CN111461077A - 一种移动轨迹事件识别方法及装置 - Google Patents
一种移动轨迹事件识别方法及装置 Download PDFInfo
- Publication number
- CN111461077A CN111461077A CN202010397602.0A CN202010397602A CN111461077A CN 111461077 A CN111461077 A CN 111461077A CN 202010397602 A CN202010397602 A CN 202010397602A CN 111461077 A CN111461077 A CN 111461077A
- Authority
- CN
- China
- Prior art keywords
- track
- point
- preset
- movement
- trajectory
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000033001 locomotion Effects 0.000 claims abstract description 193
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Mathematical Physics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种移动轨迹事件识别方法及装置,可以获得用户的移动轨迹;确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求;如果存在,则确定发生与所述目标区域相关的第一事件。本发明实施例仅通过确定用户的移动轨迹是否存在目标停留轨迹,就可以确定与目标区域相关的第一事件,提高了对第一事件的识别准确率。
Description
技术领域
本发明涉及计算机识别技术领域,尤其涉及一种移动轨迹事件识别方法及装置。
背景技术
随着行人检测技术的日渐成熟,行人检测技术可以与行人跟踪以及行人重识别等技术结合,应用在智能机器人、智能视频监控以及人体行为分析等领域。
对于当前的人体行为识别技术,依靠确定人体关键点的相对位置对人体行为进行判断的方式已经比较成熟。例如:依靠人体关键点的相对位置可以判断吸烟行为、睡觉行为以及玩手机行为等。
但是,对于一些需要结合人体移动轨迹判断的人体行为,识别的准确率依然比较低。例如:在图像中识别人体对某目标区域产生进出行为的识别准确率,就十分依赖于能否在该图像中对应的目标区域部分进行准确的标注。但是在实际情况中,图像中的目标区域可能仅占该图像的很小的一部分,甚至图像中不存在该目标区域部分,因此难以对图像中的目标区域部分进行准确标注甚至无法进行标注,进而导致对这类型的人体行为进行识别的准确率低。
发明内容
鉴于上述问题,本发明提供一种克服上述问题或者至少部分地解决上述问题的一种移动轨迹事件识别方法及装置,技术方案如下:
一种移动轨迹事件识别方法,包括:
获得用户的移动轨迹;
确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求;
如果存在,则确定发生与所述目标区域相关的第一事件。
可选的,所述预设停留轨迹条件,包括:
轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
可选的,所述预设停留轨迹条件,包括:
轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,且轨迹的起点之前的相邻轨迹点位于所述预设范围外,且轨迹的终点之后的相邻轨迹点位于所述预设范围外,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
可选的,所述确定所述用户的移动轨迹中是否存在目标停留轨迹,包括:
从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
从所述用户的移动轨迹中确定所述初始点之后的结束点,所述结束点与所述初始点之间的轨迹的移动范围小于预设范围,且所述初始点之前的相邻轨迹点位于所述预设范围外,且所述结束点之后的相邻轨迹点位于所述预设范围外;
当所述初始点对应的时刻与所述结束点对应的时刻之间的时间间隔不低于预设时长时,确定所述结束点与所述初始点之间的轨迹满足预设停留轨迹条件。
可选的,所述确定所述用户的移动轨迹中是否存在目标停留轨迹,包括:
从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
从所述用户的移动轨迹中确定所述初始点之后的当前结束点,所述初始点对应的时刻与所述当前结束点对应的时刻之间的时间间隔为预设时长;
判断所述当前结束点与所述初始点之间的轨迹的移动范围是否小于预设范围,如果是,则判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围不小于所述预设范围,则确定所述当前结束点与所述初始点之间的轨迹满足所述预设停留轨迹条件;如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围小于所述预设范围,则将所述当前结束点之后的相邻轨迹点确定为当前结束点并返回执行所述判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围的步骤。
可选的,所述预设位置要求,包括:
根据移动轨迹中多个坐标点的坐标确定的目标坐标与所述目标区域的距离小于预设距离。
可选的,在所述获得用户的移动轨迹之后,所述方法还包括:
当所述移动轨迹的起点与所述目标区域中的目标点具有第一预设位置关系时,确定发生与所述目标区域相关的第二事件;
和/或,当所述移动轨迹的终点与所述目标区域中的目标点具有第二预设位置关系时,确定发生与所述目标区域相关的第三事件。
