CN110348143B - 一种轨迹合并方法、装置及存储介质 - Google Patents
一种轨迹合并方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110348143B CN110348143B CN201910639622.1A CN201910639622A CN110348143B CN 110348143 B CN110348143 B CN 110348143B CN 201910639622 A CN201910639622 A CN 201910639622A CN 110348143 B CN110348143 B CN 110348143B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- point
- points
- pedestrians
- time period
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例的目的在于提供一种轨迹合并方法、装置及存储介质,应用于服务器,该方法包括:获取目标区域的目标时间段内的行人点分布图,该行人点分布图包括目标区域内多个行人中每个行人在目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取;按照预设的区分粒度将行人点分布图划分为多个网格;根据多个网格中每个网格的至少一个行人点的位置,计算每个网格的聚类点;获取每个行人对应的多个行人点在行人点分布图中的具有映射关系的聚类点;根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线,得到轨迹合并图。
Description
技术领域
本申请涉及行人轨迹处理技术领域,具体而言,涉及一种轨迹合并方法、装置及存储介质。
背景技术
目前的轨迹合并的技术方案存在于浮动车提取路网的场景中,它利用轨迹数据计算拐弯点,通过聚类算法对拐弯点聚类求出路口的位置,再计算经过两个路口的轨迹,对轨迹进行合并。现有方案一个区域只存在一个聚类数据,存在着在行人点分布杂乱时无法通过聚类进一步提取需要的信息的问题。
发明内容
本申请实施例的目的在于提供一种轨迹合并方法、装置及存储介质,用于解决现有技术存在的在行人点分布杂乱时无法通过聚类进一步提取需要的信息的问题。
为了实现上述目的,本申请提供了以下技术方案如下:
第一方面:本申请提供了一种轨迹合并方法、装置及存储介质,应用于服务器,所述方法包括:获取目标区域的目标时间段内的行人点分布图,所述行人点分布图包括所述目标区域内多个行人中每个行人在所述目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取;按照预设的区分粒度将所述行人点分布图划分为多个网格;根据所述多个网格中每个网格的至少一个行人点的位置,计算所述每个网格的聚类点;获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点;根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线,得到轨迹合并图。
上述方案设计的方法,对行人点分布图划分网格方法使得行人对应的行人点都落入网格中,进而对网格进行聚类分析,使得在行人点分布杂乱时也能够通过聚类提取需要的信息,进而解决现有技术存在的问题,进而能够呈现该区域下更加精确的行人移动的轨迹的方向和流量,使得门店人员根据区域行人流量作出的转化决策更加合理。
在第一方面的可选实施方式中,所述获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点,包括:计算每个行人对应的多个行人点中的每个行人点与所述每个网格的聚类点的距离;获得每个行人点对应的距离最近的聚类点,建立每个行人点与每个行人点对应的距离最近的聚类点的映射关系。
在第一方面的可选实施方式中,在所述根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,所述方法还包括:获取每条聚类点连线形成的轨迹的行人人数;在显示界面中所述轨迹的位置展示所述行人人数。
上述方案设计的方法,将每条轨迹的行人人数展示在轨迹所在位置,使得后续呈现的轨迹合并图更加完善,一目了然。
在第一方面的可选实施方式中,在所述根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,所述方法还包括:获取每条聚类点连线形成的轨迹的行人人数;判断所述轨迹的行人人数是否小于预设行人数量;若是,则删除小于预设行人数量的轨迹。
上述方案设计的方法,人数较少的轨迹不呈现在轨迹合并图中,使得轨迹合并图更加清晰。
