戴设备由于定位准确性差，运动轨迹筛选准确度低，无效运动轨迹成为运动轨迹分析的噪声数据，不能很好剔除，噪声数据势必影响后期的运动轨迹分析和运动轨迹利用，无法基于运动轨迹数据做到较好的轨迹分析，并通过虚拟现实技术生成形象的服刑人员狱内生活影像，这就使得对服刑人员的亲情管教十分困难。
发明内容
本发明的目的就是为了解决上述问题，提供一种用于亲情互动管教的服刑人员运动轨迹筛选方法及系统，它具有通过对有效运动轨迹的三层筛选，保证运动轨迹的精准有效的优点。
为了实现上述目的，本发明采用如下技术方案：
用于亲情互动管教的服刑人员运动轨迹筛选方法，包括如下步骤：
步骤(1)：定位信息捕获：获取服刑人员的运动轨迹；将运动轨迹划分为若干个子轨迹，对子轨迹进行筛选，筛选出有效子轨迹，将有效子轨迹存储；
步骤(2)：行为日志生成：将有效子轨迹与监狱内所有场所位置坐标进行匹配，并生成服刑人员的摘要行为日志；
步骤(3)：亲情互动管教展示：利用摘要行为日志，制作虚拟现实视频，并对虚拟现实视频进行展示。
所述步骤(1)的步骤为：
步骤(11)：接收服刑人员的位置时序序列，并生成服刑人员的运动轨迹；所述位置时序序列包括服刑人员ID、时间和位置坐标；
步骤(12)：根据服刑人员停滞时长将服刑人员的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坐标处的场所为节点，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(13)：调取节点数据库内各个节点的时间信息及趋势方向，对子轨迹进行筛选，筛选出有效子轨迹；将所有有效子轨迹整合成日轨迹，将日轨迹存储至轨迹数据库。
所述趋势方向是是节点当前位置运动方向与下一个位置运动方向的方向差。
所述日轨迹就是一天当中，某个服刑人员所有有效子轨迹数据的整合。
所述停滞时长是指在某个位置停留的时间段。例如：3分钟、5分钟或10分钟等等。
如果服刑人员在1号位置停留3分钟，在2号位置停留5分钟，在3号位置停留10分钟，那么该服刑人员的运动子轨迹就包括：第一子轨迹(从起始位置至1号位置之间的行动轨迹)、第二子轨迹(从1号位置到2号位置之间的行动轨迹)、第三子轨迹(从2号位置到3号位置之间的行动轨迹)和第四子轨迹(从3号位置到终点位置之间的行动轨迹)。
所述步骤(2)的步骤为：
步骤(21)：采集监狱内所有场所位置坐标信息，存放到场所数据库中；
步骤(22)：子轨迹各个节点通过自身位置坐标与场所数据库中的场所位置坐标进行匹配，并在子轨迹的各个节点之间添加逻辑连接词；生成服刑人员运动轨迹的摘要行为日志。
所述摘要行为日志，是指服刑人员一整天的活动轨迹的文字描述，例如：甲八点在1号楼停留5分钟，9点到达2号楼。
所述逻辑连接词就是将服刑人员的运动轨迹描述出来的自然语言。例如比如一条轨迹节点是8点(1号楼)，8点5分(1号楼南200米)，9点(2号楼)；添加逻辑词之后：A八点在1号楼停留5分钟，9点到达2号楼。
所述逻辑连接词，例如：从、出发、在、停留、到达等等。
所述步骤(3)的步骤为：
步骤(31)：采集构建虚拟现实场景所需要的原始数据，原始数据包括场景空间构成数据和服刑人员构成数据。
步骤(32)：依据原始数据制作服刑人员和场景三维模型，绘制场景贴图；所述绘制场景贴图是指利用图像处理软件将实景绘制成数字化模型；
步骤(33)：将服刑人员、场景三维模型、场景贴图导入引擎，以摘要行为日志作为模型，创建场景、人物、项目文件；
步骤(34)：导出虚拟现实视频；
步骤(35)：服刑人员亲属通过支持虚拟现实视频播放的头戴显示器或非头戴显示设备进行观看。
所述步骤(31)的场景空间构成数据包括：场景外观、场景面积；所述服刑人员构成数据包括服刑人员的外观。
所述步骤(32)利用3DsMax或Photoshop制作服刑人员、场景三维模型，绘制场景贴图。
所述步骤(33)的引擎包括：Unreal Engine或Unity3D。
所述步骤(33)项目文件包括场景和人物，将需要展示的服刑人员的数据导入场景。
所述对子轨迹进行筛选，筛选出有效子轨迹包括如下步骤：
步骤(131)：基于子轨迹长度对子轨迹进行初步筛选；
步骤(132)：基于子轨迹上点坐标值的方差对步骤(131)的初步筛选结果进行第二次筛选；
步骤(133)：基于轨迹方向信息对步骤(132)的第二次筛选结果进行第三次筛选。
所述步骤(131)的步骤为：
先统计每条子轨迹上坐标点的个数p，设定阈值T1。如果p≥T1，保留该子轨迹，并用q记录相应子轨迹。
所述步骤(132)的步骤为：
计算每条子轨迹上所有点横坐标的方差VX和每条子轨迹上所有点纵坐标的方差VY，并设定两个阈值T2和T3；如果VX>T2或者VY>T3，则认为该条轨迹是有效的；否则是无效的。
所述步骤(133)的步骤为：
图像序列的目标运动轨迹，由目标在不同时刻的质心点连接而成，轨迹上的点是等时间间隔采样得到的，每经过间隔时间Δt采样一次。
对于服刑人员o，设第i次采样时，服刑人员o质心位置的坐标为(xi，yi)，作n次采样后得到由n个坐标点组成的序列：
T0＝{(x1，y1)，…，(xi，yi)，…，(xn，yn)}；
由式(1)算出相邻帧同一个运动目标的运动方向角度θi：
Figure BDA0001154013490000041
以方向作为轨迹的特征，采用前后帧坐标点间的连线的角度作为轨迹的特征矢量进行矢量编码；
将x-y坐标平面，从x正半轴开始，按逆时针方向360°等间隔分为16等分，按照x-y坐标平面的16等分将前后帧坐标点间的连线的角度量化为16个等级，依次按运动方向角度编码为1、2、3、4、5、6、7、8、9、10、11、12、13、14、15和16；
通过编码获取子轨迹的方向链码，用方向链码来计算轨迹的变化；
将一条子轨迹表示成一个由运动方向角度编码组成的特征矢量的序列组合；
采用滑窗算法进一步去除受噪声干扰严重的子轨迹；
得到每条子轨迹的方向链码后，计算相邻两帧链码的变化值，设滑窗长度为L，阈值为T4。对于每条子轨迹，统计其相邻两帧链码变化值：
假设第i帧坐标点的链码值为e，第i+1帧坐标点的链码值为f，则链码变化值Δ定义为
Figure BDA0001154013490000042
采用滑窗算法，求得各窗中链码变化的平均值C。
对每一条子轨迹，如果某一段窗中的链码变化平均值C>T4，则认为该条子轨迹无效，去除该条子轨迹。
用于亲情互动管教的服刑人员运动轨迹筛选系统，包括：
定位信息捕获模块：获取服刑人员的运动轨迹；将运动轨迹划分为若干个子轨迹，对子轨迹进行筛选，筛选出有效子轨迹，将有效子轨迹存储；
行为日志生成模块：将有效子轨迹与监狱内所有场所位置坐标进行匹配，并生成服刑人员的摘要行为日志；
亲情互动管教展示模块：利用摘要行为日志，制作虚拟现实视频，并对虚拟现实视频进行展示。
本发明的有益效果：
通过本发明，可以客观真实的获取服刑人员在狱内的生活状况，并以生动形象得虚拟现实视频方式传达给服刑人员亲属，使服刑人员家属可以了解其在狱内的生活状况，并及时发现问题，进行有针对性的沟通与疏导，从而使监狱的亲情管教工作得以高效的进行，减轻了监狱工作人员的对服刑人员的管教工作的压力，同时通过服刑人员亲属的介入也极高的提升了对服刑人员改造管教的效率。为监狱服刑人员的管教工作带来极大的便利。
通过基于子轨迹长度对子轨迹进行初步筛选，可以将跟踪过程中的一部分受噪声干扰的轨迹以及没有跟踪完整的轨迹滤掉，减少进一步分析的计算量和误差。
经过基于子轨迹上点坐标值的方差对步骤(221)的初步筛选结果进行第二次筛选处理后，可进一步滤掉受噪声干扰及被遮挡目标的运动轨迹。
由于方向链码是以方向为基础的，而受噪声干扰的轨迹多表现为局部邻域内链码的快速变化。噪声小则表现为局部邻域内链码的缓慢变化。可以利用统计方向链码的变化来反映轨迹的局部邻域内受噪声干扰的程度。
通过采用滑窗算法可以进一步去掉一部分受噪声干扰严重的轨迹，最后获得有效的样本。
附图说明
图1(a)为夹角量化编码示意图；
图1(b)为方向矢量图；
图2(a)为轨迹a的示意图；
图2(b)为轨迹b的示意图；
图3为本发明的整体流程图；
图4为定位信息捕获流程图；
图5为行为日志自动生成流程图；
图6为亲情互动管教流程图；
图7为本发明的系统功能模块示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
虚拟现实技术是一种可以创建和体验虚拟世界的计算机系统技术。原理是利用计算机模拟产生一个沉浸式的三维空间虚拟世界，让使用者可以突破空间的限制如同身临其境一般，在医疗、教育、娱乐等方面都有着广泛的应用前景。