一种移动轨迹事件识别装置,包括:移动轨迹获得单元、目标停留轨迹确定单元和第一事件确定单元,
所述移动轨迹获得单元,用于获得用户的移动轨迹;
所述目标停留轨迹确定单元,用于确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求,如果存在,则触发所述第一事件确定单元;
所述第一事件确定单元,用于确定发生与所述目标区域相关的第一事件。
可选的,所述目标停留轨迹确定单元包括:第一初始点确定子单元、第一结束点确定子单元和第一停留轨迹确定子单元,
所述第一初始点确定子单元,用于从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
所述第一结束点确定子单元,用于从所述用户的移动轨迹中确定所述初始点之后的结束点,所述结束点与所述初始点之间的轨迹的移动范围小于预设范围,且所述初始点之前的相邻轨迹点位于所述预设范围外,且所述结束点之后的相邻轨迹点位于所述预设范围外;
所述第一停留轨迹确定子单元,用于当所述初始点对应的时刻与所述结束点对应的时刻之间的时间间隔不低于预设时长时,确定所述结束点与所述初始点之间的轨迹满足预设停留轨迹条件。
可选的,所述目标停留轨迹确定单元包括:第二初始点确定子单元、第二结束点确定子单元、第一轨迹移动范围判断子单元、第二轨迹移动范围判断子单元、第二停留轨迹确定子单元、第三结束点确定子单元,
所述第二初始点确定子单元,用于从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
所述第二结束点确定子单元,用于从所述用户的移动轨迹中确定所述初始点之后的当前结束点,所述初始点对应的时刻与所述当前结束点对应的时刻之间的时间间隔为预设时长;
所述第一轨迹移动范围判断子单元,用于判断所述当前结束点与所述初始点之间的轨迹的移动范围是否小于预设范围,如果是,则触发所述轨迹移动范围判断子单元;
所述第二轨迹移动范围判断子单元,用于判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围不小于所述预设范围,则触发所述第二停留轨迹确定子单元,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围小于所述预设范围,则触发所述第三结束点确定子单元;
所述第二停留轨迹确定子单元,用于确定所述当前结束点与所述初始点之间的轨迹满足所述预设停留轨迹条件;
所述第三结束点确定子单元,用于将所述当前结束点之后的相邻轨迹点确定为当前结束点并触发所述第二轨迹移动范围判断子单元。
借由上述技术方案,本发明提供的一种移动轨迹事件识别方法及装置,可以获得用户的移动轨迹;确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求;如果存在,则确定发生与所述目标区域相关的第一事件。本发明实施例仅通过确定用户的移动轨迹是否存在目标停留轨迹,就可以确定与目标区域相关的第一事件,提高了对第一事件的识别准确率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种移动轨迹事件识别方法的流程示意图;
图2示出了本发明实施例提供的一种图像中二维移动轨迹的说明示意图;
图3示出了本发明实施例提供的一种移动范围的说明示意图;
图4示出了图1中步骤S200在用户的移动轨迹中确定满足预设停留轨迹条件的轨迹的一种具体流程示意图;
图5示出了图1中步骤S200在用户的移动轨迹中确定满足预设停留轨迹条件的轨迹的另一种具体流程示意图;
图6示出了本发明实施例提供的另一种移动轨迹事件识别方法的流程示意图;
图7示出了本发明实施例提供的一种移动轨迹事件识别装置的结构示意图;
图8示出了本发明实施例提供的另一种移动轨迹事件识别装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明实施例提供的一种移动轨迹事件识别方法,可以包括:
S100、获得用户的移动轨迹。
本发明实施例可以预先对目标应用场景进行三维扫描,获得该目标应用场景的三维点云图,再构建体现该目标应用场景对应的平面图与该三维点云图之间投影关系的预设投影矩阵。
其中,目标应用场景可以包括商场、居民楼以及办公楼等。具体的,本发明实施例可以使用现有三维激光扫描仪对目标应用场景进行三维扫描。在实际对目标应用场景进行三维扫描过程中,本发明实施例可以分别对目标应用场景的各个区块进行三维扫描,将各个区块对应的三维点云图按照各个区块之间的关系进行拼接,获得该目标应用场景对应的三维点云图。
本发明实施例可以在该目标应用场景对应的平面图中对目标区域进行标定,进而可以通过预设投影矩阵确定目标区域在三维点云图中的位置。
首先,本发明实施例可以获得图像采集装置采集的图像,其中,该图像采集装置的采集图像视野中包括至少一个目标区域。其中,图像采集装置可以是黑白摄像机、彩色摄像机以及红外线摄像机等。目标区域可以是用户根据需要标定的区域。例如:目标区域可以是商场中的商店、厕所以及办公楼里的会议室、办公室等。图像采集装置在目标应用场景中的安装位置可以与预设投影矩阵对应的三维坐标系中的一个预设目标安装坐标相对应。具体的,本发明实施例可以将图像采集装置部署目标应用场景中的目标区域的出入口上方,且确保该图像采集装置的采集图像视野可以包括至少一个目标区域。例如:本发明实施例可以调整一个图像采集装置的采集图像视野中包括2至3个商店的出入口。
由于图像采集装置采集的图像很多,为了减少计算量,可选的,本发明实施例可以仅获得图像采集装置采集的部分图像。例如:本发明实施例可以周期性获得图像采集装置在周期内采集的一张或多张图像。具体的,本发明实施例可以每隔0.5秒获得该0.5秒内图像采集装置采集的一张图像。
最后,本发明实施例可以对图像采集装置采集的图像中的用户进行识别,根据识别结果获得用户的移动轨迹。
具体的,本发明实施例可以在图像采集装置采集的图像中识别出至少一个用户,接着在不同的图像中对同一用户进行目标跟踪,将同一用户在不同图像上的跟踪结果作为该用户的移动轨迹。可选的,本发明实施例可以使用预先训练好的机器模型对图像采集装置采集的图像中的用户进行识别,对在图像中识别到的用户添加检测框。具体的,该机器模型可以是卷积神经网络模型。本发明实施例可以使用现有的人体识别机器模型或人脸识别机器模型对图像中用户进行识别,识别出图像中用户所在的位置。为了利于可视化操作以及后续图像数据处理的便捷,本发明实施例可以在图像中用户的位置添加检测框,即用户在图像中的位置位于检测框以内。
可选的,本发明实施例可以获得识别到的所述用户的用户图像特征;根据所述用户图像特征进行聚类,根据聚类结果确定所述用户的移动轨迹。
具体的,本发明实施例可以通过预先训练好的图像特征提取器获得用户图像特征。其中,用户图像特征可以包括:颜色特征、纹理特征、形状特征和空间关系特征中的至少一种。在实际应用中,本发明实施例可以通过图像特征提取器获得每个检测框中的用户图像特征,通过行人重识别技术,将各用户图像特征中满足预设相似度要求的用户图像特征进行聚类,使得同一用户在不同图像中的位置进行关联,进而获得各用户的移动轨迹。可以理解的是,满足预设相似度要求的多个用户图像特征均与一个用户对应。本发明实施例可以为各个用户设置不同的身份标识,以便在后续对该不同的用户进行目标跟踪。
可选的,本发明实施例也可以在同一图像采集装置采集的图像中,选择某用户对应的预设检测框数量的检测框,获得这些检测框中的用户图像特征的卷积特征,并根据获得的卷积特征在其他图像采集装置采集的图像中识别出该用户。
本发明实施例可以确定用户在同一图像背景的不同图像中的用户进行识别,进而根据识别结果确定用户在该图像背景中的二维移动轨迹。具体的,本发明实施例可以将检测框中的预设位置点作为用户位置标志点,进而根据在同一图像背景的不同图像中的同一用户的用户位置标志点,确定用户在该图像背景中的二维移动轨迹。
可选的,在通常情况下,在图像中人体双脚与地面的接触点可以视为该人体所处的位置,因此本发明实施例可以将检测框的下边框的中点作为预设位置点,即用户位置标志点。本发明实施例可以将同一用户在同一图像背景的不同图像中的用户位置标志点的连线作为该用户在该图像背景中的二维移动轨迹。为了便于对用户在该图像背景中的二维移动轨迹进行理解,此处结合图2进一步说明:如图2所示,虚线框为同一用户在同一图像背景的不同图像中对应的检测框,这些检测框的下边框的中点(用户位置标志点)连接起来的细实线为该用户在该图像背景中的二维移动轨迹。
本发明实施例可以根据通用的深度图像获取原理,将该二维移动轨迹投影为三维移动轨迹。具体的,本发明实施例可以将户在图像背景中的二维移动轨迹投影至预设投影矩阵对应的三维坐标系中,确定三维移动轨迹。同时,本发明实施例可以根据各图像采集装置对应的预设目标安装坐标,确定该三维移动轨迹在三维点云图中的位置。
可以理解的是,本发明实施例可以以目标应用场景对应的平面图为投影角度,对该三维移动轨迹进行平面投影,进而获得该三维移动轨迹在该投影角度下的二维移动轨迹。需要注意的是,此处在该投影角度下的二维移动轨迹与上述用户在同一图像背景中的二维移动轨迹不同。
可选的,本发明实施例在步骤S100中获得用户的移动轨迹可以是三维移动轨迹,也可以是该三维移动轨迹在以目标应用场景对应的平面图为投影角度下的二维移动轨迹。
S200、确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求,如果存在,则执行步骤S300。
可选的,当确定某一用户的移动轨迹中不存在目标停留轨迹时,本发明实施例可以不再对该移动轨迹进行任何操作。当然,本发明实施例在确定某一用户的移动轨迹中不存在目标停留轨迹时,也可以返回步骤S100,获得其他用户的移动轨迹。
可选的,所述预设停留轨迹条件可以包括:轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
可选的,所述预设停留轨迹条件可以包括:轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,且轨迹的起点之前的相邻轨迹点位于所述预设范围外,且轨迹的终点之后的相邻轨迹点位于所述预设范围外,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
其中,技术人员可以根据实际需要设置预设时长。可选的,预设时长可以为30秒。
为了便于理解,此处结合图3对移动范围和预设范围进行举例说明:如图3所示,细虚线为移动轨迹,粗实线框为移动范围(轨迹的外接矩形),该轨迹(粗实线框中的细虚线)满足在预设时长内的移动范围小于预设范围(即外接矩形的面积小于预设面积)。
其中,预设范围可以是预设面积。本发明实施例可以设置预设面积为9平方米。当预设范围是预设面积时,轨迹的移动范围小于预设范围可以理解为轨迹的移动范围的外接矩形的面积不大于预设面积。
当然,预设范围也可以是预设尺寸。本发明实施例可以设置预设尺寸为3米×3米的矩形。当预设范围是预设尺寸时,轨迹的移动范围小于预设范围可以理解为轨迹的移动范围的外接矩形的尺寸不超出预设尺寸范围。
可选的,所述预设位置要求可以包括:根据移动轨迹中多个坐标点的坐标确定的目标坐标与所述目标区域的距离小于预设距离。
可以理解的是,移动轨迹可以由用户位置标志点连接而来,一个用户位置标志点对应一个坐标点。因此,本发明实施例可以根据各用户位置标志点在预设投影矩阵对应的三维坐标系中对应的坐标点的坐标,确定目标坐标,此时的目标坐标为三维坐标。当然,本发明实施例也可以根据各用户位置标志点在以目标应用场景的平面图为投影角度下的对应的坐标点的坐标,确定目标坐标,此时的目标坐标为二维坐标。
具体的,本发明实施例可以将各坐标点的平均值坐标作为目标坐标。例如:若各坐标点包括(20,20,20)、(30,30,30)、(40,40,40),则目标坐标可以为(45,45,45)。若各坐标点包括(20,20)、(30,30)、(40,40),则目标坐标可以为(45,45)。当然,本发明实施例也可以将移动轨迹中的中心坐标点的坐标作为目标坐标,还可以将移动轨迹中获得时间距离当前时间最接近的坐标点的坐标作为目标坐标。可选的,目标坐标可以为轨迹的移动范围的外接矩形的中心点的坐标。
可以理解的是,目标坐标与目标区域的距离可以是目标坐标与目标区域特征点的坐标的距离。本发明实施例可以对目标区域指定一个目标区域特征点。该目标区域特征点可以是该目标区域的中心点,也可以是该目标区域边界上任意一点。本发明实施例可以将目标坐标至目标区域特征点的坐标的直线距离作为目标坐标与目标区域的距离。可选的,本发明实施例可以将预设距离设置为1米。
可选的,本发明实施例可以首先在用户的三维移动轨迹中确定满足预设停留轨迹条件的部分移动轨迹,再确定该部分移动轨迹对应的以目标应用场景对应的平面图为投影角度下的二维移动轨迹与目标区域的位置关系是否满足预设位置要求,如果是,则确定用户的移动轨迹中存在目标停留轨迹,进而执行步骤S300。当然,本发明实施例也可以首先确定在用户的三维移动轨迹对应的以目标应用场景对应的平面图为投影角度下的二维移动轨迹是否存在与目标区域的位置关系满足预设位置要求的部分移动轨迹,如果存在,则确定该部分移动轨迹对应的三维移动轨迹是否满足预设停留轨迹条件,如果是,则确定用户的移动轨迹中存在目标停留轨迹,进而执行步骤S300。
可以理解的是,本发明实施例也可以根据用户的三维移动轨迹,确定该三维移动轨迹对应的以目标应用场景对应的平面图为投影角度下的二维移动轨迹是否存在与目标区域的位置关系满足预设位置要求的部分移动轨迹。本发明实施例也可以根据用户的三维移动轨迹对应的以目标应用场景对应的平面图为投影角度下的二维移动轨迹,确定该二维移动轨迹中满足预设停留轨迹条件的部分移动轨迹。
可选的,基于图1所示的方法,如图4所示,本发明实施例提供的另一种移动轨迹事件识别方法,步骤S200可以包括:
S210、从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点。
S220、从所述用户的移动轨迹中确定所述初始点之后的结束点,所述结束点与所述初始点之间的轨迹的移动范围小于预设范围,且所述初始点之前的相邻轨迹点位于所述预设范围外,且所述结束点之后的相邻轨迹点位于所述预设范围外。
S230、当所述初始点对应的时刻与所述结束点对应的时刻之间的时间间隔不低于预设时长时,确定所述结束点与所述初始点之间的轨迹满足预设停留轨迹条件。
可选的,基于图1所示的方法,如图5所示,本发明实施例提供的另一种移动轨迹事件识别方法,步骤S200可以包括:
S240、从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
S250、从所述用户的移动轨迹中确定所述初始点之后的当前结束点,所述初始点对应的时刻与所述当前结束点对应的时刻之间的时间间隔为预设时长;
S260、判断所述当前结束点与所述初始点之间的轨迹的移动范围是否小于预设范围,如果是,则执行步骤S270。
可选的,当所述当前结束点与所述初始点之间的轨迹的移动范围不小于预设范围时,本发明实施例可以返回步骤S240,在该用户的移动轨迹中重新确定初始点。
S270、判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围不小于所述预设范围,则执行步骤S280。如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围小于所述预设范围,则执行步骤S290。
S280、确定所述当前结束点与所述初始点之间的轨迹满足所述预设停留轨迹条件。
S290、将所述当前结束点之后的相邻轨迹点确定为当前结束点并返回执行步骤S270。
S300、确定发生与所述目标区域相关的第一事件。
其中,第一事件可以是用户出入目标区域事件。本发明实施例可以通过在用户的移动轨迹中确定满足预设停留轨迹条件且与目标区域的位置关系满足预设位置要求的目标停留轨迹,确定用户在某位置进行停留且该位置与目标区域的距离满足发生与该目标区域相关的第一事件的条件。在实际情况中,本发明实施例可以统计在预设周期范围内发生与该目标区域相关的第一事件的次数。例如:统计在今年5月份发生与该目标区域相关的第一事件的次数。
本发明实施例提供的一种移动轨迹事件识别方法,可以获得用户的移动轨迹;确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求;如果存在,则确定发生与所述目标区域相关的第一事件。本发明实施例仅通过确定用户的移动轨迹是否存在目标停留轨迹,就可以确定与目标区域相关的第一事件,提高了对第一事件的识别准确率。
在理想情况下,一名用户从进入目标应用场景以后,直至该用户离开目标应用场景,本发明实施例获得的该用户的移动轨迹体现的是一段用户从进入目标应用场景至离开目标应用场景连续的轨迹。然而,在实际应用中,由于图像采集装置难以采集到目标应用场景中的各个角落(例如厕所内部、店铺内部等),因此,在移动轨迹获得的时间流上可能会出现用户的移动轨迹中部分轨迹出现缺失的情况,同时,由于当前的目标跟踪技术存在一定程度的鲁棒性问题,也会导致用户的移动轨迹中的部分轨迹出现缺失的情况。
针对上述情况,如图6所示,本发明实施例提供的另一种移动轨迹事件识别方法,在步骤S100之后,所述方法还包括:
S400、当所述移动轨迹的起点与所述目标区域中的目标点具有第一预设位置关系时,确定发生与所述目标区域相关的第二事件。
和/或,S500、当所述移动轨迹的终点与所述目标区域中的目标点具有第二预设位置关系时,确定发生与所述目标区域相关的第三事件。
其中,目标点可以是目标区域特征点,也可以是技术人员根据实际需要在目标区域中设置的其他特征点。
具体的,本发明实施例可以根据移动轨迹的起点与目标区域的目标点的距离,确定移动轨迹的起点与目标区域的目标点是否具有第一预设位置关系。例如:本发明实施例将目标区域的中心点设置为目标点,且该目标点至目标区域的边界最远距离为5米,则本发明实施例可以在移动轨迹的起点与目标区域的目标点的距离小于5米时,确定移动轨迹的起点与目标区域的目标点具有第一预设位置关系。当然,为了避免实际情况引起的误差,本发明实施例也可以在移动轨迹的起点与目标区域的目标点的距离小于7米时,确定移动轨迹的起点与目标区域的目标点具有第一预设位置关系。由此,本发明实施例可以在用户的移动轨迹的起点出现在目标区域内或目标区域外的一定范围内时,确定发生与该目标区域相关的第二事件。
可选的,第一预设位置关系与第二预设位置关系可以相同,也可以不同。因此,本发明实施例可以在用户的移动轨迹的终点出现在目标区域内或目标区域外的一定范围内时,确定发生与该目标区域相关的第三事件。
其中,图6所示仅为多种可执行顺序中的一种。例如:步骤S400和步骤S500可以同时执行,步骤S400可以在步骤S500之前执行。步骤S400和步骤S500可以与步骤S200同时执行或在步骤S200之前执行等。
其中,第二事件可以是用户离开目标区域事件。第三事件可以是用户进入目标区域事件。本发明实施例可以将针对同一目标区域发生的一次第二事件和一次第三事件统计为一次发生与该目标区域相关的第一事件。
可以理解的是,本发明实施例可以通过统计某一目标区域的第一事件发生次数确定该目标区域的人流量,进而便于技术人员根据该目标区域的第一事件发生次数结合需求应用场景进行分析和配置。例如:机场可以通过本发明实施例确定机场各目标区域的第一事件发生次数,将第一事件发生次数大于第一预设次数的目标区域配置饮水机。商场也可以通过本发明实施例确定商场内部各目标区域的第一事件发生次数,对目标区域部署适量的救生应急器材(例如:防毒面具、除颤仪等),在发生紧急情况下,工作人员可以及时使用或分发救生应急器材,保障客户的生命安全。
与上述方法实施例相对应,本发明实施例还提供一种移动轨迹事件识别装置,其结构如图7所示,可以包括:移动轨迹获得单元100、目标停留轨迹确定单元200和第一事件确定单元300。
所述移动轨迹获得单元100,用于获得用户的移动轨迹。
具体的,移动轨迹获得单元100可以用于对图像采集装置采集的图像中的用户进行识别,根据识别结果获得用户的移动轨迹。
可选的,移动轨迹获得单元100获得用户的移动轨迹可以是三维移动轨迹,也可以是该三维移动轨迹在以目标应用场景对应的平面图为投影角度下的二维移动轨迹。
所述目标停留轨迹确定单元200,用于确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求,如果存在,则触发所述第一事件确定单元300。
可选的,所述预设停留轨迹条件,可以包括:
轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
可选的,所述预设停留轨迹条件,可以包括:
轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,且轨迹的起点之前的相邻轨迹点位于所述预设范围外,且轨迹的终点之后的相邻轨迹点位于所述预设范围外,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
可选的,所述预设位置要求,包括:
根据移动轨迹中多个坐标点的坐标确定的目标坐标与所述目标区域的距离小于预设距离。
可选的,本发明实施例提供的另一种移动轨迹事件识别装置,所述目标停留轨迹确定单元200可以包括:第一初始点确定子单元、第一结束点确定子单元和第一停留轨迹确定子单元。
所述第一初始点确定子单元,用于从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点。
所述第一结束点确定子单元,用于从所述用户的移动轨迹中确定所述初始点之后的结束点,所述结束点与所述初始点之间的轨迹的移动范围小于预设范围,且所述初始点之前的相邻轨迹点位于所述预设范围外,且所述结束点之后的相邻轨迹点位于所述预设范围外。
所述第一停留轨迹确定子单元,用于当所述初始点对应的时刻与所述结束点对应的时刻之间的时间间隔不低于预设时长时,确定所述结束点与所述初始点之间的轨迹满足预设停留轨迹条件。
可选的,本发明实施例提供的另一种移动轨迹事件识别装置,所述目标停留轨迹确定单元200可以包括:第二初始点确定子单元、第二结束点确定子单元、第一轨迹移动范围判断子单元、第二轨迹移动范围判断子单元、第二停留轨迹确定子单元、第三结束点确定子单元。
所述第二初始点确定子单元,用于从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点。
所述第二结束点确定子单元,用于从所述用户的移动轨迹中确定所述初始点之后的当前结束点,所述初始点对应的时刻与所述当前结束点对应的时刻之间的时间间隔为预设时长。
所述第一轨迹移动范围判断子单元,用于判断所述当前结束点与所述初始点之间的轨迹的移动范围是否小于预设范围,如果是,则触发所述轨迹移动范围判断子单元。
所述第二轨迹移动范围判断子单元,用于判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围不小于所述预设范围,则触发所述第二停留轨迹确定子单元,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围小于所述预设范围,则触发所述第三结束点确定子单元。
所述第二停留轨迹确定子单元,用于确定所述当前结束点与所述初始点之间的轨迹满足所述预设停留轨迹条件。
所述第三结束点确定子单元,用于将所述当前结束点之后的相邻轨迹点确定为当前结束点并触发所述第二轨迹移动范围判断子单元。
所述第一事件确定单元300,用于确定发生与所述目标区域相关的第一事件。
本发明实施例提供的一种移动轨迹事件识别装置,可以获得用户的移动轨迹;确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求;如果存在,则确定发生与所述目标区域相关的第一事件。本发明实施例仅通过确定用户的移动轨迹是否存在目标停留轨迹,就可以确定与目标区域相关的第一事件,提高了对第一事件的识别准确率。
可选的,基于图7所示的装置,如图8所示,本发明实施例提供的另一种移动轨迹事件识别装置,还可以包括:第二事件确定单元400和第三事件确定单元500。
所述第二事件确定单元400,用于当所述移动轨迹的起点与所述目标区域中的目标点具有第一预设位置关系时,确定发生与所述目标区域相关的第二事件。
所述第三事件确定单元500,用于当所述移动轨迹的终点与所述目标区域中的目标点具有第二预设位置关系时,确定发生与所述目标区域相关的第三事件。
所述移动轨迹事件识别装置包括处理器和存储器,上述移动轨迹获得单元100、目标停留轨迹确定单元200和第一事件确定单元300等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来确定用户的移动轨迹是否存在目标停留轨迹,进而确定与目标区域相关的第一事件,提高了对第一事件的识别准确率。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述移动轨迹事件识别方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述移动轨迹事件识别方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有上述的移动轨迹事件识别方法包括的步骤的程序。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种移动轨迹事件识别方法,其特征在于,包括:
获得用户的移动轨迹;
确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求;
如果存在,则确定发生与所述目标区域相关的第一事件。
2.根据权利要求1所述的方法,其特征在于,所述预设停留轨迹条件,包括:
轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
3.根据权利要求1所述的方法,其特征在于,所述预设停留轨迹条件,包括:
轨迹的持续时长不低于预设时长,且轨迹的移动范围小于预设范围,且轨迹的起点之前的相邻轨迹点位于所述预设范围外,且轨迹的终点之后的相邻轨迹点位于所述预设范围外,其中,所述轨迹的持续时长为轨迹的起始时刻与结束时刻之间的时间间隔。
4.根据权利要求1所述的方法,其特征在于,所述确定所述用户的移动轨迹中是否存在目标停留轨迹,包括:
从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
从所述用户的移动轨迹中确定所述初始点之后的结束点,所述结束点与所述初始点之间的轨迹的移动范围小于预设范围,且所述初始点之前的相邻轨迹点位于所述预设范围外,且所述结束点之后的相邻轨迹点位于所述预设范围外;
当所述初始点对应的时刻与所述结束点对应的时刻之间的时间间隔不低于预设时长时,确定所述结束点与所述初始点之间的轨迹满足预设停留轨迹条件。
5.根据权利要求1所述的方法,其特征在于,所述确定所述用户的移动轨迹中是否存在目标停留轨迹,包括:
从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
从所述用户的移动轨迹中确定所述初始点之后的当前结束点,所述初始点对应的时刻与所述当前结束点对应的时刻之间的时间间隔为预设时长;
判断所述当前结束点与所述初始点之间的轨迹的移动范围是否小于预设范围,如果是,则判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围不小于所述预设范围,则确定所述当前结束点与所述初始点之间的轨迹满足所述预设停留轨迹条件;如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围小于所述预设范围,则将所述当前结束点之后的相邻轨迹点确定为当前结束点并返回执行所述判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围的步骤。
6.根据权利要求1所述的方法,其特征在于,所述预设位置要求,包括:
根据移动轨迹中多个坐标点的坐标确定的目标坐标与所述目标区域的距离小于预设距离。
7.根据权利要求1所述的方法,其特征在于,在所述获得用户的移动轨迹之后,所述方法还包括:
当所述移动轨迹的起点与所述目标区域中的目标点具有第一预设位置关系时,确定发生与所述目标区域相关的第二事件;
和/或,当所述移动轨迹的终点与所述目标区域中的目标点具有第二预设位置关系时,确定发生与所述目标区域相关的第三事件。
8.一种移动轨迹事件识别装置,其特征在于,包括:移动轨迹获得单元、目标停留轨迹确定单元和第一事件确定单元,
所述移动轨迹获得单元,用于获得用户的移动轨迹;
所述目标停留轨迹确定单元,用于确定所述用户的移动轨迹中是否存在目标停留轨迹,其中,所述目标停留轨迹满足预设停留轨迹条件,且所述目标停留轨迹与目标区域的位置关系满足预设位置要求,如果存在,则触发所述第一事件确定单元;
所述第一事件确定单元,用于确定发生与所述目标区域相关的第一事件。
9.根据权利要求8所述的装置,其特征在于,所述目标停留轨迹确定单元包括:第一初始点确定子单元、第一结束点确定子单元和第一停留轨迹确定子单元,
所述第一初始点确定子单元,用于从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
所述第一结束点确定子单元,用于从所述用户的移动轨迹中确定所述初始点之后的结束点,所述结束点与所述初始点之间的轨迹的移动范围小于预设范围,且所述初始点之前的相邻轨迹点位于所述预设范围外,且所述结束点之后的相邻轨迹点位于所述预设范围外;
所述第一停留轨迹确定子单元,用于当所述初始点对应的时刻与所述结束点对应的时刻之间的时间间隔不低于预设时长时,确定所述结束点与所述初始点之间的轨迹满足预设停留轨迹条件。
10.根据权利要求8所述的装置,其特征在于,所述目标停留轨迹确定单元包括:第二初始点确定子单元、第二结束点确定子单元、第一轨迹移动范围判断子单元、第二轨迹移动范围判断子单元、第二停留轨迹确定子单元、第三结束点确定子单元,
所述第二初始点确定子单元,用于从所述用户的移动轨迹中确定初始点,所述初始点为所述用户的移动轨迹的起点,或所述初始点为所述用户的移动轨迹中的、满足所述预设停留轨迹条件的轨迹的终点之后的相邻轨迹点;
所述第二结束点确定子单元,用于从所述用户的移动轨迹中确定所述初始点之后的当前结束点,所述初始点对应的时刻与所述当前结束点对应的时刻之间的时间间隔为预设时长;
所述第一轨迹移动范围判断子单元,用于判断所述当前结束点与所述初始点之间的轨迹的移动范围是否小于预设范围,如果是,则触发所述轨迹移动范围判断子单元;
所述第二轨迹移动范围判断子单元,用于判断所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围是否小于所述预设范围,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围不小于所述预设范围,则触发所述第二停留轨迹确定子单元,如果所述当前结束点之后的相邻轨迹点与所述初始点之间的轨迹的移动范围小于所述预设范围,则触发所述第三结束点确定子单元;
所述第二停留轨迹确定子单元,用于确定所述当前结束点与所述初始点之间的轨迹满足所述预设停留轨迹条件;
所述第三结束点确定子单元,用于将所述当前结束点之后的相邻轨迹点确定为当前结束点并触发所述第二轨迹移动范围判断子单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010397602.0A CN111461077B (zh) | 2020-05-12 | 2020-05-12 | 一种移动轨迹事件识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010397602.0A CN111461077B (zh) | 2020-05-12 | 2020-05-12 | 一种移动轨迹事件识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461077A true CN111461077A (zh) | 2020-07-28 |
CN111461077B CN111461077B (zh) | 2024-01-12 |
Family
ID=71684764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010397602.0A Active CN111461077B (zh) | 2020-05-12 | 2020-05-12 | 一种移动轨迹事件识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461077B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
US20150324694A1 (en) * | 2014-05-09 | 2015-11-12 | Ting Wang | DISCOVERING USER-BEHAVIOR FROM TRAJECTORY-AS-POLYGON (TaP) |
CN106156528A (zh) * | 2016-08-01 | 2016-11-23 | 中国科学院深圳先进技术研究院 | 一种轨迹数据停留识别方法及系统 |
CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
CN107122461A (zh) * | 2017-04-27 | 2017-09-01 | 东软集团股份有限公司 | 一种出行轨迹聚类方法、装置及设备 |
CN109635070A (zh) * | 2019-01-18 | 2019-04-16 | 上海图趣信息科技有限公司 | 一种基于行动轨迹构建用户兴趣画像的方法及其数据更新方法 |
CN109948701A (zh) * | 2019-03-19 | 2019-06-28 | 太原科技大学 | 一种基于轨迹间时空关联性的数据聚类方法 |
CN109947822A (zh) * | 2019-03-19 | 2019-06-28 | 成都市公安科学技术研究所 | 一种行动轨迹模式识别工作状态的方法 |
CN110276020A (zh) * | 2019-04-22 | 2019-09-24 | 阿里巴巴集团控股有限公司 | 识别用户出行目的地的方法和装置 |
CN110309434A (zh) * | 2018-10-10 | 2019-10-08 | 腾讯大地通途(北京)科技有限公司 | 一种轨迹数据处理方法、装置以及相关设备 |
-
2020
- 2020-05-12 CN CN202010397602.0A patent/CN111461077B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607553A (zh) * | 2012-03-06 | 2012-07-25 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
US20150324694A1 (en) * | 2014-05-09 | 2015-11-12 | Ting Wang | DISCOVERING USER-BEHAVIOR FROM TRAJECTORY-AS-POLYGON (TaP) |
CN106156528A (zh) * | 2016-08-01 | 2016-11-23 | 中国科学院深圳先进技术研究院 | 一种轨迹数据停留识别方法及系统 |
CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
CN107122461A (zh) * | 2017-04-27 | 2017-09-01 | 东软集团股份有限公司 | 一种出行轨迹聚类方法、装置及设备 |
CN110309434A (zh) * | 2018-10-10 | 2019-10-08 | 腾讯大地通途(北京)科技有限公司 | 一种轨迹数据处理方法、装置以及相关设备 |
CN109635070A (zh) * | 2019-01-18 | 2019-04-16 | 上海图趣信息科技有限公司 | 一种基于行动轨迹构建用户兴趣画像的方法及其数据更新方法 |
CN109948701A (zh) * | 2019-03-19 | 2019-06-28 | 太原科技大学 | 一种基于轨迹间时空关联性的数据聚类方法 |
CN109947822A (zh) * | 2019-03-19 | 2019-06-28 | 成都市公安科学技术研究所 | 一种行动轨迹模式识别工作状态的方法 |
CN110276020A (zh) * | 2019-04-22 | 2019-09-24 | 阿里巴巴集团控股有限公司 | 识别用户出行目的地的方法和装置 |
Non-Patent Citations (4)
Title |
---|
T. P. NOGUEIRA等: "A statistical method for detecting Move, Stop, and Noise episodes in trajectories", 《COMPUTER SCIENCE》 * |
蔡小路等: "基于速度的轨迹停留点识别算法", 《计算机系统应用》 * |
陈晓鹏: "基于手机时空轨迹数据的用户移动模式分析与研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈略等: "手机信令的时空密度轨迹点识别算法", 《计算机工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111461077B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10621735B2 (en) | Detecting, tracking and counting objects in videos | |
US10372970B2 (en) | Automatic scene calibration method for video analytics | |
CN111753609B (zh) | 一种目标识别的方法、装置及摄像机 | |
US11093762B2 (en) | Method for validation of obstacle candidate | |
US20130243343A1 (en) | Method and device for people group detection | |
EP2450832A1 (en) | Image processing apparatus and image processing method | |
JPH10285581A (ja) | 自動監視装置 | |
US11200406B2 (en) | Customer flow statistical method, apparatus and device | |
CN109934074B (zh) | 行动轨迹确定方法及装置 | |
CN112633096B (zh) | 客流的监测方法、装置、电子设备及存储介质 | |
CN109636828A (zh) | 基于视频图像的物体跟踪方法及装置 | |
CN112634368A (zh) | 场景目标的空间与或图模型生成方法、装置及电子设备 | |
CN114549582A (zh) | 一种轨迹地图生成方法、装置及计算机可读存储介质 | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
US11157728B1 (en) | Person detection and identification using overhead depth images | |
CN113903066A (zh) | 轨迹生成方法、系统、装置及电子设备 | |
CN111461077B (zh) | 一种移动轨迹事件识别方法及装置 | |
CN113536891B (zh) | 一种行人流量统计方法、存储介质及电子设备 | |
Lim et al. | On vehicle state tracking for long-term carpark video surveillance | |
JP7203277B2 (ja) | 車両ナンバープレートの認識率をモニタリングする方法及び装置、並びにコンピュータ読み取り可能な格納媒体 | |
CN110956644B (zh) | 一种运动轨迹确定方法及系统 | |
CN111882656A (zh) | 基于人工智能的图形处理方法、设备及存储介质 | |
Setia et al. | Co-operative pedestrians group tracking in crowded scenes using an mst approach | |
CN111008580A (zh) | 一种基于园区智慧安防的人体行为分析方法及装置 | |
CN113515986A (zh) | 视频处理、数据处理方法及设备 |
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 |