在第一方面的可选实施方式中,在所述获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点之后,所述方法还包括:对映射为同一聚类点的属于同一行人的行人点进行去重处理。
上述方案设计的方法,行人点映射为聚类点后的数据含有重复的信息,通过去重处理删除重复的信息。
在第一方面的可选实施方式中,在所述获取目标区域的目标时间段内的行人点分布图之前,所述方法还包括:接收客户端发送的轨迹合并图查询请求,所述查询请求包括查询时间段和目标区域;判断所述目标区域在查询时间段的行人数量是否超过预设阈值;若是,选择行人数量未超过预设阈值的时间段作为所述目标时间段。在所述得到轨迹合并图之后,所述方法还包括:将所述轨迹合并图发送给所述客户端。
第二方面:本申请提供一种轨迹合并装置,应用于服务器,所述装置包括获取模块,用于获取目标区域的目标时间段内的行人点分布图,所述行人点分布图包括所述目标区域内多个行人中每个行人在所述目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取;划分模块,用于按照预设的区分粒度将所述行人点分布图划分为多个网格;计算模块,用于根据所述多个网格中每个网格的至少一个行人点的位置,计算所述每个网格的聚类点;所述获取模块,还用于获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点;连线模块,用于根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线;所述获取模块,还用于在所述连线模块根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,得到轨迹合并图。
上述方案设计的装置,对行人点分布图划分网格方法使得行人对应的行人点都落入网格中,进而对网格进行聚类分析,使得在行人点分布杂乱时也能够通过聚类提取需要的信息,进而解决现有技术存在的问题,进而能够呈现该区域下更加精确的行人移动的轨迹的方向和流量,使得门店人员根据区域行人流量作出的转化决策更加合理。
在第二方面的可选实施方式中,所述获取模块,还用于在所述连线模块根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,获取每条聚类点连线形成的轨迹的行人人数;展示模块,用于在显示界面中所述轨迹的位置展示所述行人人数。
在第二方面的可选实施方式中,所述获取模块,还用于在所述连线模块根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,获取每条聚类点连线形成的轨迹的行人人数;判断模块,用于判断所述轨迹的行人人数是否小于预设行人数量;删除模块,用于在所述判断模块判断所述轨迹的行人人数小于预设的行人数量之后,删除小于预设行人数量的轨迹。
在第二方面的可选实施方式中,所述装置还包括去重模块,用于在所述获取模块获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点之后,对映射为同一聚类点的属于同一行人的行人点进行去重处理。
在第二方面的可选实施方式中,所述装置还包括接收模块,用于在所述获取模块获取目标区域的目标时间段内的行人点分布图之前,接收客户端发送的轨迹合并图查询请求,所述查询请求包括查询时间段和目标区域;所述判断模块,用于判断所述目标区域在查询时间段的行人数量是否超过预设阈值;选择模块,在所述判断模块判断所述目标区域在查询时间段的行人数量超过预设阈值之后,选择行人数量未超过预设阈值的时间段作为所述目标时间段;发送模块,用于在所述获取模块得到轨迹合并图之后,将所述轨迹合并图发送给所述客户端。
第三方面:本申请还提供一种电子设备,包括:处理器、与处理器连接的存储器,存储器存储有处理器可执行的机器可读存储介质,当所述计算设备运行时,处理器执行该机器可读存储介质,以执行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第四方面:本申请提供一种非暂态计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一方面、第一方面的任一可选的实现方式中的所述方法。
第五方面:本申请提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一方面、第一方面的任一可选的实现方式中的所述方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请第一实施例提供的轨迹合并方法第一流程示意图;
图2为本申请第一实施例提供的轨迹合并方法第二流程示意图;
图3为本申请第一实施例提供的轨迹合并方法第三流程示意图;
图4为本申请第一实施例提供的轨迹合并方法第四流程示意图;
图5为本申请第一实施例提供的轨迹合并方法第五流程示意图;
图6为本申请第一实施例提供的轨迹合并方法第六流程示意图;