如图3所示，用于亲情互动管教的服刑人员运动轨迹筛选方法，包括以下步骤：
如图4所示，第一阶段：定位信息捕获
步骤1：
接收服刑人员的位置时序序列并生成服刑人员的运动轨迹，所述位置时序序列包括服刑人员ID、时间和位置坐标。
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：
[服刑人员ID，时间，位置坐标]；
步骤2：根据服刑人员停滞时长将服刑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坐标处的场所为节点，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3：调取节点数据库内各个节点的时间信息及趋势方向，生成日轨迹并存储至轨迹数据库。
如图5所示，第二阶段：行为日志自动生成系统
步骤1：采集监狱内所有场所位置坐标信息，存放到数据库中；
步骤2：对子轨迹各个节点通过坐标与场所数据库中的场所进行匹配，并在子轨迹的各个节点之间添加逻辑连接词，生成服刑人员运动轨迹的摘要行为日志。
本发明通过接收到的服刑人员的位置时序序列，生成服刑人员运动轨迹，将服刑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，构建出子轨迹；在子轨迹的各个节点之间添加逻辑连接词，生成服刑人员运动轨迹的日志信息。
如图6所示，第三阶段：亲情互动管教系统
步骤1：采集构建虚拟现实场景所需要的原始数据，该原始数据包括场景空间构成数据、服刑人员构成数据等。
步骤2：利用3DsMax、Photoshop等软件制作服刑人员、场景三维模型，绘制场景贴图；
步骤3：将模型文件、贴图文件导入Epic UnraeEngine、Unity3D等引擎软件，以行为日志作为模型，创建场景、人物、项目文件；
步骤4：导出虚拟现实视频；
步骤5：服刑人员亲属通过支持虚拟现实视频播放的头戴显示器或非头戴显示设备进行观看。
由于轨迹获取过程中可能伴随有遮挡、噪声等问题，获取的轨迹有的是不完整的，对进一步的轨迹识别与行为分析都有很大的影响，本发明提出一种基于轨迹长度与轨迹上点坐标值的方差对目标轨迹进行有效性判断以获得有效的轨迹的方法。通过本方法可简化后续工作，减少计算量，同时提高轨迹生成的准确率。
1、长度信息
本发明采用的方法是先统计每条轨迹上坐标点的个数p，设定一个阈值T1。如果p≥T1，保留该轨迹，并用q记录其相应轨迹的下标。通过此处理，可以将跟踪过程中的一部分受噪声干扰的轨迹以及没有跟踪完整的轨迹滤掉，减少进一步分析的计算量和误差。
2、方差信息
在轨迹长度有效的基础上，计算每条轨迹上所有点横坐标的方差VX与纵坐标的方差VY，并设定两个阈值T2、T3.如果VX>T2，或者VY>T3，则认为该条轨迹是有效的；否则是无效的。经过这个步骤处理后，可进一步滤掉受噪声干扰及被遮挡目标的运动轨迹。
3、轨迹方向信息
轨迹方向信息是在上述两个步骤处理的基础上，根据目标的轨迹计算出其在各个时刻的运动方向。
图像序列的目标运动轨迹，通常由目标在不同时刻的质心点连接而成，轨迹上的点是等时间间隔采样得到的，即间隔Δt采样一次。对于目标o，设第i次采样时其质心位置的坐标为(xi，yi)，作n次采样后可以得到一个由n个坐标点组成的序列：T0＝{(x1，y1)，…，(xi，yi)，…，(xn，yn)}。由式(1)可以算出相邻帧同一个运动目标的运动方向角度θi。
Figure BDA0001154013490000071
本方法以方向作为轨迹的特征。因此确定了有效轨迹之后，采用前后帧坐标点间的连线的角度作为轨迹的特征矢量进行矢量编码。将x-y坐标平面360°按逆时针方向等间隔分为16等分，并依次编码为1,2,3，…，15,16，可以得到夹角量化编码示意图如图1(a)所示及方向矢量图如图1(b)所示。
根据轨迹的复杂程度将轨迹夹角量化为16个等级。这样可以很容易的获取轨迹的方向链码，用它来计算轨迹的局部变化更为直接和有效。因为轨迹被定义为一个具有时空上下文的模式，所以在本方法中，可将一条轨迹表示成一个由运动方向角度编码后组成的特征矢量的序列组合。这样一条轨迹可以表示为这些码字组成的一个序列。
