CN110826490B - 一种基于脚步分类的轨迹跟踪方法和装置 - Google Patents
一种基于脚步分类的轨迹跟踪方法和装置 Download PDFInfo
- Publication number
- CN110826490B CN110826490B CN201911079316.3A CN201911079316A CN110826490B CN 110826490 B CN110826490 B CN 110826490B CN 201911079316 A CN201911079316 A CN 201911079316A CN 110826490 B CN110826490 B CN 110826490B
- Authority
- CN
- China
- Prior art keywords
- determining
- detected
- target
- amplitude
- amplitude sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000013598 vector Substances 0.000 claims abstract description 68
- 230000006698 induction Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 32
- 210000001364 upper extremity Anatomy 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 210000002683 foot Anatomy 0.000 description 42
- 230000008859 change Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 210000004744 fore-foot Anatomy 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000013065 commercial product Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 210000000548 hind-foot Anatomy 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于脚步分类的轨迹跟踪方法和装置,涉及数据处理的技术领域,包括:获取感应地面发送的第n‑1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为感应地面发送的传感信号的帧数;基于第n‑1帧传感信号和第n帧传感信号,构建脚步集合和脚步幅度序列;基于脚步集合和脚步幅度序列,确定待检测对象脚步的脚步特征向量;将脚步特征向量输入分类器,对脚步集合中的脚步进行分类,确定出目标脚步,其中,目标脚步为符合预设条件的脚步;根据目标脚步,确定待检测对象的脚步轨迹,解决了现有技术中无法对待检测对象的移动轨迹进行追踪的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种基于脚步分类的轨迹跟踪方法和装置。
背景技术
随着感应地面逐步走进人们的日常生活,通过感应地面反馈的信息可以对行人的脚步进行分析,从而确定出在感应地面上行走的行人的步幅,运动轨迹等信息,进而能够对行人的运动轨迹进行追踪。但是,现有技术中还未有基于行人脚步幅度信号追踪行人运动轨迹的具体方法。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种基于脚步分类的轨迹跟踪方法和装置,以缓解了现有技术中无法对待检测对象的移动轨迹进行追踪的技术问题。
第一方面,本发明实施例提供了一种基于脚步分类的轨迹跟踪方法,包括:获取感应地面发送的第n-1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为所述感应地面发送的传感信号的帧数;基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列;基于所述脚步集合和所述脚步幅度序列,确定待检测对象脚步的脚步特征向量;将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,其中,所述目标脚步为符合预设条件的脚步;根据所述目标脚步,确定所述待检测对象的脚步轨迹。
