CN111814914A - 一种目标对象识别方法及装置 - Google Patents
一种目标对象识别方法及装置 Download PDFInfo
- Publication number
- CN111814914A CN111814914A CN202010867151.2A CN202010867151A CN111814914A CN 111814914 A CN111814914 A CN 111814914A CN 202010867151 A CN202010867151 A CN 202010867151A CN 111814914 A CN111814914 A CN 111814914A
- Authority
- CN
- China
- Prior art keywords
- matrix
- target
- track
- target object
- alternative
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标对象识别方法及装置,其中,该方法包括:获取目标对象的目标轨迹,目标轨迹包括目标对象在不同时刻所处的经纬度;将目标轨迹所在的目标区域划分为多个相同大小的经纬网格;根据目标对象在不同时刻所处的经纬度确定目标对象在不同时间段内出现在各经纬网格中的频率;根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵;根据目标轨迹矩阵和预设出行库确定目标对象的身份,预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息。通过实施本发明可以通过目标轨迹确定目标对象的身份,并且,通过目标轨迹灵活确定目标轨迹矩阵,可以更准确地确定目标对象的身份。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种目标对象识别方法及装置。
背景技术
在现有的技术方案中,目标对象的身份通常是基于图像识别得到的,例如,可以将现场采集的目标对象的人脸图像与预先存储的人脸图像进行对比,根据与目标对象的人脸图像最相近的预先存储的人脸图像相对应的身份信息确定目标对象的身份;还可以分析现场采集的目标对象的行为姿态,通过行为姿态人为确定目标对象的身份信息。但是,通过人脸图像识别获取目标对象的身份信息依赖于较为清晰的图像数据,而在人流较多的环境中获取清晰的面部图像较为困难,并且,通过走路等行为姿态获取目标对象的身份准确性较差。由此可见,现有技术中,通过图像识别确定目标对象的身份信息的方式可靠性较差。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的通过图像识别确定目标对象的身份信息可靠性较差的缺陷,从而提供一种目标对象识别方法及装置。
本发明第一方面提供了一种目标对象识别方法,包括:获取目标对象的目标轨迹,目标轨迹包括目标对象在不同时刻所处的经纬度;将目标轨迹所在的目标区域划分为多个相同大小的经纬网格;根据目标对象在不同时刻所处的经纬度确定目标对象在不同时间段内出现在各经纬网格中的频率;根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵;根据目标轨迹矩阵和预设出行库确定目标对象的身份,预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息。
可选地,在本发明提供的目标对象识别方法中,根据目标轨迹矩阵和预设出行库确定目标对象的身份的步骤,包括:获取预设出行库中各预存出行轨迹所在的预存区域;将与目标区域的相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹;分别计算各备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度;根据与目标轨迹矩阵相似度最高的备选轨迹矩阵对应的身份信息确定目标对象的身份。
可选地,在本发明提供的目标对象识别方法中,分别计算各备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度的步骤,包括:对目标轨迹矩阵和备选轨迹矩阵进行预处理,使得目标轨迹矩阵和各备选轨迹矩阵的行列数相同;将预处理后的目标轨迹矩阵转换为一维目标矩阵;将预处理后的各备选轨迹矩阵转换为一维备选矩阵;分别根据各一维备选矩阵与一维目标矩阵相同位置的参数计算各备选轨迹矩阵与目标轨迹矩阵的相似度。
可选地,在本发明提供的目标对象识别方法中,通过如下公式计算各备选轨迹矩
阵与目标轨迹矩阵的相似度:,其中,X表示目标轨迹矩
阵,表示第j个备选轨迹矩阵,n表示一维备选矩阵与一维目标矩阵的长度,表示一维
目标矩阵在第i个相同位置的
参数,表示第j个一维备选矩阵在第i个相同位置的参数。
本发明第二方面提供了一种目标对象识别装置,包括:轨迹获取模块, 用于获取目标对象的目标轨迹,目标轨迹包括目标对象在不同时刻所处的经纬度;经纬网格确定模块,用于将目标轨迹所在的目标区域划分为多个相同大小的经纬网格;频率计算模块,用于根据目标对象在不同时刻所处的经纬度确定目标对象在不同时间段内出现在各经纬网格中的频率;轨迹矩阵生成模块,用于根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵;目标对象识别模块,用于根据目标轨迹矩阵和预设出行库确定目标对象的身份,预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息。
可选地,目标对象识别模块包括:预存区域获取子模块,用于获取预设出行库中各预存出行轨迹所在的预存区域;备选轨迹确定子模块,用于将与目标区域的相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹;相似度计算子模块,用于分别计算各备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度;目标对象识别子模块,用于根据与目标轨迹矩阵相似度最高的备选轨迹矩阵对应的身份信息确定目标对象的身份。
可选地,相似度计算子模块包括:轨迹矩阵预处理单元,用于对目标轨迹矩阵和备选轨迹矩阵进行预处理,使得目标轨迹矩阵和各备选轨迹矩阵的行列数相同;第一矩阵转化单元,用于将预处理后的目标轨迹矩阵转换为一维目标矩阵;第二矩阵转化单元,用于将预处理后的各备选轨迹矩阵转换为一维备选矩阵;相似度计算单元,用于分别根据各一维备选矩阵与一维目标矩阵相同位置的参数计算各备选轨迹矩阵与目标轨迹矩阵的相似度。
可选地,相似度计算单元通过如下公式计算各备选轨迹矩阵与目标轨迹矩阵的相
似度:,其中,X表示目标轨迹矩阵,表示第j个备选轨
迹矩阵,n表示一维备选矩阵与一维目标矩阵的长度,表示一维目标矩阵在第i个相同位
置的参数,表示第j个一维备选矩阵在第i个相同位置的参数。
本发明第三方面提供了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,从而执行如本发明第一方面提供的目标对象识别方法。
本发明第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如本发明第一方面提供的目标对象识别方法。
本发明技术方案,具有如下优点:
1.本发明提供的目标对象识别方法,先获取目标对象的目标轨迹,然后根据目标轨迹生成目标轨迹矩阵,最终根据目标轨迹矩阵和预设出行库确定目标对象的身份,在生成目标轨迹矩阵时,先将目标轨迹所在的目标区域划分为相同大小的经纬网格,然后根据目标轨迹计算目标对象在不同时间段内出现在各经纬网格中的频率,最后根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵,由于目标对象的出行轨迹是有一定规律的,因此可以通过目标轨迹确定目标对象的身份,并且,出行轨迹的获取受外界影响较小,即使目标对象所处环境复杂,也可获取较为准确的出行轨迹,从而确定目标对象的身份,进一步地,本发明中生成目标轨迹矩阵时所采用的经纬网格是通过目标轨迹确定的,因此经纬网格可以根据目标轨迹进行灵活调整,从而得到的目标轨迹矩阵也能更精准地对目标轨迹矩阵进行量化,因此通过实施本发明可以准确确定目标对象的身份。
2. 本发明提供的目标对象识别方法,在确定目标对象的身份信息时,先将与目标区域相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹,然后分别计算备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度,根据相似度最高的备选轨迹矩阵对应的身份信息确定目标对象的身份。先确定备选轨迹,避免了将所有预存出行轨迹与目标轨迹进行比较,大大减少了计算量,提高了对目标对象识别的速度。
3. 本发明提供的目标对象识别装置,先获取目标对象的目标轨迹,然后根据目标轨迹生成目标轨迹矩阵,最终根据目标轨迹矩阵和预设出行库确定目标对象的身份,在生成目标轨迹矩阵时,先将目标轨迹所在的目标区域划分为相同大小的经纬网格,然后根据目标轨迹计算目标对象在不同时间段内出现在各经纬网格中的频率,最后根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵,由于目标对象的出行轨迹是有一定规律的,因此可以通过目标轨迹确定目标对象的身份,并且,出行轨迹的获取受外界影响较小,即使目标对象所处环境复杂,也可获取较为准确的出行轨迹,从而确定目标对象的身份,进一步地,本发明中生成目标轨迹矩阵时所采用的经纬网格是通过目标轨迹确定的,因此经纬网格可以根据目标轨迹进行灵活调整,从而得到的目标轨迹矩阵也能更精准地对目标轨迹矩阵进行量化,因此通过实施本发明可以准确确定目标对象的身份。