例如，图2(a)中，轨迹a被编译为3,1,1,15,16,16,1,1,2,1,1,2,2,2,1；而图2(b)中，轨迹b被编码为1,1,1,1,2,2,1,1,16,1,2,2,2,1,1.由于方向链码是以方向为基础的，而受噪声干扰的轨迹多表现为局部邻域内链码的快速变化。噪声小则表现为局部邻域内链码的缓慢变化。可以利用统计方向链码的变化来反映轨迹的局部邻域内受噪声干扰的程度。
本方法采用滑窗的方法进一步去除受噪声干扰严重的轨迹。得到每条轨迹的方向链码后，计算相邻两帧链码的变化值，设滑窗长度为L，阈值为T4。对于每条轨迹，统计其相邻两帧链码变化值。
假设第i帧的链码值为e，第i+1帧的链码值为f，则链码变化值Δ定义为
Figure BDA0001154013490000081
将滑窗长度和链码变化值作为输入，采用滑窗的方法，求得各窗中链码变化的平均值C。对每一条轨迹，如果某一段窗中的链码变化平均值C>T4，则去除该条轨迹，即认为该轨迹无效。通过这种方式可以进一步去掉一部门受噪声干扰严重的轨迹，最后获得有效的样本。
如图7所示，用于亲情互动管教的服刑人员运动轨迹筛选系统，包括：
定位信息捕获模块：获取服刑人员的运动轨迹；将运动轨迹划分为若干个子轨迹，对子轨迹进行筛选，筛选出有效子轨迹，将有效子轨迹存储；
行为日志生成模块：将有效子轨迹与监狱内所有场所位置坐标进行匹配，并生成服刑人员的摘要行为日志；
亲情互动管教展示模块：利用摘要行为日志，制作虚拟现实视频，并对虚拟现实视频进行展示。
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 (8)

1.用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，包括如下步骤：
步骤(1)：定位信息捕获：获取服刑人员的运动轨迹；将运动轨迹划分为若干个子轨迹，对子轨迹进行筛选，筛选出有效子轨迹，将有效子轨迹存储；
步骤(2)：行为日志生成：将有效子轨迹与监狱内所有场所位置坐标进行匹配，并生成服刑人员的摘要行为日志；
步骤(3)：亲情互动管教展示：利用摘要行为日志，制作虚拟现实视频，并对虚拟现实视频进行展示；
所述步骤(1)的步骤为：
步骤(11)：接收服刑人员的位置时序序列，并生成服刑人员的运动轨迹；所述位置时序序列包括服刑人员ID、时间和位置坐标；
步骤(12)：根据服刑人员停滞时长将服刑人员的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坐标处的场所为节点，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(13)：调取节点数据库内各个节点的时间信息及趋势方向，对子轨迹进行筛选，筛选出有效子轨迹；将所有有效子轨迹整合成日轨迹，将日轨迹存储至轨迹数据库；
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；
所述趋势方向是节点当前位置运动方向与下一个位置运动方向的方向差；
所述日轨迹是一天当中，某个服刑人员所有有效子轨迹数据的整合；
所述停滞时长是指在某个位置停留的时间段；
所述步骤(2)的步骤为：
步骤(21)：采集监狱内所有场所位置坐标信息，存放到场所数据库中；
步骤(22)：子轨迹各个节点通过自身位置坐标与场所数据库中的场所位置坐标进行匹配，并在子轨迹的各个节点之间添加逻辑连接词；生成服刑人员运动轨迹的摘要行为日志；
所述摘要行为日志，是指服刑人员一整天的活动轨迹的文字描述。
2.如权利要求1所述的用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，
所述步骤(3)的步骤为：
步骤(31)：采集构建虚拟现实场景所需要的原始数据，原始数据包括场景空间构成数据和服刑人员构成数据；
步骤(32)：依据原始数据制作服刑人员和场景三维模型，绘制场景贴图；所述绘制场景贴图是指利用图像处理软件将实景绘制成数字化模型；
步骤(33)：将服刑人员、场景三维模型、场景贴图导入引擎，以摘要行为日志作为模型，创建场景、人物、项目文件；
步骤(34)：导出虚拟现实视频；