图7为本申请第一实施例提供的轨迹合并方法第七流程示意图;
图8为本申请第二实施例提供的轨迹合并装置结构示意图;
图9为本申请第三实施例提供的电子设备结构示意图。
具体实施方式
为了便于本领域技术人员理解,下面对本申请实施例中的词语进行解释和说明。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请的技术方案本质上或者说对现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)执行本申请各个实施例所述方法的全部或部分步骤。
在介绍本申请实施例前,先介绍一下轨迹合并的应用场景:行人轨迹数据是处理器对门店摄像头跟踪拍摄的顾客行走的图片数据进行处理的结果。对识别之后的行人数据进行分析较为重要。在商业智能应用场景之下,通过对行人合并的轨迹进行分析,可以获取该区域下行人移动轨迹的方向和流量大小,进而作出对该区域的门店行人流量和货物关系转化的决策。
第一实施例
如图1所示,本申请提供一种轨迹合并方法,应用于服务器,该方法包括:
步骤S100:获取目标区域的目标时间段内的行人点分布图,该行人点分布图包括目标区域内多个行人中每个行人在目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取。
步骤S102:按照预设的区分粒度将该行人点分布图划分为多个网格。
步骤S104:根据多个网格中每个网格的至少一个行人点的位置,计算每个网格的聚类点。
步骤S106:获取每个行人对应的多个行人点在该行人点分布图中的具有映射关系的聚类点。
步骤S108:根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线。
步骤S110:得到轨迹合并图。
在S100中,目标区域为某一个或某几个摄像头所能拍摄到的区域,例如可以表示为某个商店的摄像头拍摄的区域或者某个商场的多个摄像头拍摄的区域,目标时间段可表示为当前时间以前的任意时间段,例如昨天的0点到24点,在获取行人点分布图之前,根据前述的举例,该商场或者商店已经通过摄像设备拍摄了视频并且该视频信息已经存储在了数据库中,获取行人点分布图可以是从数据库中去查询对应区域和时间段的视频信息,从该视频信息中获取目标时间段多个行人中每个行人在目标时间段内的多个行人点。其中获取每个行人的多个行人点可按照预设的时间间隔来获取,例如,间隔一分钟获取一次。其中,行人点分布图可看作为一个坐标系,一个行人A对应的行人点在行人点分布图中的表示可为[a1(x1,y1),a2(x2,y2)],a1和a2表示为该行人点在行人点分布图中的位置,a1和a2之间具有时间先后顺序,例如,如果按照一分钟间隔获取,a1表示在7点获取的该行人的行人点,a2表示为在7点1分获取的该行人的行人点。这样,获取的目标区域内多个行人中每个行人在目标时间段内的多个行人点都可以分布在行人点分布图中。这里需要说明的是,在实际应用中获取目标区域的目标时间段内的行人点分布图的方式,可根据目标区域和目标时间段构造查询语句,根据查询语句在数据库中进行查找,即可获得目标区域的目标时间段内的行人点分布图。
在S102中,承接前述所说,如果将行人点分布图看作一个坐标系,可按照预设的区分粒度将这个坐标系划分为很多个网格,例如,100x100规格的网格。在前述S100以及S102陈述的基础上,S104可理解为:划分的多个网格中的每个网格都可能会包含行人点,根据每个网格中的行人点计算每个网格的聚类点。
计算每个网格的聚类点的具体过程如下:在前述所说行人点描述为坐标的基础上,例如,一个网格1中包含了行人A、B、C,分别对应的行人点为a1(x1,y1)、b1(x3,y3)、c1(x5,y5),那么通过求这些行人坐标点的平均值可得到这个网格1的平均值坐标,该平均值坐标可记做聚类点坐标,例如,求出的网格1中的聚类点坐标为d1(x4,y4)。这里需要说明的是,在实际应用中可构造获取聚类点的查询语句在数据库中查询,即可获得每个网格的聚类点。
S106获取每个行人对应的多个行人点在该行人点分布图中的具有映射关系的聚类点,承接前述的举例可理解为:将网格1中行人A对应的行人点a1(x1,y1)映射为网格的聚类点,映射的聚类点可以为网格1的聚类点d1也可以为其他网格的聚类点。
S108根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线,承接前述的距离可以这样来理解:假设A对应的行人点a1映射的聚类点为d1,此时A对应的行人点a2在网格2中,映射的聚类点为d2,前述已经描述a1和a2之间具有时间先后顺序,a1的时间在a2之前,那么映射之后d1和d2按照a1和a2的时间顺序进行连线,也就是说行人A这段时间的轨迹也就是d1与d2的连线,并且行人A是从d1到d2。基于此例,可以获得行人B、行人C以及在这个目标时间段内所有行人的行人轨迹,进而将这些轨迹全部展现出来,形成轨迹合并图。
上述方案设计的方法,划分网格使得行人对应的行人点都落入网格中,进而对网格进行聚类分析,使得在行人点分布杂乱时也能够通过聚类提取需要的信息,进而解决现有技术存在的问题,进而能够呈现该区域下更加精确的行人移动的轨迹的方向和流量,使得门店人员根据区域行人流量作出的转化决策更加合理。
在第一实施例的可选实施方式中,如图2所示,S106中获取每个行人对应的多个行人点在行人点分布图中的具有映射关系的聚类点可具体为以下步骤:
S1060:计算每个行人对应的多个行人点中的每个行人点与每个网格的聚类点的距离。
S1062:获得每个行人点对应的距离最近的聚类点,建立每个行人点与每个行人点对应的距离最近的聚类点的映射关系。
其中,S1060表示为计算每个行人对应的每个行人点与每个网格的聚类点的距离,其方式可通过欧式距离算法来进行计算。承接前述实施方式的举例,这里可以这样来理解:前述所说,行人A包含了多个行人点a1、a2和a3,行人点a1在网格1中,网格1的聚类点为d1,行人点a2在网格2中,网格2的聚类点为d2,行人点a3在网格3中,网格3的聚类点为d3,计算a1与d1、d2、d3的距离、计算a2与d1、d2、d3的距离、计算a3与d1、d2、d3的距离。S1062在此基础上可这样理解假设a1与d1的距离最近,那么则将a1映射为d1;假设a2与d3最近,那么则将a2映射为d3;假设a3与d2最近,那么则将a3映射为d2。
在第一实施例的可选实施方式中,在S106获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点之后,如图3所示,该方法还包括:
S107:对映射为同一聚类点的属于同一行人的行人点进行去重处理。
对于S107可以这样理解:在将所有的行人点映射为聚类点之后,需要将映射为同一聚类点的属于同一行人的行人点进行去重、例如,在前述S1060和S1062举例的基础上,在计算距离之后,呈现行人A的a1与d1距离最近,那么将a1映射为d1;此时a2也与d1距离最近,那么将a2也映射为d1,此时,同一个行人A的两个行人点都映射为了同一个聚类点,出现这种情况,可能是由于行人A在a1到a2这个时间段内都没有进行移动或者只进行了小范围的移动,那么则需要将a1和a2进行去重处理。再例如,在计算距离之后,呈现行人A的a1与d1距离最近,那么将a1映射为d1;a2也与d2距离最近,那么将a2映射为d2;此时a3与d1的距离最近,那么将a3映射为d1,此时,同一个行人A的两个行人点a1和a3都映射为了同一个聚类点d1,a1、a2、a3是具有时间顺序的。如果网格的区分粒度比较小,说明行人A可能是在网格1和网格2之间来回踱步,如果网格的区分粒度比较大,说明行人A可能是在网格1和网格2之间来回,本技术方案主要想获得的是很多个行人的流向和流量来分析门店行人流量和货物关系转化,所以可以从宏观的角度来获得很多个行人的轨迹合并图,单个行人的异常可以忽略。所以在前述的基础上,a1和a3映射为了同一个聚类点d1,那么可以将任意一个重复的行人点删除。其中去重的规则可根据需求自行设置,可将时间点靠后的a3去除,也可以将时间点靠前的a1去除。
在第一实施例的可选实施方式中,在S108根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,如图4所示,该方法还包括:
步骤S1090:获取每条聚类点连线形成的轨迹的行人人数。
步骤S1092:在显示界面中轨迹的位置展示行人人数。
其中,步骤S1090中获取每条聚类点连线形成的轨迹的行人人数的方式可通过对映射后的行人点进行图计算处理来获得每条聚类点连线形成的轨迹的行人人数,并且可在对应轨迹的位置进行标注,以使后续S110生成的轨迹合成图中显示出每条轨迹对应的行人人数。
在第一实施例的可选实施方式中,在S108根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,如图5所示,该方法还包括:
步骤S1094:获取每条聚类点连线形成的轨迹的行人人数。
步骤S1096:判断轨迹的行人人数是否小于预设行人数量,若是,则转到S1098。
步骤S1098:删除小于预设行人数量的轨迹。
其中,S1094与前述的S1090的方式一致,S1096中的判断轨迹的行人人数是否小于预设行人数量是指判断每一条轨迹的行人人数是否小于预设行人数量,例如预设的行人数量设置在30人,那么基于此,S1098执行的步骤为小于30人的轨迹则进行删除。
步骤S1096~1098执行的目的在于,使得最终显示的轨迹合并图的轨迹内容不杂乱,一些人数较少的轨迹可能过多,然而人数少的轨迹对于分析该区域下行人移动轨迹的方向和流量大小的作用不大,所以使其不用呈现在轨迹合并图中,使得轨迹合并图更加清晰。
另外,若上述步骤S1096中判断轨迹的行人人数不小于预设行人数量,此时则执行步骤S1097:保留不小于预设行人数量的轨迹,在保留不小于预设行人数量的轨迹之后,则得到轨迹合并图,并对保留的痕迹进行显示。
在S100获取目标区域的目标时间段内的行人点分布图之前,如图6所示,该方法还包括:
步骤S94:接收客户端发送的轨迹合并图查询请求,该查询请求包括目标时间段和目标区域。
以及,在S110得到轨迹合并图之后,该方法还包括:
步骤S112:将轨迹合并图发送给客户端。
本技术方案中服务器可与客户端进行交互,步骤S94可理解为客户端通过用户操作向服务器发送轨迹合并图查询请求,该查询请求里包含了用户想要获得轨迹合并图的目标时间段和目标区域;服务器接收查询请求之后,即可执行步骤S100~S110,最终获得轨迹合并图,并将其发送给客户端。
作为一种可选的实施方式,在S100获取目标区域的目标时间段内的行人点分布图之前,如图7所示,该方法还包括:
步骤S95:接收客户端发送的轨迹合并图查询请求,该查询请求包括查询的时间段和目标区域。
步骤S96:判断目标区域的查询时间段的行人数量是否超过预设阈值,若是,则转到步骤S98。
步骤S98:选择行人数量未超过预设阈值的时间段作为目标时间段。
以及,在S110得到轨迹合并图之后,该方法还包括:
步骤S112:将轨迹合并图发送给客户端。
在服务器接收查询请求之后,首先通过查询请求中的查询区域和查询时间段在数据库中查找对应的行人数据,在查找到查询区域和查询时间段对应的行人数据之后,会判断该查询到的行人数据对应的行人数量是否超过预设的阈值,假设,之前设置的阈值为一万个行人,那么如果查询时间段,例如昨天的0点到24点查找到的行人数量不止一万个,比一万个多(例如两万个),那么则需要选择一万个塑料的时间段作为目标时间段,其中,可以从0点开始,在找到一万个行人的时间截止(例如19点),那么从0点到截止的时间(19点)即为S100中的目标时间段。另外,还可以从24点开始,倒着查询,在查询到一万个行人的时间截止(例如18点),那么昨天的18点到24点即为S100中的目标时间段。
第二实施例
图8出示了本申请提供的轨迹合并装置的示意性结构框图,应理解,该装置与上述图1至图7方法实施例对应,能够执行上述方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operatingsystem,OS)中的软件功能模块。具体地,该装置包括:
获取模块201,用于获取目标区域的目标时间段内的行人点分布图,该行人点分布图包括目标区域内多个行人中每个行人在目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取。
划分模块202,用于按照预设的区分粒度将行人点分布图划分为多个网格。
计算模块203,用于根据多个网格中每个网格的至少一个行人点的位置,计算每个网格的聚类点。
获取模块201,还用于获取每个行人对应的多个行人点在行人点分布图中的具有映射关系的聚类点。
连线模块204,用于根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线。
获取模块201,还用于在连线模块204根据每个行人对应的多个行人点在行人点分布图中的具有映射关系的聚类点的时间顺序将聚类点进行连线之后,得到轨迹合并图。
上述方案设计的装置,对行人点分布图划分网格方法使得行人对应的行人点都落入网格中,进而对网格进行聚类分析,使得在行人点分布杂乱时也能够通过聚类提取需要的信息,进而解决现有技术存在的问题,进而能够呈现该区域下更加精确的行人移动的轨迹的方向和流量,使得门店人员根据区域行人流量作出的转化决策更加合理。
在第二实施例的可选实施方式中,获取模块201,还用于在连线模块204根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,获取每条聚类点连线形成的轨迹的行人人数。展示模块205,用于在显示界面中轨迹的位置展示行人人数。
在第二实施例的可选实施方式中,获取模块201,还用于在连线模块204根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,获取每条聚类点连线形成的轨迹的行人人数;判断模块206,用于判断轨迹的行人人数是否小于预设行人数量;删除模块207,用于在判断模块206判断轨迹的行人人数小于预设的行人数量之后,删除小于预设行人数量的轨迹。
在第二实施例的可选实施方式中,该装置还包括去重模块208,用于在获取模块201获取每个行人对应的多个行人点在行人点分布图中的具有映射关系的聚类点之后,对映射为同一聚类点的属于同一行人的行人点进行去重处理。
在第二实施例的可选实施方式中,该装置还包括接收模块209,用于在获取模块201获取目标区域的目标时间段内的行人点分布图之前,接收客户端发送的轨迹合并图查询请求,该查询请求包括查询时间段和目标区域;判断模块206,用于判断目标区域在查询时间段的行人数量是否超过预设阈值;选择模块210,在判断模块206判断目标区域在查询时间段的行人数量超过预设阈值之后,选择行人数量未超过预设阈值的时间段作为目标时间段;发送模块211,用于在获取模块201得到轨迹合并图之后,将轨迹合并图发送给客户端。
第三实施例
如图9所示,本申请提供一种电子设备,包括:处理器301、与处理器连接的存储器302,存储器302存储有处理器301可执行的存储介质303,当所述计算设备运行时,处理器301执行该存储介质303,以执行时执行第一实施例、第一实施例的任一可选的实现方式中的方法。
本申请提供一种存储介质303,该存储介质303上存储有计算机程序,该计算机程序被处理器运行时执行第一实施例、第一实施例的任一可选的实现方式中的方法。
其中,存储介质303可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本申请提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一实施例、第一实施例的任一可选的实现方式中的所述方法置。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种轨迹合并方法,其特征在于,应用于服务器,所述方法包括:
获取目标区域的目标时间段内的行人点分布图,所述行人点分布图包括所述目标区域内多个行人中每个行人在所述目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取;
按照预设的区分粒度将所述行人点分布图划分为多个网格;
根据所述多个网格中每个网格的至少一个行人点的位置,计算所述每个网格的聚类点;
获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点;
根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线,得到轨迹合并图;
所述获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点,包括:
计算每个行人对应的多个行人点中的每个行人点与所述每个网格的聚类点的距离;
获得每个行人点对应的距离最近的聚类点,建立每个行人点与每个行人点对应的距离最近的聚类点的映射关系。
2.根据权利要求1所述方法,其特征在于,在所述根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,所述方法还包括:
获取每条聚类点连线形成的轨迹的行人人数;
在显示界面中所述轨迹的位置展示所述行人人数。
3.根据权利要求1所述方法,其特征在于,在根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,所述方法还包括:
获取每条聚类点连线形成的轨迹的行人人数;
判断所述轨迹的行人人数是否小于预设行人数量;
若是,则删除小于预设行人数量的轨迹。
4.根据权利要求1所述方法,其特征在于,在所述获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点之后,所述方法还包括:
对映射为同一聚类点的属于同一行人的行人点进行去重处理。
5.根据权利要求1所述方法,其特征在于,在所述获取目标区域的目标时间段内的行人点分布图之前,所述方法还包括:
接收客户端发送的轨迹合并图查询请求,所述查询请求包括查询时间段和目标区域;
判断所述目标区域在查询时间段的行人数量是否超过预设阈值;
若是,选择行人数量未超过预设阈值的时间段作为所述目标时间段;
在所述得到轨迹合并图之后,所述方法还包括:
将所述轨迹合并图发送给所述客户端。
6.一种轨迹合并装置,其特征在于,应用于服务器,所述装置包括:
获取模块,用于获取目标区域的目标时间段内的行人点分布图,所述行人点分布图包括所述目标区域内多个行人中每个行人在所述目标时间段内的多个行人点,其中,每个行人对应的多个行人点根据预设的时间间隔获取;
划分模块,用于按照预设的区分粒度将所述行人点分布图划分为多个网格;
计算模块,用于根据所述多个网格中每个网格的至少一个行人点的位置,计算所述每个网格的聚类点;
所述获取模块,还用于获取每个行人对应的多个行人点在所述行人点分布图中的具有映射关系的聚类点;
连线模块,用于根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线;
所述获取模块,还用于在所述连线模块根据多个行人中每个行人对应的多个行人点的时间顺序将每个行人点对应的具有映射关系的聚类点进行连线之后,得到轨迹合并图;
所述获取模块,还具体用于计算每个行人对应的多个行人点中的每个行人点与所述每个网格的聚类点的距离;
获得每个行人点对应的距离最近的聚类点,建立每个行人点与每个行人点对应的距离最近的聚类点的映射关系。
7.根据权利要求6所述装置,其特征在于,所述装置还包括接收模块,用于在所述获取模块获取目标区域的目标时间段内的行人点分布图之前,接收客户端发送的轨迹合并图查询请求,所述查询请求包括查询时间段和目标区域;
判断模块,用于判断所述目标区域在查询时间段的行人数量是否超过预设阈值;
选择模块,在所述判断模块判断所述目标区域在查询时间段的行人数量超过预设阈值之后,选择行人数量未超过预设阈值的时间段作为所述目标时间段;
发送模块,用于在所述获取模块得到轨迹合并图之后,将所述轨迹合并图发送给所述客户端。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的存储介质,其特征在于,所述处理器执行所述存储介质时实现权利要求1至5任一项所述的方法的步骤。
9.一种存储介质,其特征在于,所述存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639622.1A CN110348143B (zh) | 2019-07-15 | 2019-07-15 | 一种轨迹合并方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639622.1A CN110348143B (zh) | 2019-07-15 | 2019-07-15 | 一种轨迹合并方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348143A CN110348143A (zh) | 2019-10-18 |
CN110348143B true CN110348143B (zh) | 2023-05-16 |
Family
ID=68175410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910639622.1A Active CN110348143B (zh) | 2019-07-15 | 2019-07-15 | 一种轨迹合并方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348143B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738779A (zh) * | 2019-10-25 | 2020-01-31 | 上海燕汐软件信息科技有限公司 | 一种人员轨迹检测方法、系统及装置 |
CN111239728B (zh) * | 2020-02-26 | 2021-06-15 | 深圳雷研技术有限公司 | 一种基于毫米波雷达的乘客计数方法及系统 |
CN111553291B (zh) * | 2020-04-30 | 2023-10-17 | 北京爱笔科技有限公司 | 行人轨迹的生成方法、装置、设备及计算机存储介质 |
CN111784742B (zh) * | 2020-06-29 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 一种行人跨镜头追踪方法及装置 |
CN112017209B (zh) * | 2020-09-07 | 2024-05-31 | 图普科技(广州)有限公司 | 一种区域人群轨迹确定方法及装置 |
CN112287778B (zh) * | 2020-10-16 | 2021-07-27 | 苏州万店掌网络科技有限公司 | 基于方向聚合的人流量分析方法及介质 |
CN112613546A (zh) * | 2020-12-16 | 2021-04-06 | 北京锐安科技有限公司 | 一种轨迹生成方法、装置、设备及存储介质 |
CN114845248A (zh) * | 2022-03-17 | 2022-08-02 | 中国联合网络通信集团有限公司 | 用户位置获取方法、前置机、设备及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509743A (zh) * | 2015-11-24 | 2016-04-20 | 上海汽车集团股份有限公司 | 定位处理方法、业务平台和网络系统 |
CN107976705A (zh) * | 2017-08-10 | 2018-05-01 | 深圳市悦动天下科技有限公司 | 一种基于云端的轨迹计算方法、系统 |
CN108345666A (zh) * | 2018-02-06 | 2018-07-31 | 南京航空航天大学 | 一种基于时间-空间孤立点的车辆异常轨迹检测方法 |
-
2019
- 2019-07-15 CN CN201910639622.1A patent/CN110348143B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509743A (zh) * | 2015-11-24 | 2016-04-20 | 上海汽车集团股份有限公司 | 定位处理方法、业务平台和网络系统 |
CN107976705A (zh) * | 2017-08-10 | 2018-05-01 | 深圳市悦动天下科技有限公司 | 一种基于云端的轨迹计算方法、系统 |
CN108345666A (zh) * | 2018-02-06 | 2018-07-31 | 南京航空航天大学 | 一种基于时间-空间孤立点的车辆异常轨迹检测方法 |
Non-Patent Citations (1)
Title |
---|
基于空间填充曲线的轨迹热点区域挖掘算法研究;张鲁斌;《电子世界》;20161208(第23期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110348143A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348143B (zh) | 一种轨迹合并方法、装置及存储介质 | |
CN109816701B (zh) | 一种目标跟踪方法及装置、存储介质 | |
Hofmann et al. | Hypergraphs for joint multi-view reconstruction and multi-object tracking | |
Khan et al. | Analyzing crowd behavior in naturalistic conditions: Identifying sources and sinks and characterizing main flows | |
JP6362674B2 (ja) | 映像監視支援装置、映像監視支援方法、およびプログラム | |
US9076064B2 (en) | Image processing apparatus and image processing method | |
JP5136504B2 (ja) | 物体識別装置 | |
CN104303193A (zh) | 基于聚类的目标分类 | |
KR102374776B1 (ko) | Cctv의 위치 정보 및 객체의 움직임 정보에 기초한 타겟 객체 재식별 시스템 및 방법 | |
CN109035295B (zh) | 多目标跟踪方法、装置、计算机设备和存储介质 | |
KR101360349B1 (ko) | 객체의 특징 정보에 기반한 객체 추적 방법 및 장치 | |
KR102190315B1 (ko) | 제품 식별 방법 및 그 방법을 이용한 판매 시스템 | |
JP2017033547A (ja) | 情報処理装置及びその制御方法及びプログラム | |
JP5692725B2 (ja) | 近似最近傍探索に係るデータベースの登録方法および登録装置 | |
WO2013172738A1 (en) | Method for video-data indexing using a map | |
GB2501224A (en) | Generating and comparing video signatures using sets of image features | |
CN111798487A (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
US11587372B2 (en) | Abnormality detection method, abnormality detection apparatus, and abnormality detection system | |
CN116244609A (zh) | 一种客流量统计方法、装置、计算机设备及存储介质 | |
CN110706238B (zh) | 对点云数据进行分割的方法及装置、存储介质和电子设备 | |
KR101492059B1 (ko) | 평균이동 알고리즘을 적용한 실시간 객체 추적방법 및 시스템 | |
Fernández-Rodríguez et al. | Automated detection of vehicles with anomalous trajectories in traffic surveillance videos | |
JP2016024534A (ja) | 移動体追跡装置及び移動体追跡方法、並びにコンピュータ・プログラム | |
CN115687249A (zh) | 一种图像聚档方法、装置、终端及计算机可读存储介质 | |
CN112183161A (zh) | 人脸数据库的处理方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |