CN111751850A - 一种基于机器学习的建筑物入口检测方法及移动终端 - Google Patents
一种基于机器学习的建筑物入口检测方法及移动终端 Download PDFInfo
- Publication number
- CN111751850A CN111751850A CN201910853510.6A CN201910853510A CN111751850A CN 111751850 A CN111751850 A CN 111751850A CN 201910853510 A CN201910853510 A CN 201910853510A CN 111751850 A CN111751850 A CN 111751850A
- Authority
- CN
- China
- Prior art keywords
- time window
- positioning data
- positioning
- building
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明实施例公开了一种基于机器学习的建筑物入口检测方法及移动终端,该方法包括:在移动终端出入建筑物过程中,利用移动终端的GPS对应于预设时间轴上的每一个时间窗口获取定位数据;利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果,该分析结果用于指示所述时间窗口对应的定位数据所指示的定位位置是否为建筑物入口,能够实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。
Description
技术领域
本发明涉及定位技术领域,具体涉及一种基于机器学习的建筑物入口检测方法及移动终端。
背景技术
建筑物的入口是室内室外交界的区域,在定位时需要在地图上清晰地标注建筑物的入口,因此,常常需要确定出建筑物的入口坐标,进而在地图上进行标记。目前大部分室内室外判断方法为单点判断,普通利用室内室外的一些差异性特征,比如光频闪、地磁等进行判断识别,但是这些判断方法在建筑物入口的表现较差,常常室内室外区分不开,因而不能准确找出建筑物的入口位置,影响定位准确率。
发明内容
本发明实施例公开了一种基于机器学习的建筑物入口检测方法及移动终端,用于提高建筑物入口的检测准确率,从而提高定位准确率。
本发明实施例第一方面公开一种基于机器学习的建筑物入口检测方法,可包括:
在移动终端出入建筑物过程中,利用所述移动终端的全球定位系统(GlobalPositioning System,GPS)对应于预设时间轴上的每一个时间窗口获取定位数据;
利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果,所述分析结果用于指示所述时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
作为一种可选的实施方式,在本发明实施例第一方面中,所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,所述方法还包括:
当只有一个所述分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取所述第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。
作为一种可选的实施方式,在本发明实施例第一方面中,所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,所述方法还包括:
当连续n个所述时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得所述n个所述第二目标定位数据,并从所述n个所述第二目标定位数据中按序选取第m个所述第二目标定位数据作为待确定定位数据,将所述待确定定位数据对应的定位位置确定为建筑物入口,以及获取所述待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,所述n为大于等于零且小于等于时间窗口数量的正整数,所述m为大于等于零且小于等于n的正整数。
作为一种可选的实施方式,在本发明实施例第一方面中,所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之前,所述方法还包括:
根据每一个所述时间窗口的定位数据,获得所述时间窗口对应的GPS定位精度值;
根据每一个所述时间窗口对应的所述GPS定位精度值,获得所述时间窗口对应的特征信息,所述特征信息至少包括频域信息、时域信息、以及时频域信息;
所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果,包括:
将每个所述特征信息输入已训练得到的分类器,获得所述时间窗口对应的分析结果。
作为一种可选的实施方式,在本发明实施例第一方面中,所述分类器的训练方法包括:
收集建筑物入口样本及非建筑物入口样本,每一个所述建筑物入口样本至少包括在建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第一定位数据样本,所述非建筑物入口样本至少包括在非建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第二定位数据样本;
根据每一个所述时间窗口对应的第一定位数据样本,获得所述时间窗口对应的第一GPS定位精度样本,根据每一个所述时间窗口对应的第二定位数据样本,获得所述时间窗口对应的第二GPS定位精度样本;
根据每一个所述时间窗口的所述第一GPS定位精度样本,获得所述时间窗口对应的第一特征信息样本,以及根据每一个所述时间窗口的所述第二GPS定位精度样本获得第二特征信息样本;所述第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,所述第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;
以所述第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以所述第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得所述分类器。
本发明实施例第二方面公开了一种移动终端,可包括:
定位单元,用于在所述移动终端出入建筑物过程中,利用所述移动终端的全球定位系统GPS对应于预设时间轴上的每一个时间窗口获取定位数据;
分类处理单元,用于利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果,所述分析结果用于指示所述时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
作为一种可选的实施方式,在本发明实施例第二方面中,所述移动终端还包括:
第一获取单元,用于在所述分类处理单元利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,当只有一个所述分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取所述第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。
作为一种可选的实施方式,在本发明实施例第二方面中,所述移动终端还包括:
第二获取单元,用于在所述分类处理单元利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,当连续n个所述时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得所述n个所述第二目标定位数据,并从所述n个所述第二目标定位数据中按序选取第m个所述第二目标定位数据作为待确定定位数据,将所述待确定定位数据对应的定位位置确定为建筑物入口,以及获取所述待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,所述n为大于等于零且小于等于时间窗口数量的正整数,所述m为大于等于零且小于等于n的正整数。
作为一种可选的实施方式,在本发明实施例第二方面中,所述移动终端还包括:第三获取单元,用于在所述分类处理单元利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之前,根据每一个所述时间窗口的定位数据,获得所述时间窗口对应的GPS定位精度值;以及,根据每一个所述时间窗口对应的所述GPS定位精度值,获得所述时间窗口对应的特征信息,所述特征信息至少包括频域信息、时域信息、以及时频域信息;
所述分类处理单元,具体用于将每个所述特征信息输入已训练得到的分类器,获得所述时间窗口对应的分析结果。
作为一种可选的实施方式,在本发明实施例第二方面中,所述移动终端还包括:
机器学习单元,用于收集建筑物入口样本及非建筑物入口样本,每一个所述建筑物入口样本至少包括在建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第一定位数据样本,所述非建筑物入口样本至少包括在非建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第二定位数据样本;以及,根据每一个所述时间窗口对应的第一定位数据样本,获得所述时间窗口对应的第一GPS定位精度样本,根据每一个所述时间窗口对应的第二定位数据样本,获得所述时间窗口对应的第二GPS定位精度样本;以及,根据每一个所述时间窗口的所述第一GPS定位精度样本,获得所述时间窗口对应的第一特征信息样本,以及根据每一个所述时间窗口的所述第二GPS定位精度样本获得第二特征信息样本;所述第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,所述第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;以及,以所述第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以所述第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得所述分类器。
本发明实施例第三方面公开了一种移动终端,可包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的一种基于机器学习的建筑物入口检测方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种基于机器学习的建筑物入口检测方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
在本发明实施例中,在移动终端出入建筑物过程中,利用GPS对应于预设时间轴上的每一个时间窗口获取定位数据,然后利用已训练得到的分类器对每一个时间窗口的定位数据进行分析,获得相应的分析结果,该分析结果用于指示时间窗口对应的定位数据所指示的定位位置是否为建筑物入口,可以看出,在本发明实施例中,通过机器学习训练得到的分类器,进行建筑物入口识别,实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明一实施例公开的基于机器学习的建筑物入口检测方法的流程示意图;
图2为本发明另一实施例公开的基于机器学习的建筑物入口检测方法的流程示意图;
图3为本发明一实施例公开的移动终端的结构示意图;
图4为本发明另一实施例公开的移动终端的结构示意图;
图5为本发明又一实施例公开的移动终端的结构示意图;
图6为本发明实施例公开的出入建筑物时GPS定位精度变化曲线示意图。
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,显然,所描述的实施例仅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。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种基于机器学习的建筑物入口检测方法,用于实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。本发明实施例还相应地公开了一种移动终端。
其中,本发明实施例涉及的移动终端可以是指向用户提供语音、视频或数据连通性的设备、具有无线连接功能的手持式设备、或连接到无线调制解调器的其它处理设备。移动终端可以经无线接入网(Radio Access Network,RAN)与一个或多个核心网进行通信,如移动电话(或称为“蜂窝”电话)和具有移动终端特性的计算机,例如,可以是便携式,袖珍式,手持式,计算机内置的或车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话,无绳电话,会话发起协议(Session Initiation Protocol,SIP)话机,无线本地环路(wireless local loop,WLL)站,个人数字助理(Personal Digital Assistant,PDA)等设备。移动终端也可以称为系统,订户单元(Subscriber Unit,SU),订户站(subscriber station,SS),移动站(mobilestation,MS),远程站(remote station,RS),接入点(access point,AP),远端设备(remoteterminal,RT),接入终端(access terminal,AT),用户终端(user terminal,UT),用户代理(user agent,UA),用户设备,或用户装备(user equipment,UE)。或者移动终端还可以是可穿戴设备,例如智能手表、智能手环等。
更进一步地,移动终端的操作系统包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、Black Berry(黑莓)操作系统、Windows Phone8操作系统等等。
下面将从移动终端的角度出发,结合具体实施例对本发明技术方案进行详细介绍。
实施例一
请参阅图1,图1为本发明一实施例公开的基于机器学习的建筑物入口检测方法的流程示意图;如图1所示,该基于机器学习的建筑物入口检测方法可包括:
101、移动终端在出入建筑物过程中,利用GPS对应于预设时间轴上的每一个时间窗口获取定位数据。
其中,定位数据可以是定位报文,至少包括搜星数量、信号强度以及卫星分布信息等等。
本发明实施例的实现场景包括但不仅限于以下两种:
A1:测试员通过携带移动终端出入建筑物,检测建筑物入口,以建立建筑物入口指纹库,为建筑物入口的准确定位提供良好依据。可选地,移动终端在用户的操作下,开启某一定位软件(如百度地图、高德地图或者谷歌地图等)进行定位,在定位到建筑物后,进一步利用GPS对应于预设时间轴上的每一个时间窗口获取定位数据。
A2:用户在日常定位或者日常使用时,可以开启自动识别建筑物入口功能,能够在用户出入建筑物入口时,自动识别出建筑物入口,以建立建筑物入口指纹库,为定位用户的位置提供准确性依据。
可选地,移动终端中内置低功耗GPS芯片,能够在连续定位时也不会过于消耗移动终端功耗,提高移动终端的续航时间。
需要说明的是,预设时间轴包括多个时间窗口,其中,时间窗口的数量以及时间窗口对应的时长通过实验测量确定。在步骤101中,基于预设时间轴的多个时间窗口,能够通过GPS连续定位,获得若干连续的定位数据。进一步地,由于GPS连续定位,对应着连续定位周期,因此,一个时间窗口对应着至少一个定位数据。例如,GPS每隔一秒定位一次,如果时间窗口对应的时长为10秒,那么一个时间窗口将有10个定位数据。
102、移动终端利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果,该分析结果用于指示时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
需要说明的是,在利用分类器对定位数据进行分析时,是以一个时间窗口为单位进行分析的,即一次分析,是对一个时间窗口的所有定位数据进行分析,因此,一个时间窗口对应一个分析结果,一个分析结果仅仅指示出在对应的时间窗口下获取的定位数据所指示的定位位置是否为建筑物入口。
其中,更多有关于分类器的说明将在后面实施例二中介绍,在此不再赘述。
在本发明实施例中,在利用分类器对每一个时间窗口的定位数据进行分析,获得指示定位数据所指示的定位位置是否为建筑物入口的分析结果之后,在一种可选的实施方式中,当只有一个分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。可以理解,在该实施方式中,分析了预设时间轴的所有时间窗口对应的定位数据,只有一个时间窗口对应的定位数据所指示的定位位置为建筑物入口,那么将获取该定位数据所指示的定位位置的经纬度坐标,并存储至建筑物入口指纹库,以形成建筑物入口指纹库,为后续的定位提供准确依据。
进一步可选地,移动终端将获取该定位数据所指示的定位位置的经纬度坐标对应的目标建筑物入口名称,然后将经纬度坐标与目标建筑物入口名称关联存储至建筑物入口指纹库中。
更进一步可选地,移动终端在获取该定位数据所指示的定位位置的经纬度坐标之后,将经纬度坐标发送给定位引擎服务器,定位引擎服务器根据建筑物名称查找到目标建筑物的信息,获取该经纬度坐标对应的建筑物入口名称,然后将该经纬度坐标与建筑物入口名称关联存储至建筑物入口指纹库。
在另一种可选的实施方式中,在利用分类器对每一个时间窗口的定位数据进行分析,获得指示定位数据所指示的定位位置是否为建筑物入口的分析结果之后,当连续n个时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得n个第二目标定位数据,并从n个第二目标定位数据中按序选取第m个第二目标定位数据作为待确定定位数据,将待确定定位数据对应的定位位置确定为建筑物入口,以及获取待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,该n为大于等于零且小于等于时间窗口数量的正整数,m为大于等于零且小于等于n的正整数。在该实施方式中,预设时间轴上有n个时间窗口的定位数据经分析后所指示的定位位置为建筑物入口,该n个时间窗口是连续的,例如,预设时间轴包括10个时间窗口,其中,第3个时间窗口至第7个时间窗口的定位数据经分析后指示所定位的定位位置为建筑物入口,那么从第3个时间窗口至第7个时间窗口中选择出一个时间窗口对应的定位数据作为待确定定位数据,可以优选第5个时间窗口或者第6个时间窗口对应的定位数据作为待确定定位数据。最后,将获取该待确定定位数据所指示的定位位置的经纬度坐标,并存储至建筑物入口指纹库,以形成建筑物入口指纹库,为后续的定位提供准确依据。
实施上述实施例,在移动终端出入建筑物过程中,利用GPS对应于预设时间轴上的每一个时间窗口获取定位数据,即一个时间窗口对应一个定位数据,然后利用已训练得到的分类器对每一个时间窗口的定位数据进行分析,获得相应的分析结果,该分析结果用于指示时间窗口对应的定位数据所指示的定位位置是否为建筑物入口,可以看出,在本发明实施例中,通过机器学习训练得到的分类器,进行建筑物入口识别,实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。
实施例二
请参阅图2,图2为本发明另一实施例公开的基于机器学习的建筑物入口检测方法的流程示意图;如图2所示,该基于机器学习的建筑物入口检测方法可包括:
201、移动终端在出入建筑物过程中,利用GPS对应于预设时间轴上的每一个时间窗口获取定位数据。
其中,定位数据可以是定位报文,至少包括搜星数量、信号强度以及卫星分布信息等等。
202、移动终端根据每一个时间窗口的定位数据,获得该时间窗口对应的GPS定位精度值。
移动终端根据定位数据,计算出GPS定位精度值。需要说明的是,一个时间窗口内会获得多个定位数据,因而,计算得到的GPS定位精度值也是多个,即一个定位数据得到一个GPS定位精度值。
请结合图6,图6为本发明实施例公开的出入建筑物时GPS定位精度变化曲线示意图。从图6可以看出,如果在建筑物外(室外)通过GPS连续定位到建筑物内(室内)的过程中,GPS定位精度随着与室内距离的变化而不断变化,在建筑物外(即室外)时,GPS信号因为受到的遮挡较少,定位精度比较高,并在建筑物入口位置这个拐点处定位精度开始发生较大变化,而在经过建筑物入口位置后,GPS定位精度不断降低,直至搜不到GPS信号。而从建筑物内(室内)通过GPS连续定位到建筑物外(室外)的过程与上述过程刚好相反,具体可以参阅图6所示的GPS定位精度变化曲线。因此,在本发明实施例中,能够对连续时间内GPS定位精度值的判断,并结合多个连续时间进一步准确地确定是否为建筑物入口。
203、移动终端根据每一个时间窗口对应的GPS定位精度值,获得该时间窗口对应的特征信息,该特征信息至少包括频域信息、时域信息、以及时频域信息。
可以理解,一个时间窗口内,某GPS定位精度值对应的时域信息、时频域信息,是根据该GPS定位精度值以及其前后的GPS定位精度值计算得到。
可选地,上述时域信息包括但不仅限于方差、均值、标准差、四分位距、均方根值、熵、以及偏度与峰值等。
进一步可选地,上述频域信息包括但不仅限于离散快速傅里叶变换、离散余弦变换、频谱质心、频谱能量、频谱熵/能量等。
进一步可选地,上述时频域信息包括但不仅限于小波系数。
进一步可选地,上述特征信息还可以包括时域数据形状,以及其它特征,如信号幅度区、轴间相关系数等。
204、移动终端将每个特征信息输入已训练得到的分类器,获得该时间窗口对应的分析结果。
可以理解,已训练好的分类器能够直接根据特征信息识别是否为建筑物入口,因此,在本发明实施例中,基于已训练好的分类器,将一个时间窗口的特征信息作为分类器的输入,直接输入到分类器,得到该时间窗口对应的分析结果。
作为一种可选的实施方式,分类器的训练方法可包括:
收集建筑物入口样本及非建筑物入口样本,每一个建筑物入口样本至少包括在建筑物入口针对预设时间轴上的每一个时间窗口获取的第一定位数据样本,该非建筑物入口样本至少包括在非建筑物入口针对预设时间轴上的每一个时间窗口获取的第二定位数据样本;
根据每一个时间窗口对应的第一定位数据样本,获得时间窗口对应的第一GPS定位精度样本,根据每一个时间窗口对应的第二定位数据样本,获得时间窗口对应的第二GPS定位精度样本;
根据每一个时间窗口的第一GPS定位精度样本,获得时间窗口对应的第一特征信息样本,以及根据每一个时间窗口的第二GPS定位精度样本获得第二特征信息样本;该第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,该第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;
以第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得分类器。
进一步地,以第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得分类器,具体可以是采用决策树、支持向量机(SupportVector Machine,SVM)等机器学习方式,在此不再赘述。
在上述实施方式中,收集海量的建筑物入口样本及非建筑物入口样本,其中,建筑物入口样本和非建筑物入口也是根据预设时间轴采集的,即一个建筑物入口样本包括预设时间轴上的每一个时间窗口对应的定位数据,一个非建筑物入口样本包括预设时间轴上的每一个时间窗口对应的定位数据。在分类器训练时,首先,先根据时间窗口的第一定位数据样本获得第一GPS定位精度样本,进一步地,根据第一GPS定位精度样本获得第一特征信息样本,由于第一特征信息样本是已知的,而该第一特征信息样本对应的是建筑物入口,将第一特征信息样本作为输入,而用于指示为建筑物入口的第一分析结果样本作为输出,从而得到分类器用于识别为建筑物入口的参数,并经过海量的反复训练,以精确化该参数。同样地,对于用于识别不是建筑物入口的参数的训练,先根据时间窗口的第二定位数据样本获得第二GPS定位精度样本,进一步地,根据第二GPS定位精度样本获得第二特征信息样本,由于第二特征信息样本是已知的,而该第二特征信息样本对应的不是建筑物入口,将第二特征信息样本作为输入,而用于指示不是建筑物入口的第二分析结果样本作为输出,从而得到分类器用于识别不是建筑物入口的参数,并经过海量的反复训练,以精确化该参数。最后,将两部分参数结合起来就可以获得用于识别是否为建筑物入口的分类器参数,即训练得到上述分类器。
可选地,由于分类器的训练需要的运算量比较大,且需要消耗较大的内存,为了不给移动终端造成负担,在本发明实施例中,分类器的训练可以在服务器上完成,然后移动终端从服务器上下载。
实施上述实施例,移动终端获得定位数据之后,会根据定位数据获得GPS定位精度,然后从GPS定位精度进一步获得特征信息,然后将特征信息输入通过机器学习训练得到的分类器,进行建筑物入口识别,实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。
实施例三
请参阅图3,图3为本发明一实施例公开的移动终端的结构示意图;如图3所示,该移动终端可包括:
定位单元310,用于在移动终端出入建筑物过程中,利用移动终端的GPS对应于预设时间轴上的每一个时间窗口获取定位数据;
分类处理单元320,用于利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果,该分析结果用于指示时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
实施上述移动终端,通过机器学习训练得到的分类器,进行建筑物入口识别,实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。
实施例四
请参阅图4,图4为本发明另一实施例公开的移动终端的结构示意图;图4所示的移动终端是在图3所示的移动终端的基础上进行优化得到的,在图4中,移动终端还包括:第一获取单元410、第二获取单元420、第三获取单元430和机器学习单元440。
其中,在一些可选的实施方式中,上述第一获取单元410用于在上述分类处理单元320利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果之后,当只有一个分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。
在上述实施方式中,分析了预设时间轴的所有时间窗口对应的定位数据,只有一个时间窗口对应的定位数据所指示的定位位置为建筑物入口,那么将获取该定位数据所指示的定位位置的经纬度坐标,并存储至建筑物入口指纹库,以形成建筑物入口指纹库,为后续的定位提供准确依据。
进一步可选地,第一获取单元410还将获取该定位数据所指示的定位位置的经纬度坐标对应的目标建筑物入口名称,然后将经纬度坐标与目标建筑物入口名称关联存储至建筑物入口指纹库中。
更进一步可选地,第一获取单元410在获取该定位数据所指示的定位位置的经纬度坐标之后,将经纬度坐标发送给定位引擎服务器,定位引擎服务器根据建筑物名称查找到目标建筑物的信息,获取该经纬度坐标对应的建筑物入口名称,然后将该经纬度坐标与建筑物入口名称关联存储至建筑物入口指纹库。
在另一些可选的实施方式中,上述第二获取单元420,用于在上述分类处理单元320利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果之后,当连续n个时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得n个所述第二目标定位数据,并从n个第二目标定位数据中按序选取第m个第二目标定位数据作为待确定定位数据,将待确定定位数据对应的定位位置确定为建筑物入口,以及获取待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,该n为大于等于零且小于等于时间窗口数量的正整数,该m为大于等于零且小于等于n的正整数。
在上述实施方式中,预设时间轴上有n个时间窗口的定位数据经分析后所指示的定位位置为建筑物入口,该n个时间窗口是连续的,例如,预设时间轴包括10个时间窗口,其中,第3个时间窗口至第7个时间窗口的定位数据经分析后指示所定位的定位位置为建筑物入口,那么从第3个时间窗口至第7个时间窗口中选择出一个时间窗口对应的定位数据作为待确定定位数据,可以优选第5个时间窗口或者第6个时间窗口对应的定位数据作为待确定定位数据。最后,将获取该待确定定位数据所指示的定位位置的经纬度坐标,并存储至建筑物入口指纹库,以形成建筑物入口指纹库,为后续的定位提供准确依据。
进一步可选地,第二获取单元420还将获取该待确定定位数据所指示的定位位置的经纬度坐标对应的目标建筑物入口名称,然后将经纬度坐标与目标建筑物入口名称关联存储至建筑物入口指纹库中。
更进一步可选地,第二获取单元420在获取该待确定定位数据所指示的定位位置的经纬度坐标之后,将经纬度坐标发送给定位引擎服务器,定位引擎服务器根据建筑物名称查找到目标建筑物的信息,获取该经纬度坐标对应的建筑物入口名称,然后将该经纬度坐标与建筑物入口名称关联存储至建筑物入口指纹库。
在另一些可选的实施方式中,上述第三获取单元430,用于在上述分类处理单元320利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果之前,根据每一个时间窗口的定位数据,获得时间窗口对应的GPS定位精度值;以及,根据每一个时间窗口对应的GPS定位精度值,获得时间窗口对应的特征信息,该特征信息至少包括频域信息、时域信息、以及时频域信息;
上述分类处理单元320,具体用于将每个特征信息输入已训练得到的分类器,获得时间窗口对应的分析结果。
通过上述实施方式,移动终端获得定位数据之后,会根据定位数据获得GPS定位精度,然后从GPS定位精度进一步获得特征信息,然后将特征信息输入通过机器学习训练得到的分类器,进行建筑物入口识别,实现移动终端自动识别建筑物入口,以建立建筑物入口指纹库,为建筑物入口的定位提供准确可靠的依据。
作为一种可选的实施方式,上述机器学习单元440,用于收集建筑物入口样本及非建筑物入口样本,每一个建筑物入口样本至少包括在建筑物入口针对预设时间轴上的每一个时间窗口获取的第一定位数据样本,非建筑物入口样本至少包括在非建筑物入口针对预设时间轴上的每一个时间窗口获取的第二定位数据样本;以及,根据每一个时间窗口对应的第一定位数据样本,获得时间窗口对应的第一GPS定位精度样本,根据每一个时间窗口对应的第二定位数据样本,获得时间窗口对应的第二GPS定位精度样本;以及,根据每一个时间窗口的第一GPS定位精度样本,获得时间窗口对应的第一特征信息样本,以及根据每一个时间窗口的所述第二GPS定位精度样本获得第二特征信息样本;第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;以及,以第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得分类器。
在上述实施方式中,收集海量的建筑物入口样本及非建筑物入口样本,其中,建筑物入口样本和非建筑物入口也是根据预设时间轴采集的,即一个建筑物入口样本包括预设时间轴上的每一个时间窗口对应的定位数据,一个非建筑物入口样本包括预设时间轴上的每一个时间窗口对应的定位数据。在分类器训练时,首先,先根据时间窗口的第一定位数据样本获得第一GPS定位精度样本,进一步地,根据第一GPS定位精度样本获得第一特征信息样本,由于第一特征信息样本是已知的,而该第一特征信息样本对应的是建筑物入口,将第一特征信息样本作为输入,而用于指示为建筑物入口的第一分析结果样本作为输出,从而得到分类器用于识别为建筑物入口的参数,并经过海量的反复训练,以精确化该参数。同样地,对于用于识别不是建筑物入口的参数的训练,先根据时间窗口的第二定位数据样本获得第二GPS定位精度样本,进一步地,根据第二GPS定位精度样本获得第二特征信息样本,由于第二特征信息样本是已知的,而该第二特征信息样本对应的不是建筑物入口,将第二特征信息样本作为输入,而用于指示不是建筑物入口的第二分析结果样本作为输出,从而得到分类器用于识别不是建筑物入口的参数,并经过海量的反复训练,以精确化该参数。最后,将两部分参数结合起来就可以获得用于识别是否为建筑物入口的分类器参数,即训练得到上述分类器。
实施例五
请参阅图5,图5为本发明又一实施例公开的移动终端的结构示意图;图5所示的电子设备可包括:至少一个处理器510,例如CPU,通信总线530用于实现这些组件之间的通信连接。存储器520可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器520可选的还可以是至少一个位于远离前述处理器510的存储装置。其中,处理器510可以结合图3至图4所描述的电子设备,存储器510中存储一组程序代码,且处理器510调用存储器520中存储的程序代码,用于执行以下操作:
在移动终端出入建筑物过程中,利用移动终端的全球定位系统GPS对应于预设时间轴上的每一个时间窗口获取定位数据;利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果,该分析结果用于指示时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
作为一种可选的实施方式,上述处理器510还用于处理以下步骤:
在利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果之后,当只有一个分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。
作为一种可选的实施方式,上述处理器510还用于处理以下步骤:
在利用已训练得到的分类器对时间窗口对应的定位数据进行分析,获得时间窗口对应的分析结果之后,当连续n个时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得n个所述第二目标定位数据,并从n个第二目标定位数据中按序选取第m个第二目标定位数据作为待确定定位数据,将待确定定位数据对应的定位位置确定为建筑物入口,以及获取待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,n为大于等于零且小于等于时间窗口数量的正整数,m为大于等于零且小于等于n的正整数。
作为一种可选的实施方式,上述处理器510还用于处理以下步骤:
根据每一个时间窗口的定位数据,获得时间窗口对应的GPS定位精度值;根据每一个时间窗口对应的GPS定位精度值,获得时间窗口对应的特征信息,该特征信息至少包括频域信息、时域信息、以及时频域信息;
以及,将每个特征信息输入已训练得到的分类器,获得时间窗口对应的分析结果。
作为一种可选的实施方式,上述处理器510还用于处理以下步骤:
收集建筑物入口样本及非建筑物入口样本,每一个建筑物入口样本至少包括在建筑物入口针对预设时间轴上的每一个时间窗口获取的第一定位数据样本,非建筑物入口样本至少包括在非建筑物入口针对预设时间轴上的每一个时间窗口获取的第二定位数据样本;以及,根据每一个时间窗口对应的第一定位数据样本,获得时间窗口对应的第一GPS定位精度样本,根据每一个时间窗口对应的第二定位数据样本,获得时间窗口对应的第二GPS定位精度样本;以及,根据每一个时间窗口的第一GPS定位精度样本,获得时间窗口对应的第一特征信息样本,以及根据每一个时间窗口的第二GPS定位精度样本获得第二特征信息样本;第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;以第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得分类器。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行图1至图2公开的一种基于机器学习的建筑物入口检测方法。
本发明实施例还公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1至图2公开的任意一种方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1至图2公开的任意一种方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种基于机器学习的建筑物入口检测方法及移动终端进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于机器学习的建筑物入口检测方法,其特征在于,包括:
在移动终端出入建筑物过程中,利用所述移动终端的全球定位系统GPS对应于预设时间轴上的每一个时间窗口获取定位数据;
利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果,所述分析结果用于指示所述时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
2.根据权利要求1所述的方法,其特征在于,所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,所述方法还包括:
当只有一个所述分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取所述第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。
3.根据权利要求1所述的方法,其特征在于,所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,所述方法还包括:
当连续n个所述时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得所述n个所述第二目标定位数据,并从所述n个所述第二目标定位数据中按序选取第m个所述第二目标定位数据作为待确定定位数据,将所述待确定定位数据对应的定位位置确定为建筑物入口,以及获取所述待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,所述n为大于等于零且小于等于时间窗口数量的正整数,所述m为大于等于零且小于等于n的正整数。
4.根据权利要求1所述的方法,其特征在于,所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之前,所述方法还包括:
根据每一个所述时间窗口的定位数据,获得所述时间窗口对应的GPS定位精度值;
根据每一个所述时间窗口对应的所述GPS定位精度值,获得所述时间窗口对应的特征信息,所述特征信息至少包括频域信息、时域信息、以及时频域信息;
所述利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果,包括:
将每个所述特征信息输入已训练得到的分类器,获得所述时间窗口对应的分析结果。
5.根据权利要求1所述的方法,其特征在于,所述分类器的训练方法包括:
收集建筑物入口样本及非建筑物入口样本,每一个所述建筑物入口样本至少包括在建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第一定位数据样本,所述非建筑物入口样本至少包括在非建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第二定位数据样本;
根据每一个所述时间窗口对应的第一定位数据样本,获得所述时间窗口对应的第一GPS定位精度样本,根据每一个所述时间窗口对应的第二定位数据样本,获得所述时间窗口对应的第二GPS定位精度样本;
根据每一个所述时间窗口的所述第一GPS定位精度样本,获得所述时间窗口对应的第一特征信息样本,以及根据每一个所述时间窗口的所述第二GPS定位精度样本获得第二特征信息样本;所述第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,所述第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;
以所述第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以所述第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得所述分类器。
6.一种移动终端,其特征在于,包括:
定位单元,用于在所述移动终端出入建筑物过程中,利用所述移动终端的全球定位系统GPS对应于预设时间轴上的每一个时间窗口获取定位数据;
分类处理单元,用于利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果,所述分析结果用于指示所述时间窗口对应的定位数据所指示的定位位置是否为建筑物入口。
7.根据权利要求6所述的移动终端,其特征在于,所述移动终端还包括:
第一获取单元,用于在所述分类处理单元利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,当只有一个所述分析结果指示为建筑物入口时,将指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第一目标定位数据,并获取所述第一目标定位数据所指示的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库。
8.根据权利要求6所述的移动终端,其特征在于,所述移动终端还包括:
第二获取单元,用于在所述分类处理单元利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之后,当连续n个所述时间窗口对应的分析结果均指示为建筑物入口时,将每一个指示为建筑物入口的分析结果对应的时间窗口对应的定位数据确定为第二目标定位数据,获得所述n个所述第二目标定位数据,并从所述n个所述第二目标定位数据中按序选取第m个所述第二目标定位数据作为待确定定位数据,将所述待确定定位数据对应的定位位置确定为建筑物入口,以及获取所述待确定定位数据对应的定位位置的经纬度坐标,将获得的经纬度坐标存储至建筑物入口指纹库,其中,所述n为大于等于零且小于等于时间窗口数量的正整数,所述m为大于等于零且小于等于n的正整数。
9.根据权利要求6所述的移动终端,其特征在于,所述移动终端还包括:
第三获取单元,用于在所述分类处理单元利用已训练得到的分类器对所述时间窗口对应的定位数据进行分析,获得所述时间窗口对应的分析结果之前,根据每一个所述时间窗口的定位数据,获得所述时间窗口对应的GPS定位精度值;以及,根据每一个所述时间窗口对应的所述GPS定位精度值,获得所述时间窗口对应的特征信息,所述特征信息至少包括频域信息、时域信息、以及时频域信息;
所述分类处理单元,具体用于将每个所述特征信息输入已训练得到的分类器,获得所述时间窗口对应的分析结果。
10.根据权利要求6所述的移动终端,其特征在于,所述移动终端还包括:
机器学习单元,用于收集建筑物入口样本及非建筑物入口样本,每一个所述建筑物入口样本至少包括在建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第一定位数据样本,所述非建筑物入口样本至少包括在非建筑物入口针对所述预设时间轴上的每一个所述时间窗口获取的第二定位数据样本;以及,根据每一个所述时间窗口对应的第一定位数据样本,获得所述时间窗口对应的第一GPS定位精度样本,根据每一个所述时间窗口对应的第二定位数据样本,获得所述时间窗口对应的第二GPS定位精度样本;以及,根据每一个所述时间窗口的所述第一GPS定位精度样本,获得所述时间窗口对应的第一特征信息样本,以及根据每一个所述时间窗口的所述第二GPS定位精度样本获得第二特征信息样本;所述第一特征信息样本至少包括频域样本、时域样本、以及时频域样本,所述第二特征信息样本至少包括频域样本、时域样本、以及时频域样本;以及,以所述第一特征信息样本作为输入及以指示为建筑物入口的第一分析结果样本作为输出、以及以所述第二特征信息样本作为输入及以指示为非建筑物入口的第二分析结果样本作为输出进行训练,获得所述分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910853510.6A CN111751850B (zh) | 2019-09-10 | 2019-09-10 | 一种基于机器学习的建筑物入口检测方法及移动终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910853510.6A CN111751850B (zh) | 2019-09-10 | 2019-09-10 | 一种基于机器学习的建筑物入口检测方法及移动终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111751850A true CN111751850A (zh) | 2020-10-09 |
CN111751850B CN111751850B (zh) | 2023-01-24 |
Family
ID=72672809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910853510.6A Active CN111751850B (zh) | 2019-09-10 | 2019-09-10 | 一种基于机器学习的建筑物入口检测方法及移动终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111751850B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106605123A (zh) * | 2014-08-29 | 2017-04-26 | 三星电子株式会社 | 用于确定入口位置和感兴趣区域的系统 |
CN107111641A (zh) * | 2014-10-27 | 2017-08-29 | 知维科技有限公司 | 用于更新定位数据的数据库的定位估计 |
CN108668233A (zh) * | 2017-03-31 | 2018-10-16 | 高德软件有限公司 | 一种建筑物入口检测方法及系统 |
CN108733715A (zh) * | 2017-04-21 | 2018-11-02 | 北京嘀嘀无限科技发展有限公司 | 建筑物出入口位置的确定方法及装置 |
CN109668563A (zh) * | 2017-10-16 | 2019-04-23 | 北京嘀嘀无限科技发展有限公司 | 基于室内的轨迹的处理方法及装置 |
-
2019
- 2019-09-10 CN CN201910853510.6A patent/CN111751850B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106605123A (zh) * | 2014-08-29 | 2017-04-26 | 三星电子株式会社 | 用于确定入口位置和感兴趣区域的系统 |
CN107111641A (zh) * | 2014-10-27 | 2017-08-29 | 知维科技有限公司 | 用于更新定位数据的数据库的定位估计 |
CN108668233A (zh) * | 2017-03-31 | 2018-10-16 | 高德软件有限公司 | 一种建筑物入口检测方法及系统 |
CN108733715A (zh) * | 2017-04-21 | 2018-11-02 | 北京嘀嘀无限科技发展有限公司 | 建筑物出入口位置的确定方法及装置 |
CN109668563A (zh) * | 2017-10-16 | 2019-04-23 | 北京嘀嘀无限科技发展有限公司 | 基于室内的轨迹的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111751850B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110366096B (zh) | 一种室内场景识别方法及装置 | |
US8521681B2 (en) | Apparatus and method for recognizing a context of an object | |
KR101945320B1 (ko) | 기계학습을 이용한 실내 무선 측위 서비스 방법, 장치 및 컴퓨터 판독가능 기록 매체 | |
CN106767772B (zh) | 地磁指纹分布图的构建方法和装置及定位方法和装置 | |
CN111174778B (zh) | 一种基于行人航迹推算的建筑入口确定方法及装置 | |
US20200196268A1 (en) | System and method for positioning a gateway of an architecture | |
CN112333820B (zh) | 一种基于频谱图层的定位方法及系统 | |
CN110556126A (zh) | 语音识别方法、装置以及计算机设备 | |
CN111757464A (zh) | 一种区域轮廓提取方法及装置 | |
CN113947939A (zh) | 一种寻车方法、装置、设备及存储介质 | |
CN115150739A (zh) | 楼栋定位方法、装置、电子设备及存储介质 | |
CN113411743B (zh) | 一种终端定位方法、装置及终端 | |
CN107135483B (zh) | 确定相对距离变化趋势的方法、室内定位方法及其装置 | |
CN111751850B (zh) | 一种基于机器学习的建筑物入口检测方法及移动终端 | |
CN110099442B (zh) | 网络设备的位置变化确定方法、装置、计算机设备及介质 | |
CN110672086A (zh) | 场景识别方法、装置、设备及计算机可读介质 | |
CN115103314A (zh) | 基于定位系统的救援方法、设备、存储介质及装置 | |
CN111751861B (zh) | 一种建筑物入口的检测方法及移动终端 | |
CN110875043B (zh) | 声纹识别方法、装置、移动终端及计算机可读存储介质 | |
EP2751704A2 (en) | Method and apparatus for determining environmental context utilizing features obtained by multiple radio receivers | |
CN111222056B (zh) | 相关用户的匹配方法、装置、设备和介质 | |
CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 | |
CN109874170B (zh) | 地理坐标系盲检测方法、装置、设备及介质 | |
CN114666734B (zh) | 一种深度学习射频信号指纹识别算法的定位方法和装置 | |
US11175144B2 (en) | Magnetic parameter-based localization in mobile device navigation |
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 |