进一步地,基于所述脚步集合和所述脚步幅度序列,确定当前时刻所述待检测对象脚步的脚步特征向量,包括:遍历所述脚步集合中的各个脚步,确定出初始脚步,其中,所述初始脚步为所述脚步集合中所述待检测对象的脚步;基于所述脚步幅度序列,确定出所述初始脚步的脚步幅度序列,得到所述待检测对象脚步的初始脚步幅度序列;对所述待检测对象脚步的初始脚步幅度序列和所述脚步幅度序列进行拟合,得到所述待检测对象脚步的最终脚步幅度序列;确定出所述待检测对象脚步的最终脚步幅度序列的属性信息,并将所述属性信息确定为所述待检测对象脚步的脚步特征向量,其中,所述属性信息包括:当前时刻所述待检测对象脚步的脚步幅度值,前一时刻所述待检测对象脚步的脚步幅度值,所述最终脚步幅度序列的长度;其中,所述当前时刻为获取到所述第n帧传感信号的时刻,所述前一时刻为获取到所述第n-1帧传感信号的时刻。
进一步地,将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,包括:将所述脚步特征向量输入所述分类器,以使所述分类器确定出所述待检测对象脚步的脚步类别,其中,所述脚步类别包括:前脚,后脚;基于所述脚步类别和所述预设条件,确定出得到所述目标脚步;其中,所述前脚为所述脚步特征向量中目标时刻之前的脚步特征向量对应的脚步,所述后脚为所述脚步特征向量中目标时刻之后的脚步特征向量对应的脚步,所述目标时刻为所述脚步幅度序列中最大幅度值所对应的时刻。
进一步地,基于所述脚步类别和所述预设条件,确定出得到所述目标脚步,其中,若所述前脚和所述后脚相互匹配,则将所述前脚确定为所述目标脚步;若所述前脚没有匹配的后脚,则将所述前脚确定为所述目标脚步;若所述后脚没有匹配的前脚,则将所述后脚确定为所述目标脚步。
进一步地,基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列,包括:基于所述第n-1帧传感信号构建第一信号幅度矩阵,以及基于所述第n帧传感信号构建第二信号幅度矩阵;基于所述第一信号幅度矩阵和所述第二信号幅度矩阵,确定出所述脚步集合和所述脚步幅度序列。
第二方面,本发明实施例还提供了一种基于脚步分类的轨迹跟踪装置,包括:获取单元,构建单元,第一确定单元,第二确定单元和第三确定单元,其中,所述获取单元用于获取感应地面发送的第n-1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为所述感应地面发送的传感信号的帧数;所述构建单元用于基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列;所述第一确定单元用于基于所述脚步集合和所述脚步幅度序列,确定待检测对象脚步的脚步特征向量;所述第二确定单元用于将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,其中,所述目标脚步为符合预设条件的脚步;所述第三确定单元用于根据所述目标脚步,确定所述待检测对象的脚步轨迹。
进一步地,所述第一确定单元还用于:遍历所述脚步集合中的各个脚步,确定出初始脚步,其中,所述初始脚步为所述脚步集合中所述待检测对象的脚步;基于所述脚步幅度序列,确定出所述初始脚步的脚步幅度序列,得到所述待检测对象脚步的初始脚步幅度序列;对所述待检测对象脚步的初始脚步幅度序列和所述脚步幅度序列进行拟合,得到所述待检测对象脚步的最终脚步幅度序列;确定出所述待检测对象脚步的最终脚步幅度序列的属性信息,并将所述属性信息确定为所述待检测对象脚步的脚步特征向量,其中,所述属性信息包括:当前时刻所述待检测对象脚步的脚步幅度值,前一时刻所述待检测对象脚步的脚步幅度值,所述最终脚步幅度序列的长度;其中,所述当前时刻为获取到所述第n帧传感信号的时刻,所述前一时刻为获取到所述第n-1帧传感信号的时刻。
进一步地,所述第二确定单元还用于:将所述脚步特征向量输入所述分类器,以使所述分类器确定出所述待检测对象脚步的脚步类别,其中,所述脚步类别包括:前脚,后脚;基于所述脚步类别和所述预设条件,确定出得到所述目标脚步;其中,所述前脚为所述脚步特征向量中目标时刻之前的脚步特征向量对应的脚步,所述后脚为所述脚步特征向量中目标时刻之后的脚步特征向量对应的脚步,所述目标时刻为所述脚步幅度序列中最大幅度值所对应的时刻。
进一步地,所述第二确定单元还用于:若所述前脚和所述后脚相互匹配,则将所述前脚确定为所述目标脚步;若所述前脚没有匹配的后脚,则将所述前脚确定为所述目标脚步;若所述后脚没有匹配的前脚,则将所述后脚确定为所述目标脚步。
进一步地,所述构建单元还用于:基于所述第n-1帧传感信号构建第一信号幅度矩阵,以及基于所述第n帧传感信号构建第二信号幅度矩阵;基于所述第一信号幅度矩阵和所述第二信号幅度矩阵,确定出所述脚步集合和所述脚步幅度序列。
在本发明实施例中,首先,获取感应地面发送的第n-1帧传感信号和第n帧传感信号;接着,基于第n-1帧传感信号和第n帧传感信号,构建脚步集合和脚步幅度序列;然后,基于脚步集合和脚步幅度序列,确定待检测对象脚步的脚步特征向量;接着,将脚步特征向量输入分类器,对脚步集合中的脚步进行分类,确定出目标脚步;最后,根据目标脚步,确定待检测对象的脚步轨迹,达到了获取待检测对象的运动轨迹的目的,进而解决了现有技术中无法对待检测对象的移动轨迹进行追踪的技术问题,从而实现了对待检测对象运动轨迹进行追踪的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1为本发明实施例提供的一种基于脚步分类的轨迹跟踪方法的流程图;
图2为本发明实施例提供的脚步特征向量的确定方法的流程图;
图3为本发明实施例提供的目标脚步的确定方法的流程图;
图4为本发明实施例提供的一种基于脚步分类的轨迹跟踪装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
根据本发明实施例,提供了一种基于脚步分类的轨迹跟踪方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种基于脚步分类的轨迹跟踪的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取感应地面发送的第n-1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为所述感应地面发送的传感信号的帧数;
步骤S104,基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列;
步骤S106,基于所述脚步集合和所述脚步幅度序列,确定待检测对象脚步的脚步特征向量;
步骤S108,将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,其中,所述目标脚步为符合预设条件的脚步;
步骤S110,根据所述目标脚步,确定所述待检测对象的脚步轨迹。
在本发明实施例中,首先,获取感应地面发送的第n-1帧传感信号和第n帧传感信号;接着,基于第n-1帧传感信号和第n帧传感信号,构建脚步集合和脚步幅度序列;然后,基于脚步集合和脚步幅度序列,确定待检测对象脚步的脚步特征向量;接着,将脚步特征向量输入分类器,对脚步集合中的脚步进行分类,确定出目标脚步;最后,根据目标脚步,确定待检测对象的脚步轨迹,达到了获取待检测对象的运动轨迹的目的,进而解决了现有技术中无法对待检测对象的移动轨迹进行追踪的技术问题,从而实现了对待检测对象运动轨迹进行追踪的技术效果。
需要说明的是,感应地面是靠点阵传感器感应行人脚步的位置,目前国内还未有类似的商用产品。感应地面是以一定刷新率对地面上行人的情况进行监测,当行人在地面上行走时,行人脚步在感应地面上时,行人脚步踩踏在感应地面对应的点阵传感器,该位置的点阵传感器根据不同的踩踏压力生成信号峰值。行人行走时的脚步位置点阵传感器的信号呈现为保持-突变-保持的特点,即行人脚踩上感应地面传感器时,通常会在传感器覆盖区域内形成若干像素的连通域,并且在较长时间内(相对于传感器的采样时间),脚步在这段时间内相对地面是静止的,脚步信号持续存在。当脚离地时,脚步信号突变消失,如此反复循环,形成行人行走的轨迹。
另外,还需要说明的是,感应地面内设置有M*N个传感器组成的点阵传感器,因此,根据第n-1帧传感信号和第n帧传感信号构建的信号幅度矩阵均为包含M*N传感信号幅度值的信号幅度矩阵。
在本发明实施例中,可以通过以下方法构建脚步集合和脚步幅度序列:
首先,根据第n-1帧传感信号构建第一信号幅度矩阵,以及根据第n帧传感信号构建第二信号幅度矩阵。
然后,根据第一信号幅度矩阵和第二信号幅度矩阵,判断第一信号幅度矩阵和第二信号幅度矩阵是否均包含第一目标信号幅度值,其中,第一目标信号幅度值为待检测对象的脚步信号幅度值;
如果判断结果为是,则根据第一目标信号幅度值构建上述脚步幅度序列。
另外,基于连通域分析原理,对第一信号幅度矩阵和第二信号幅度矩阵进行分析,可以得到上述的脚步集合。
在本发明实施例中,如图2所示,步骤S106包括:
步骤S11,遍历所述脚步集合中的各个脚步,确定出初始脚步,其中,所述初始脚步为所述脚步集合中所述待检测对象的脚步;
步骤S12,基于所述脚步幅度序列,确定出所述初始脚步的脚步幅度序列,得到所述待检测对象脚步的初始脚步幅度序列;
步骤S13,对所述待检测对象脚步的初始脚步幅度序列和所述脚步幅度序列进行拟合,得到所述待检测对象脚步的最终脚步幅度序列;
步骤S14,确定出所述待检测对象脚步的最终脚步幅度序列的属性信息,并将所述属性信息确定为所述待检测对象脚步的脚步特征向量,其中,所述属性信息包括:当前时刻所述待检测对象脚步的脚步幅度值,前一时刻所述待检测对象脚步的脚步幅度值,所述最终脚步幅度序列的长度;
其中,所述当前时刻为获取到所述第n帧传感信号的时刻,所述前一时刻为获取到所述第n-1帧传感信号的时刻。
在本发明实施例中,为了确定出待检测对象脚步的脚步特征向量,可以采用以下步骤:
首先,遍历当前时刻的脚步集合中所有的脚步,确定出待检测对象的脚步(即,初始脚步),并确定出初始脚步对应的脚步幅度值,得到对应的脚步幅度序列(即,初始脚步幅度序列)。
接着,利用初始脚步幅度序列与脚步幅度的历史变化(即,上述的脚步幅度序列)进行拟合,从而得到待检测对象在当前时刻的脚步幅度变化趋势(即,最终脚步幅度序列)。
需要说明的是,可以通过最小二乘法对的脚步幅度序列与脚步幅度的历史变化进行拟合,由于初始脚步幅度序列与脚步幅度的历史变化的样本比较少,最小二乘法能够通过少量的数据进行拟合可以得到一条曲线。
通过先验知识知道脚步的幅度是复合二次曲线的方程,所以拟合的过程为通过抛物线进行拟合。
由于脚步幅度序列中的数据样本比较少,通过少量的脚步幅度序列数据进行拟合可以得到一条曲线。
通过先验知识知道脚步的幅度是复合二次曲线的方程,所以拟合的时候选择的抛物线拟合。最小二乘法拟合是比较成熟的拟合算法,此处可以理解为:
例如,已知点(1,90),(2,100),(3,150),(4,110),(5,80)求解最小二乘抛物线,即上述的已知点为脚步幅度序列中对应的五个脚步在感应地面中的位置坐标,由于感应地面内设置有M*N个传感器组成的点阵传感器,因此,已知点(1,90)为感应地面中第一行第九十列的传感器所反馈的脚步信号,以此类推上述的已知点(2,100),(3,150),(4,110)和(5,80)均为感应地面中对应传感器所反馈的脚步信号。
先验知识(prior knowledge)是先于经验的知识。在哲学上,它使人联想到下述思想:人类头脑包含有若干内在的特征,它可为人类理性和悟性提供基础。不过,“先于”还指论证中的各种合理性形式,它不依赖感觉或其他类型的经验。
最后,提取出最终脚步幅度序列的当前时刻待检测对象脚步的脚步幅度值、前一时刻待检测对象脚步的脚步幅度值、最终脚步幅度序列的长度等属性信息,将上述的属性信息确定为待检测独享脚步的脚步特征向量。
需要说明的是,上述的属性信息用于表征待检测对象的脚步在当前时刻的状态。
在本发明实施例中,如图3所示,步骤S108还包括如下步骤:
步骤S21,将所述脚步特征向量输入所述分类器,以使所述分类器确定出所述待检测对象脚步的脚步类别,其中,所述脚步类别包括:前脚,后脚;
步骤S22,基于所述脚步类别和所述预设条件,确定出得到所述目标脚步;
其中,所述前脚为所述脚步特征向量中目标时刻之前的脚步特征向量对应的脚步,所述后脚为所述脚步特征向量中目标时刻之后的脚步特征向量对应的脚步,所述目标时刻为所述脚步幅度序列中最大幅度值所对应的时刻。
在本发明实施例中,将上述脚步特征向量输入已经完成训练的分类器,以使分类器对脚步特征向量进行分类,确定出每个脚步特征向量对应的脚步类型(即,确定每个脚步特征向量为前脚还是后脚)。
需要说明的是,上述的额分类器可以为SVM支持向量机(Support VectorMachine)分类器。
支持向量机是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。
SVM使用铰链损失函数(hinge loss)计算经验风险(empirical risk)并在求解系统中加入了正则化项以优化结构风险(structural risk),是一个具有稀疏性和稳健性的分类器。SVM可以通过核方法(kernel method)进行非线性分类,是常见的核学习(kernellearning)方法之一。
在确定出脚步类型后,对每个脚步使用全局近邻算法进行关联,确定出各个脚步之间的关联关系,并根据关联关系和预设条件,确定出目标脚步。
需要说明的是,目标脚步的确定方法如下:
如果前脚和所述后脚相互匹配,则将前脚确定为所述目标脚步;
如果前脚没有匹配的后脚,则将前脚确定为所述目标脚步;
如果后脚没有匹配的前脚,则将后脚确定为所述目标脚步。
通过上述方法就可以确定出用于对待检测对象的运动轨迹进行跟踪的脚步。
另外,可以为待检测对象的脚步轨迹建立一个轨迹集合,按如下准则更新轨迹集合:
a)若当前时刻轨迹集合中无有效跟踪轨迹,则使用当前时刻所有有效脚的位置作为滤波器的起始值;
b)若当前时刻轨迹集合中存在有效的跟踪轨迹,则所有有效脚的位置与所有跟踪轨迹的预测值进行关联,若轨迹与脚步存在关联关系,则使用该脚步更新该轨迹;若轨迹无脚步匹配,则将该轨迹进行外推;若脚步无匹配轨迹,则将该脚步作为新轨迹的起始。
遍历轨迹集合,如果某一轨迹集合外推次数超出预设门限值,则认为脚步消失,删除该轨迹。
需要说明的是,上述的预设门限值可以由工作人员根据实际情况自行设定,在本发明实施例中不做具体限定。
从而得到随时间的待检测对象的脚步轨迹,进而达到对待检测对象进行轨迹追踪的技术效果。
实施例二:
本发明还提供了一种基于脚步分类的轨迹跟踪装置的实施例,该装置用于执行本发明实施例上述内容所提供的基于脚步分类的轨迹跟踪方法,以下是本发明实施例提供的基于脚步分类的轨迹跟踪装置的具体介绍。
如图4所示,上述的基于脚步分类的轨迹跟踪装置包括:获取单元10,构建单元20,第一确定单元30,第二确定单元40和第三确定单元50。
所述获取单元10用于获取感应地面发送的第n-1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为所述感应地面发送的传感信号的帧数;
所述构建单元20用于基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列;
所述第一确定单元30用于基于所述脚步集合和所述脚步幅度序列,确定待检测对象脚步的脚步特征向量;
所述第二确定单元40用于将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,其中,所述目标脚步为符合预设条件的脚步;
所述第三确定单元50用于根据所述目标脚步,确定所述待检测对象的脚步轨迹。
在本发明实施例中,首先,获取感应地面发送的第n-1帧传感信号和第n帧传感信号;接着,基于第n-1帧传感信号和第n帧传感信号,构建脚步集合和脚步幅度序列;然后,基于脚步集合和脚步幅度序列,确定待检测对象脚步的脚步特征向量;接着,将脚步特征向量输入分类器,对脚步集合中的脚步进行分类,确定出目标脚步;最后,根据目标脚步,确定待检测对象的脚步轨迹,达到了获取到待检测对象的运动轨迹的目的,进而解决了现有技术中无法对待检测对象的移动轨迹进行追踪的技术问题,从而实现了对待检测对象运动轨迹进行追踪的技术效果。
优选地,所述第一确定单元还用于:遍历所述脚步集合中的各个脚步,确定出初始脚步,其中,所述初始脚步为所述脚步集合中所述待检测对象的脚步;基于所述脚步幅度序列,确定出所述初始脚步的脚步幅度序列,得到所述待检测对象脚步的初始脚步幅度序列;对所述待检测对象脚步的初始脚步幅度序列和所述脚步幅度序列进行拟合,得到所述待检测对象脚步的最终脚步幅度序列;确定出所述待检测对象脚步的最终脚步幅度序列的属性信息,并将所述属性信息确定为所述待检测对象脚步的脚步特征向量,其中,所述属性信息包括:当前时刻所述待检测对象脚步的脚步幅度值,前一时刻所述待检测对象脚步的脚步幅度值,所述最终脚步幅度序列的长度;其中,所述当前时刻为获取到所述第n帧传感信号的时刻,所述前一时刻为获取到所述第n-1帧传感信号的时刻。
优选地,所述第二确定单元还用于:将所述脚步特征向量输入所述分类器,以使所述分类器确定出所述待检测对象脚步的脚步类别,其中,所述脚步类别包括:前脚,后脚;基于所述脚步类别和所述预设条件,确定出得到所述目标脚步;其中,所述前脚为所述脚步特征向量中目标时刻之前的脚步特征向量对应的脚步,所述后脚为所述脚步特征向量中目标时刻之后的脚步特征向量对应的脚步,所述目标时刻为所述脚步幅度序列中最大幅度值所对应的时刻。
优选地,所述第二确定单元还用于:若所述前脚和所述后脚相互匹配,则将所述前脚确定为所述目标脚步;若所述前脚没有匹配的后脚,则将所述前脚确定为所述目标脚步;若所述后脚没有匹配的前脚,则将所述后脚确定为所述目标脚步。
优选地,所述构建单元还用于:基于所述第n-1帧传感信号构建第一信号幅度矩阵,以及基于所述第n帧传感信号构建第二信号幅度矩阵;基于所述第一信号幅度矩阵和所述第二信号幅度矩阵,确定出所述脚步集合和所述脚步幅度序列。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为根据附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,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,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于脚步分类的轨迹跟踪方法,其特征在于,包括:
获取感应地面发送的第n-1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为所述感应地面发送的传感信号的帧数;
基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列;
基于所述脚步集合和所述脚步幅度序列,确定待检测对象脚步的脚步特征向量;
将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,其中,所述目标脚步为符合预设条件的脚步;
根据所述目标脚步,确定所述待检测对象的脚步轨迹;
其中,基于所述脚步集合和所述脚步幅度序列,确定当前时刻所述待检测对象脚步的脚步特征向量,包括:
遍历所述脚步集合中的各个脚步,确定出初始脚步,其中,所述初始脚步为所述脚步集合中所述待检测对象的脚步;
基于所述脚步幅度序列,确定出所述初始脚步的脚步幅度序列,得到所述待检测对象脚步的初始脚步幅度序列;
基于先验知识和最小二乘法,对所述待检测对象脚步的初始脚步幅度序列和所述脚步幅度序列进行拟合,得到所述待检测对象脚步的最终脚步幅度序列;
确定出所述待检测对象脚步的最终脚步幅度序列的属性信息,并将所述属性信息确定为所述待检测对象脚步的脚步特征向量,其中,所述属性信息包括:当前时刻所述待检测对象脚步的脚步幅度值,前一时刻所述待检测对象脚步的脚步幅度值,所述最终脚步幅度序列的长度;
其中,所述当前时刻为获取到所述第n帧传感信号的时刻,所述前一时刻为获取到所述第n-1帧传感信号的时刻。
2.根据权利要求1所述的方法,其特征在于,将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,包括:
将所述脚步特征向量输入所述分类器,以使所述分类器确定出所述待检测对象脚步的脚步类别,其中,所述脚步类别包括:前脚,后脚;
基于所述脚步类别和所述预设条件,确定出得到所述目标脚步;
其中,所述前脚为所述脚步特征向量中目标时刻之前的脚步特征向量对应的脚步,所述后脚为所述脚步特征向量中所述目标时刻之后的脚步特征向量对应的脚步,所述目标时刻为所述脚步幅度序列中最大幅度值所对应的时刻。
3.根据权利要求2所述的方法,其特征在于,基于所述脚步类别和所述预设条件,确定出得到所述目标脚步,其中,
若所述前脚和所述后脚相互匹配,则将所述前脚确定为所述目标脚步;
若所述前脚没有匹配的后脚,则将所述前脚确定为所述目标脚步;
若所述后脚没有匹配的前脚,则将所述后脚确定为所述目标脚步。
4.根据权利要求1所述的方法,其特征在于,基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列,包括:
基于所述第n-1帧传感信号构建第一信号幅度矩阵,以及基于所述第n帧传感信号构建第二信号幅度矩阵;
基于所述第一信号幅度矩阵和所述第二信号幅度矩阵,确定出所述脚步集合和所述脚步幅度序列。
5.一种基于脚步分类的轨迹跟踪装置,其特征在于,包括:获取单元,构建单元,第一确定单元,第二确定单元和第三确定单元,其中,
所述获取单元用于获取感应地面发送的第n-1帧传感信号和第n帧传感信号,其中,n依次取2至k,k为所述感应地面发送的传感信号的帧数;
所述构建单元用于基于所述第n-1帧传感信号和所述第n帧传感信号,构建脚步集合和脚步幅度序列;
所述第一确定单元用于基于所述脚步集合和所述脚步幅度序列,确定待检测对象脚步的脚步特征向量;
所述第二确定单元用于将所述脚步特征向量输入分类器,对所述脚步集合中的脚步进行分类,确定出目标脚步,其中,所述目标脚步为符合预设条件的脚步;
所述第三确定单元用于根据所述目标脚步,确定所述待检测对象的脚步轨迹;
其中,所述第一确定单元还用于:
遍历所述脚步集合中的各个脚步,确定出初始脚步,其中,所述初始脚步为所述脚步集合中所述待检测对象的脚步;
基于所述脚步幅度序列,确定出所述初始脚步的脚步幅度序列,得到所述待检测对象脚步的初始脚步幅度序列;
基于先验知识和最小二乘法,对所述待检测对象脚步的初始脚步幅度序列和所述脚步幅度序列进行拟合,得到所述待检测对象脚步的最终脚步幅度序列;
确定出所述待检测对象脚步的最终脚步幅度序列的属性信息,并将所述属性信息确定为所述待检测对象脚步的脚步特征向量,其中,所述属性信息包括:当前时刻所述待检测对象脚步的脚步幅度值,前一时刻所述待检测对象脚步的脚步幅度值,所述最终脚步幅度序列的长度;
其中,所述当前时刻为获取到所述第n帧传感信号的时刻,所述前一时刻为获取到所述第n-1帧传感信号的时刻。
6.根据权利要求5所述的装置,其特征在于,所述第二确定单元还用于:
将所述脚步特征向量输入所述分类器,以使所述分类器确定出所述待检测对象脚步的脚步类别,其中,所述脚步类别包括:前脚,后脚;
基于所述脚步类别和所述预设条件,确定出得到所述目标脚步;
其中,所述前脚为所述脚步特征向量中目标时刻之前的脚步特征向量对应的脚步,所述后脚为所述脚步特征向量中所述目标时刻之后的脚步特征向量对应的脚步,所述目标时刻为所述脚步幅度序列中最大幅度值所对应的时刻。
7.根据权利要求6所述的装置,其特征在于,所述第二确定单元还用于:
若所述前脚和所述后脚相互匹配,则将所述前脚确定为所述目标脚步;
若所述前脚没有匹配的后脚,则将所述前脚确定为所述目标脚步;
若所述后脚没有匹配的前脚,则将所述后脚确定为所述目标脚步。
8.根据权利要求5所述的装置,其特征在于,所述构建单元还用于:
基于所述第n-1帧传感信号构建第一信号幅度矩阵,以及基于所述第n帧传感信号构建第二信号幅度矩阵;
基于所述第一信号幅度矩阵和所述第二信号幅度矩阵,确定出所述脚步集合和所述脚步幅度序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911079316.3A CN110826490B (zh) | 2019-11-06 | 2019-11-06 | 一种基于脚步分类的轨迹跟踪方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911079316.3A CN110826490B (zh) | 2019-11-06 | 2019-11-06 | 一种基于脚步分类的轨迹跟踪方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826490A CN110826490A (zh) | 2020-02-21 |
CN110826490B true CN110826490B (zh) | 2022-10-04 |
Family
ID=69553074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911079316.3A Active CN110826490B (zh) | 2019-11-06 | 2019-11-06 | 一种基于脚步分类的轨迹跟踪方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826490B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102363A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人轨迹跟踪方法和装置 |
CN112102362A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人脚步轨迹确定方法和装置 |
CN112084372B (zh) * | 2020-09-14 | 2024-01-26 | 北京数衍科技有限公司 | 行人轨迹更新方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1788357A1 (fr) * | 2005-11-16 | 2007-05-23 | Alcatel Lucent | Système de localisation d'utilisateur pieton |
CN106650709A (zh) * | 2017-01-22 | 2017-05-10 | 深圳市唯特视科技有限公司 | 一种基于传感器数据的深度学习脚步检测方法 |
CN109447128A (zh) * | 2018-09-29 | 2019-03-08 | 中国科学院自动化研究所 | 基于微惯性技术的行走和原地踏步运动分类方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8831909B2 (en) * | 2011-09-22 | 2014-09-09 | Microsoft Corporation | Step detection and step length estimation |
-
2019
- 2019-11-06 CN CN201911079316.3A patent/CN110826490B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1788357A1 (fr) * | 2005-11-16 | 2007-05-23 | Alcatel Lucent | Système de localisation d'utilisateur pieton |
CN106650709A (zh) * | 2017-01-22 | 2017-05-10 | 深圳市唯特视科技有限公司 | 一种基于传感器数据的深度学习脚步检测方法 |
CN109447128A (zh) * | 2018-09-29 | 2019-03-08 | 中国科学院自动化研究所 | 基于微惯性技术的行走和原地踏步运动分类方法和系统 |
Non-Patent Citations (1)
Title |
---|
"基于足底压力分布的步行行为感知关键技术研究";夏懿;《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》;20131015;第1-6章 * |
Also Published As
Publication number | Publication date |
---|---|
CN110826490A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826490B (zh) | 一种基于脚步分类的轨迹跟踪方法和装置 | |
US11504069B2 (en) | Method and apparatus to infer object and agent properties, activity capacities, behaviors, and intents from contact and pressure images | |
Akagündüz et al. | Silhouette orientation volumes for efficient fall detection in depth videos | |
CN107480704B (zh) | 一种具有遮挡感知机制的实时视觉目标跟踪方法 | |
Tellaeche et al. | A new vision-based approach to differential spraying in precision agriculture | |
Bertini et al. | Multi-scale and real-time non-parametric approach for anomaly detection and localization | |
US20090304229A1 (en) | Object tracking using color histogram and object size | |
WO2014081687A1 (en) | Method and system for counting people using depth sensor | |
Yadav et al. | Moving object detection in real-time visual surveillance using background subtraction technique | |
CN107133607B (zh) | 基于视频监控的人群统计方法及系统 | |
CN112560723A (zh) | 一种基于形态识别与速度估计的跌倒检测方法及系统 | |
Verlekar et al. | Estimation and validation of temporal gait features using a markerless 2D video system | |
CN111243743A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN106462881A (zh) | 用于确定人口统计信息的系统和方法 | |
CN114469076A (zh) | 一种融合身份特征的独居老人跌倒识别方法及系统 | |
CN115116127A (zh) | 一种基于计算机视觉和人工智能的跌倒检测方法 | |
Ramanujam et al. | A vision-based posture monitoring system for the elderly using intelligent fall detection technique | |
JP5679760B2 (ja) | 侵入物体検出装置 | |
Oumaima et al. | Vision-based fall detection and prevention for the elderly people: A review & ongoing research | |
Cagnoni et al. | Sensor fusion-oriented fall detection for assistive technologies applications | |
CN114373142A (zh) | 基于深度学习的行人跌倒检测方法 | |
Krishnan et al. | Abnormal gait detection using lean and ramp angle features | |
Xu et al. | Fall detection based on person detection and multi-target tracking | |
Caroppo et al. | Heterogeneous sensor platform for circadian rhythm analysis | |
Gandomkar et al. | Method to classify elderly subjects as fallers and non‐fallers based on gait energy image |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240423 Address after: Room 501, 5th Floor, Building 103, Lize Zhongyuan, Chaoyang District, Beijing, 100000 Patentee after: BEIJING DATA DRIVEN TECHNOLOGY CO.,LTD. Country or region after: China Address before: Room 3104, building 9, Jianggan District, Hangzhou, Zhejiang Province Patentee before: Hangzhou cigan Technology Co.,Ltd. Country or region before: China |