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-图3为本发明实施例中目标对象识别方法的具体示例的流程图;
图4-图6为本发明实施例中目标对象识别装置的一个具体示例的原理框图;
图7为本发明实施例中计算机设备的一个具体示例的原理框图。
具体实施方式
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。
在本发明的描述中,需要说明的是,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供了一种目标对象识别方法,如图1所示,包括:
步骤S10:获取目标对象的目标轨迹,目标轨迹包括目标对象在不同时刻所处的经纬度。
在一具体实施例中,该目标对象可以例如是需要被识别身份的行人。获取目标对象的目标轨迹时,可以尽量获取较长时间段内的轨迹,时间越长,获取的目标轨迹的规律越明显,从而越容易识别目标对象。
在本发明实施例中,目标轨迹包括目标对象在不同时刻所处的经纬度,因为不同时间的轨迹会对目标对象的识别造成干扰,因此通过本发明实施例中获取的目标轨迹可以更准确地对目标对象进行识别。
步骤S20:将目标轨迹所在的目标区域划分为多个相同大小的经纬网格。
在一具体实施例中,经纬网格的大小可根据目标轨迹的长度确定,例如,当目标轨迹较短时,将目标轨迹所在的目标区域划分为较小的经纬网格,从而更精确地识别目标对象;当目标轨迹较长时,将目标区域划分为较大的经纬网格,避免了过大的计算量。
步骤S30:根据目标对象在不同时刻所处的经纬度确定目标对象在不同时间段内出现在各经纬网格中的频率。
在一具体实施例中,目标对象在不同时间段内出现在各经纬网格中的频率可以根据目标对象在各经纬网格中出现的次数及在各经纬网格中停留的时间相结合进行计算。
步骤S40:根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵。
在本发明实施例中,根据目标轨迹生成目标轨迹矩阵是为了对目标轨迹进行量化,从而可以进一步通过目标轨迹进行目标对象的识别。
步骤S50:根据目标轨迹矩阵和预设出行库确定目标对象的身份,预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息。
在一具体实施中,为了方便对预设出行库的管理,一个预设出行库中包含一个预设区域内的大量对象的出行轨迹信息,例如,可以为每一个县或每一个省构建一个预设出行库。为了对目标对象进行更准确的识别,预设出行库中各对象对应的出行轨迹的时间段应尽可能长,且出行库中各对象的出行轨迹会持续更新。为了减少对目标对象进行识别时的干扰,预设出行库中的预存出行轨迹会定期清除,例如,对于非特别关注的对象,当某一对象在预设时间内没有产生新的轨迹时,可以将预设出行库中关于该对象的预存出行轨迹进行删除,预设时间可以根据实际情况进行调整,例如可以设置为半年、一年等。
本发明提供的目标对象识别方法,先获取目标对象的目标轨迹,然后根据目标轨迹生成目标轨迹矩阵,最终根据目标轨迹矩阵和预设出行库确定目标对象的身份,在生成目标轨迹矩阵时,先将目标轨迹所在的目标区域划分为相同大小的经纬网格,然后根据目标轨迹计算目标对象在不同时间段内出现在各经纬网格中的频率,最后根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵,由于目标对象的出行轨迹是有一定规律的,因此可以通过目标轨迹确定目标对象的身份,并且,出行轨迹的获取受外界影响较小,即使目标对象所处环境复杂,也可获取较为准确的出行轨迹,从而确定目标对象的身份,进一步地,本发明中生成目标轨迹矩阵时所采用的经纬网格是通过目标轨迹确定的,因此经纬网格可以根据目标轨迹进行灵活调整,从而得到的目标轨迹矩阵也能更精准地对目标轨迹矩阵进行量化,因此通过实施本发明可以准确确定目标对象的身份。
在一可选实施例中,如图2所示,上述步骤S50具体包括:
步骤S51:获取预设出行库中各预存出行轨迹所在的预存区域。
在一具体实施例中,为了将目标轨迹与预设出行库中的预存出行轨迹进行更规范的比较,从而对目标对象进行更准确的识别,获取目标区域和预存区域的方法需一致,例如,可以将包围目标轨迹的最小矩形确定为目标区域,将包围预存出行轨迹的最小矩形确定为预存区域。在实际应用中,也可通过其他方式获取目标区域和预存区域。
步骤S52:将与目标区域的相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹。
在本发明实施例中,根据目标区域与预存区域各顶点的经纬度、目标轨迹与预存轨迹的起止点的经纬度计算目标区域与预存区域的相似度。
步骤S53:分别计算各备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度。
在本发明实施例中,备选轨迹的备选轨迹矩阵的获取方式与目标轨迹矩阵的获取方式相同,且获取备选轨迹矩阵时的经纬网格的大小与获取目标轨迹时的经纬网格大小相同。
步骤S54:根据与目标轨迹矩阵相似度最高的备选轨迹矩阵对应的身份信息确定目标对象的身份。
本发明提供的目标对象识别方法,在确定目标对象的身份信息时,先将与目标区域相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹,然后分别计算备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度,根据相似度最高的备选轨迹矩阵对应的身份信息确定目标对象的身份。先确定备选轨迹,避免了将所有预存出行轨迹与目标轨迹进行比较,大大减少了计算量,提高了对目标对象识别的速度。
在一可选实施例中,如图3所示,上述步骤S53具体包括:
步骤S531:对目标轨迹矩阵和备选轨迹矩阵进行预处理,使得目标轨迹矩阵和各备选轨迹矩阵的行列数相同。
在一具体实施例中,可以通过补零的方式使目标轨迹矩阵和备选轨迹矩阵的行列数相同。预处理后的目标轨迹的每一行、每一列所对应的经度、纬度、时间段与预处理后的备选轨迹矩阵相同。
步骤S532:将预处理后的目标轨迹矩阵转换为一维目标矩阵。
步骤S533:将预处理后的各备选轨迹矩阵转换为一维备选矩阵。
在一具体实施例中,将目标轨迹矩阵转换为一维目标矩阵的原则与将备选轨迹矩阵转换为一维备选矩阵的原则应完全相同,例如,若目标轨迹矩阵和备选轨迹矩阵为三维矩阵,可以根据从上到下,从前到后的顺序将三维矩阵展开为一维矩阵。
步骤S534:分别根据各一维备选矩阵与一维目标矩阵相同位置的参数计算各备选轨迹矩阵与目标轨迹矩阵的相似度:
在本发明实施例中,将目标轨迹矩阵和备选轨迹矩阵转换为一维矩阵,便于对目标轨迹矩阵和备选轨迹矩阵进行比较。
实施例2
本发明实施例提供可了一种目标对象识别装置,如图4所示,包括:
轨迹获取模块10, 用于获取目标对象的目标轨迹,目标轨迹包括目标对象在不同时刻所处的经纬度,详细描述见上述实施例1中对步骤S10的描述。
经纬网格确定模块20,用于将所述目标轨迹所在的目标区域划分为多个相同大小的经纬网格,详细描述见上述实施例1中对步骤S20的描述。
频率计算模块30,用于根据所述目标对象在不同时刻所处的经纬度确定所述目标对象在不同时间段内出现在各经纬网格中的频率,详细描述见上述实施例1中对步骤S30的描述。
轨迹矩阵生成模块40,用于根据所述目标对象在不同时间段内出现在各经纬网格中的频率生成所述目标轨迹矩阵,详细描述见上述实施例1中对步骤S40的描述。
目标对象识别模块50,用于根据目标轨迹矩阵和预设出行库确定目标对象的身份,预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息,详细描述见上述实施例1中对步骤S50的描述。
本发明提供的目标对象识别装置,先获取目标对象的目标轨迹,然后根据目标轨迹生成目标轨迹矩阵,最终根据目标轨迹矩阵和预设出行库确定目标对象的身份,在生成目标轨迹矩阵时,先将目标轨迹所在的目标区域划分为相同大小的经纬网格,然后根据目标轨迹计算目标对象在不同时间段内出现在各经纬网格中的频率,最后根据目标对象在不同时间段内出现在各经纬网格中的频率生成目标轨迹矩阵,由于目标对象的出行轨迹是有一定规律的,因此可以通过目标轨迹确定目标对象的身份,并且,出行轨迹的获取受外界影响较小,即使目标对象所处环境复杂,也可获取较为准确的出行轨迹,从而确定目标对象的身份,进一步地,本发明中生成目标轨迹矩阵时所采用的经纬网格是通过目标轨迹确定的,因此经纬网格可以根据目标轨迹进行灵活调整,从而得到的目标轨迹矩阵也能更精准地对目标轨迹矩阵进行量化,因此通过实施本发明可以准确确定目标对象的身份。
在一可选实施例中,如图5所示,本发明实施例提供的目标对象识别装置中,目标对象识别模块50包括:
预存区域获取子模块51,用于获取所述预设出行库中各预存出行轨迹所在的预存区域,详细描述见上述实施例1中对步骤S51的描述。
备选轨迹确定子模块52,用于将与所述目标区域的相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹,详细描述见上述实施例1中对步骤S52的描述。
相似度计算子模块53,用于分别计算各所述备选轨迹的备选轨迹矩阵与所述目标轨迹矩阵的相似度,详细描述见上述实施例1中对步骤S53的描述。
目标对象识别子模块54,用于根据与所述目标轨迹矩阵相似度最高的备选轨迹矩阵对应的身份信息确定所述目标对象的身份,详细描述见上述实施例1中对步骤S54的描述。
本发明提供的目标对象识别装置,在确定目标对象的身份信息时,先将与目标区域相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹,然后分别计算备选轨迹的备选轨迹矩阵与目标轨迹矩阵的相似度,根据相似度最高的备选轨迹矩阵对应的身份信息确定目标对象的身份。先确定备选轨迹,避免了将所有预存出行轨迹与目标轨迹进行比较,大大减少了计算量,提高了对目标对象识别的速度。
在一可选实施例中,如图6所示,本发明实施例提供的目标对象识别装置中,相似度计算子模块53包括:
轨迹矩阵预处理单元531,用于对所述目标轨迹矩阵和所述备选轨迹矩阵进行预处理,使得所述目标轨迹矩阵和各所述备选轨迹矩阵的行列数相同,详细描述见上述实施例1中对步骤S531的描述。
第一矩阵转化单元532,用于将预处理后的目标轨迹矩阵转换为一维目标矩阵,详细描述见上述实施例1中对步骤S532的描述。
第二矩阵转化单元533,用于将预处理后的各所述备选轨迹矩阵转换为一维备选矩阵,详细描述见上述实施例1中对步骤S533的描述。
相似度计算单元534,用于分别根据各一维备选矩阵与一维目标矩阵相同位置的参数计算各备选轨迹矩阵与目标轨迹矩阵的相似度,详细描述见上述实施例1中对步骤S534的描述。
在一可选实施例中,本发明实施例提供的目标对象识别装置中,相似度计算单元534通过如下公式计算所述各备选轨迹矩阵与目标轨迹矩阵的相似度:
实施例3
本发明实施例提供一种计算机设备,如图7所示,该计算机设备主要包括一个或多个处理器61以及存储器62,图7中以一个处理器61为例。
该计算机设备还可以包括:输入装置63和输出装置64。
处理器61、存储器62、输入装置63和输出装置64可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit,CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器62可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据目标对象识别装置的使用所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器62可选包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至目标对象识别装置。输入装置63可接收用户输入的计算请求(或其他数字或字符信息),以及产生与目标对象识别装置有关的键信号输入。输出装置64可包括显示屏等显示设备,用以输出计算结果。
实施例4
本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的目标对象识别方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种目标对象识别方法,其特征在于,包括:
获取目标对象的目标轨迹,所述目标轨迹包括所述目标对象在不同时刻所处的经纬度;
将所述目标轨迹所在的目标区域划分为多个相同大小的经纬网格;
根据所述目标对象在不同时刻所处的经纬度确定所述目标对象在不同时间段内出现在各经纬网格中的频率;
根据所述目标对象在不同时间段内出现在各经纬网格中的频率生成所述目标轨迹矩阵;
根据所述目标轨迹矩阵和预设出行库确定所述目标对象的身份,所述预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息。
2.根据权利要求1所述的目标对象识别方法,其特征在于,根据所述目标轨迹矩阵和预设出行库确定所述目标对象的身份的步骤,包括:
获取所述预设出行库中各预存出行轨迹所在的预存区域;
将与所述目标区域的相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹;
分别计算各所述备选轨迹的备选轨迹矩阵与所述目标轨迹矩阵的相似度;
根据与所述目标轨迹矩阵相似度最高的备选轨迹矩阵对应的身份信息确定所述目标对象的身份。
3.根据权利要求2所述的目标对象识别方法,其特征在于,分别计算各所述备选轨迹的备选轨迹矩阵与所述目标轨迹矩阵的相似度的步骤,包括:
对所述目标轨迹矩阵和所述备选轨迹矩阵进行预处理,使得所述目标轨迹矩阵和各所述备选轨迹矩阵的行列数相同;
将预处理后的目标轨迹矩阵转换为一维目标矩阵;
将预处理后的各所述备选轨迹矩阵转换为一维备选矩阵;
分别根据各一维备选矩阵与一维目标矩阵相同位置的参数计算各备选轨迹矩阵与目标轨迹矩阵的相似度。
5.一种目标对象识别装置,其特征在于,包括:
轨迹获取模块, 用于获取目标对象的目标轨迹,所述目标轨迹包括所述目标对象在不同时刻所处的经纬度;
经纬网格确定模块,用于将所述目标轨迹所在的目标区域划分为多个相同大小的经纬网格;
频率计算模块,用于根据所述目标对象在不同时刻所处的经纬度确定所述目标对象在不同时间段内出现在各经纬网格中的频率;
轨迹矩阵生成模块,用于根据所述目标对象在不同时间段内出现在各经纬网格中的频率生成所述目标轨迹矩阵;
目标对象识别模块,用于根据所述目标轨迹矩阵和预设出行库确定所述目标对象的身份,所述预设出行库中包括多个预存出行轨迹及各预存出行轨迹对应的身份信息。
6.根据权利要求5所述的目标对象识别装置,其特征在于,所述目标对象识别模块包括:
预存区域获取子模块,用于获取所述预设出行库中各预存出行轨迹所在的预存区域;
备选轨迹确定子模块,用于将与所述目标区域的相似度大于预设阈值的预存区域对应的预存出行轨迹确定为备选轨迹;
相似度计算子模块,用于分别计算各所述备选轨迹的备选轨迹矩阵与所述目标轨迹矩阵的相似度;
目标对象识别子模块,用于根据与所述目标轨迹矩阵相似度最高的备选轨迹矩阵对应的身份信息确定所述目标对象的身份。
7.根据权利要求6所述的目标对象识别装置,其特征在于,所述相似度计算子模块包括:
轨迹矩阵预处理单元,用于对所述目标轨迹矩阵和所述备选轨迹矩阵进行预处理,使得所述目标轨迹矩阵和各所述备选轨迹矩阵的行列数相同;
第一矩阵转化单元,用于将预处理后的目标轨迹矩阵转换为一维目标矩阵;
第二矩阵转化单元,用于将预处理后的各所述备选轨迹矩阵转换为一维备选矩阵;
相似度计算单元,用于分别根据各一维备选矩阵与一维目标矩阵相同位置的参数计算各备选轨迹矩阵与目标轨迹矩阵的相似度。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-4中任一项所述的目标对象识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-4中任一项所述的目标对象识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010867151.2A CN111814914A (zh) | 2020-08-26 | 2020-08-26 | 一种目标对象识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010867151.2A CN111814914A (zh) | 2020-08-26 | 2020-08-26 | 一种目标对象识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111814914A true CN111814914A (zh) | 2020-10-23 |
Family
ID=72860611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010867151.2A Pending CN111814914A (zh) | 2020-08-26 | 2020-08-26 | 一种目标对象识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814914A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112738725A (zh) * | 2020-12-18 | 2021-04-30 | 福建新大陆软件工程有限公司 | 半封闭区域目标人群的实时识别方法、装置、设备和介质 |
CN113704373A (zh) * | 2021-08-19 | 2021-11-26 | 国家计算机网络与信息安全管理中心 | 基于移动轨迹数据的用户识别方法、装置及存储介质 |
CN117557789A (zh) * | 2024-01-12 | 2024-02-13 | 国研软件股份有限公司 | 一种海上目标的智能化检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536851A (zh) * | 2018-04-16 | 2018-09-14 | 武汉大学 | 一种基于移动轨迹相似度比较的用户身份识别方法 |
CN111653094A (zh) * | 2020-05-29 | 2020-09-11 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据且含路网修正的城市出行方式综合识别方法 |
-
2020
- 2020-08-26 CN CN202010867151.2A patent/CN111814914A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536851A (zh) * | 2018-04-16 | 2018-09-14 | 武汉大学 | 一种基于移动轨迹相似度比较的用户身份识别方法 |
CN111653094A (zh) * | 2020-05-29 | 2020-09-11 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据且含路网修正的城市出行方式综合识别方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112738725A (zh) * | 2020-12-18 | 2021-04-30 | 福建新大陆软件工程有限公司 | 半封闭区域目标人群的实时识别方法、装置、设备和介质 |
CN113704373A (zh) * | 2021-08-19 | 2021-11-26 | 国家计算机网络与信息安全管理中心 | 基于移动轨迹数据的用户识别方法、装置及存储介质 |
CN113704373B (zh) * | 2021-08-19 | 2023-12-05 | 国家计算机网络与信息安全管理中心 | 基于移动轨迹数据的用户识别方法、装置及存储介质 |
CN117557789A (zh) * | 2024-01-12 | 2024-02-13 | 国研软件股份有限公司 | 一种海上目标的智能化检测方法及系统 |
CN117557789B (zh) * | 2024-01-12 | 2024-04-09 | 国研软件股份有限公司 | 一种海上目标的智能化检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814914A (zh) | 一种目标对象识别方法及装置 | |
CN111523414B (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN111950329B (zh) | 目标检测及模型训练方法、装置、计算机设备和存储介质 | |
US9092662B2 (en) | Pattern recognition method and pattern recognition apparatus | |
CN109960742B (zh) | 局部信息的搜索方法及装置 | |
US11157737B2 (en) | Cultivated land recognition method in satellite image and computing device | |
WO2019020049A1 (zh) | 一种图像检索方法、装置及电子设备 | |
US10115189B2 (en) | Image processing apparatus, image processing method, and recording medium | |
US20180260735A1 (en) | Training a hidden markov model | |
US20220382709A1 (en) | Holographic quantum dynamics simulation | |
CN110930419A (zh) | 图像分割方法、装置、电子设备及计算机存储介质 | |
CN111860140A (zh) | 目标事件检测方法、装置、计算机设备和存储介质 | |
CN109544516B (zh) | 图像检测方法及装置 | |
US11663731B2 (en) | Determining method, information processing apparatus, and recording medium | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN109165572B (zh) | 用于生成信息的方法和装置 | |
US20220012344A1 (en) | Biometric recognition attack test methods, apparatuses, and devices | |
KR102306319B1 (ko) | 포즈 추정 매핑 데이터를 생성하는 방법, 프로그램 및 컴퓨팅 장치 | |
CN111507135A (zh) | 人脸检测方法、装置、计算机设备及存储介质 | |
CN110222724B (zh) | 一种图片实例检测方法、装置、计算机设备及存储介质 | |
CN115115923B (zh) | 模型训练方法、实例分割方法、装置、设备及介质 | |
CN113378864B (zh) | 一种锚框参数的确定方法、装置、设备及可读存储介质 | |
CN114218574A (zh) | 一种数据检测方法、装置、电子设备以及存储介质 | |
JP6175904B2 (ja) | 照合対象抽出システム、照合対象抽出方法、照合対象抽出プログラム | |
CN114372970A (zh) | 一种手术参考信息生成方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201023 |
|
RJ01 | Rejection of invention patent application after publication |