步骤(35)：服刑人员亲属通过支持虚拟现实视频播放的头戴显示器或非头戴显示设备进行观看。
3.如权利要求1所述的用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，
所述对子轨迹进行筛选，筛选出有效子轨迹包括如下步骤：
步骤(131)：基于子轨迹长度对子轨迹进行初步筛选；
步骤(132)：基于子轨迹上点坐标值的方差对步骤(131)的初步筛选结果进行第二次筛选；
步骤(133)：基于轨迹方向信息对步骤(132)的第二次筛选结果进行第三次筛选。
4.如权利要求3所述的用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，
所述步骤(131)的步骤为：
先统计每条子轨迹上坐标点的个数p，设定阈值T1；如果p≥T1，保留该子轨迹，并用q记录相应子轨迹。
5.如权利要求3所述的用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，
所述步骤(132)的步骤为：
计算每条子轨迹上所有点横坐标的方差VX和每条子轨迹上所有点纵坐标的方差VY，并设定两个阈值T2和T3；如果VX＞T2或者VY＞T3，则认为该条轨迹是有效的；否则是无效的。
6.如权利要求3所述的用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，
所述步骤(133)的步骤为：
图像序列的目标运动轨迹，由目标在不同时刻的质心点连接而成，轨迹上的点是等时间间隔采样得到的，每经过间隔时间Δt采样一次；
对于服刑人员o，设第i次采样时，服刑人员o质心位置的坐标为(xi，yi)，作n次采样后得到由n个坐标点组成的序列：
T0＝{(x1，y1)，...，(xi，yi)，...，(xn，yn)}；
由式(1)算出相邻帧同一个运动目标的运动方向角度θi：
Figure FDA0002328218760000031
以方向作为轨迹的特征，采用前后帧坐标点间的连线的角度作为轨迹的特征矢量进行矢量编码；
将x-y坐标平面，从x正半轴开始，按逆时针方向360°等间隔分为16等分，按照x-y坐标平面的16等分将前后帧坐标点间的连线的角度量化为16个等级，依次按运动方向角度编码为1、2、3、4、5、6、7、8、9、10、11、12、13、14、15和16；
通过编码获取子轨迹的方向链码，用方向链码来计算轨迹的变化；
将一条子轨迹表示成一个由运动方向角度编码组成的特征矢量的序列组合；
采用滑窗算法进一步去除受噪声干扰严重的子轨迹；
得到每条子轨迹的方向链码后，计算相邻两帧链码的变化值，设滑窗长度为L，阈值为T4；对于每条子轨迹，统计其相邻两帧链码变化值：
假设第i帧坐标点的链码值为e，第i+1帧坐标点的链码值为f，则链码变化值Δ定义为
Figure FDA0002328218760000032
采用滑窗算法，求得各窗中链码变化的平均值C；
对每一条子轨迹，如果某一段窗中的链码变化平均值C＞T4，则认为该条子轨迹无效，去除该条子轨迹。
7.如权利要求3所述的用于亲情互动管教的服刑人员运动轨迹筛选方法，其特征是，
所述步骤(31)的场景空间构成数据包括：场景外观、场景面积；所述服刑人员构成数据包括服刑人员的外观；
所述步骤(32)利用3DsMax或Photoshop制作服刑人员、场景三维模型，绘制场景贴图；
所述步骤(33)的引擎包括：Unreal Engine或Unity3D；
所述步骤(33)项目文件包括场景和人物，将需要展示的服刑人员的数据导入场景。
8.用于亲情互动管教的服刑人员运动轨迹筛选系统，其特征是，包括：
定位信息捕获模块：获取服刑人员的运动轨迹；将运动轨迹划分为若干个子轨迹，对子轨迹进行筛选，筛选出有效子轨迹，将有效子轨迹存储；
行为日志生成模块：将有效子轨迹与监狱内所有场所位置坐标进行匹配，并生成服刑人员的摘要行为日志；
亲情互动管教展示模块：利用摘要行为日志，制作虚拟现实视频，并对虚拟现实视频进行展示；
所述定位信息捕获模块：
接收服刑人员的位置时序序列，并生成服刑人员的运动轨迹；所述位置时序序列包括服刑人员ID、时间和位置坐标；
根据服刑人员停滞时长将服刑人员的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坐标处的场所为节点，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，对子轨迹进行筛选，筛选出有效子轨迹；将所有有效子轨迹整合成日轨迹，将日轨迹存储至轨迹数据库；
所述行为日志生成模块：
采集监狱内所有场所位置坐标信息，存放到场所数据库中；
子轨迹各个节点通过自身位置坐标与场所数据库中的场所位置坐标进行匹配，并在子轨迹的各个节点之间添加逻辑连接词；生成服刑人员运动轨迹的摘要行为日志；
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；
所述趋势方向是节点当前位置运动方向与下一个位置运动方向的方向差；
所述日轨迹是一天当中，某个服刑人员所有有效子轨迹数据的整合；
所述停滞时长是指在某个位置停留的时间段；
所述摘要行为日志，是指服刑人员一整天的活动轨迹的文字描述。
CN201611034208.0A 2016-11-16 2016-11-16 用于亲情互动管教的服刑人员运动轨迹筛选方法及系统 Active CN106709423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611034208.0A CN106709423B (zh) 2016-11-16 2016-11-16 用于亲情互动管教的服刑人员运动轨迹筛选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611034208.0A CN106709423B (zh) 2016-11-16 2016-11-16 用于亲情互动管教的服刑人员运动轨迹筛选方法及系统

Publications (2)

Publication Number Publication Date
CN106709423A CN106709423A (zh) 2017-05-24
CN106709423B true CN106709423B (zh) 2020-05-26

Family

ID=58940128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611034208.0A Active CN106709423B (zh) 2016-11-16 2016-11-16 用于亲情互动管教的服刑人员运动轨迹筛选方法及系统

Country Status (1)

Country Link
CN (1) CN106709423B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107909879B (zh) * 2017-12-28 2021-01-15 杨勇 一种武警两看勤务虚拟仿真系统
CN108983966B (zh) * 2018-06-13 2021-07-02 济南博图信息技术有限公司 基于虚拟现实和眼动技术的罪犯改造评估系统和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202150126U (zh) * 2011-07-20 2012-02-22 蒋应发 用于实时监控服刑人员的rfid定位系统
CN104318398A (zh) * 2014-11-06 2015-01-28 四川智羽软件有限公司 一种监狱人员定位可视化管理系统
CN105913364A (zh) * 2016-04-11 2016-08-31 刘强 基于虚拟现实技术的监狱出监教育模拟方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202150126U (zh) * 2011-07-20 2012-02-22 蒋应发 用于实时监控服刑人员的rfid定位系统
CN104318398A (zh) * 2014-11-06 2015-01-28 四川智羽软件有限公司 一种监狱人员定位可视化管理系统
CN105913364A (zh) * 2016-04-11 2016-08-31 刘强 基于虚拟现实技术的监狱出监教育模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"复杂情境中的日常活动可视化与应用研究";张艳等;《人文地理》;20161015(第5期);第39-46页 *
"真实场景运动目标轨迹有效性判断与自动聚类算法研究";潘奇明等;《计算机应用研究》;20070430;第24卷(第4期);参见引言和第1节 *

Also Published As

Publication number Publication date
CN106709423A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN109785258B (zh) 一种基于多判别器生成对抗网络的人脸图像修复方法
Zhou et al. Activity analysis, summarization, and visualization for indoor human activity monitoring
US20220351390A1 (en) Method for generating motion capture data, electronic device and storage medium
Chen et al. End-to-end learning of object motion estimation from retinal events for event-based object tracking
CN107729363B (zh) 基于GoogLeNet网络模型鸟类种群识别分析方法
CN108960090A (zh) 视频图像处理方法及装置、计算机可读介质和电子设备
CN111885414A (zh) 一种数据处理方法、装置、设备及可读存储介质
CN113572981B (zh) 视频配乐方法及装置、电子设备、存储介质
CN104484814B (zh) 一种基于视频地图的广告方法及系统
CN114936979B (zh) 一种模型训练方法、图像去噪方法、装置、设备及存储介质
CN113393544B (zh) 一种图像处理方法、装置、设备及介质
CN111353399A (zh) 篡改视频检测方法
CN106709423B (zh) 用于亲情互动管教的服刑人员运动轨迹筛选方法及系统
CN113808047A (zh) 一种人体运动捕捉数据去噪方法
Liu et al. Digital twins by physical education teaching practice in visual sensing training system
US20240144490A1 (en) Joint count and flow analysis for video crowd scenes
Zhou et al. Image analysis system of intelligent smart home based on VR
CN117152815A (zh) 一种学生活动伴随式数据分析方法、装置及设备
CN112183430A (zh) 一种基于双神经网络的手语识别方法及装置
Wang Data feature extraction method of wearable sensor based on convolutional neural network
CN106228111A (zh) 一种基于骨骼序列提取关键帧的方法
CN117011741A (zh) 视频检测模型的训练方法、装置、设备及存储介质
CN111898576B (zh) 一种基于人体骨架时空关系的行为识别方法
Sun et al. Chinese sign language key action recognition based on extenics immune neural network
Li [Retracted] Task Image Setting of 3D Animation Based on Virtual Reality and Artificial Intelligence

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant