CN112037927A - 与被追踪人关联的同行人确定方法、装置及电子设备 - Google Patents

与被追踪人关联的同行人确定方法、装置及电子设备 Download PDF

Info

Publication number
CN112037927A
CN112037927A CN202010859139.7A CN202010859139A CN112037927A CN 112037927 A CN112037927 A CN 112037927A CN 202010859139 A CN202010859139 A CN 202010859139A CN 112037927 A CN112037927 A CN 112037927A
Authority
CN
China
Prior art keywords
tracked person
pedestrian
determining
potential
movement track
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
Application number
CN202010859139.7A
Other languages
English (en)
Inventor
黄威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Kingsoft Cloud Network Technology Co Ltd
Original Assignee
Beijing Kingsoft Cloud Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Kingsoft Cloud Network Technology Co Ltd filed Critical Beijing Kingsoft Cloud Network Technology Co Ltd
Priority to CN202010859139.7A priority Critical patent/CN112037927A/zh
Publication of CN112037927A publication Critical patent/CN112037927A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本公开涉及一种与被追踪人关联的同行人确定方法、装置及电子设备，方法，包括：获取被追踪人所到达过的两个不同位置的位置信息以及到达不同位置的时间信息；基于位置信息和时间信息，确定被追踪人的移动轨迹；基于被追踪人的移动轨迹，确定被追踪人到达移动轨迹中各位置处的到达时间；基于被追踪人到达移动轨迹各位置处的到达时间，判断是否存在与被追踪人关联的潜在同行人；若是，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。本公开技术方案可以有效确定与被追踪人关联的同行人，有效还原真实情况，基于上述技术方案可以有效印证被追踪人的回忆内容是否正确、全面，是否有隐瞒情况。

Description

与被追踪人关联的同行人确定方法、装置及电子设备
技术领域
本公开涉及公共安全技术领域，尤其涉及一种与被追踪人关联的同行人确定方法、装置及电子设备。
背景技术
当疫情爆发时，疫情防控工作的重中之中是寻找与感染者关联的同行人，只有及时准确地找到同行人，才能达到“控制传染源、切断传播途径、保护易感人群”的目的。这是因为同行人有可能被感染者传染，如未及时找到同行人，有可能随着同行人的移动，疫情进一步扩散。
目前，同行人的确定方法为，通过令感染者回忆其过去到过的地方、接触过的人来确定同行人。由于人的记忆的不确定性，会使得这种同行人的确定方式无法全面、精准地确定同行人，不能有效满足疫情防控需求。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种被追踪人关联的同行人确定方法、装置及电子设备。
第一方面，本公开提供了一种与被追踪人关联的同行人确定方法，其特征在于，包括：
获取被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息；
基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹；
基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间；
基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人；
若是，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
第二方面，本公开还提供了一种与被追踪人关联的同行人确定装置，包括：
被追踪人数据获取模块，用于获取被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息；
被追踪人移动轨迹确定模块，用于基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹；
各位置到达时间确定模块，用于基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间；
潜在同行人确定模块，用于基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人；
同行人确定模块，用于若存在与所述被追踪人关联的潜在同行人，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
第三方面，本公开还提供了一种电子设备，包括：处理器和存储器；
处理器通过调用存储器存储的程序或指令，用于执行上述任一方法的步骤。
第四方面，本公开还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程序或指令，程序或指令使计算机执行上述任一方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点：
本公开实施例技术方案的实质是，仅通过被追踪人所到达过的两个不同位置的位置信息以及到达这两个位置的时间信息，就可以判断被追踪人在这两个位置之间的移动轨迹中移动的过程中，是否有与该被追踪人关联的同行人。其确定过程，不依赖被追踪人的回忆内容，可以避免由于人的记忆的不确定性，使得基于现有方法所确定的同行人不够全面、不够精准的问题。此外，这种方法可以有效还原真实情况，基于上述技术方案可以有效印证被追踪人的回忆内容是否正确、全面，是否有隐瞒情况。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种与被追踪人关联的同行人确定方法的流程图；
图2是本公开实施例提供的一种街道的示意图；
图3是本公开实施例提供的另一种与被追踪人关联的同行人确定方法的流程图；
图4是本公开实施例提供的另一种街道的示意图；
图5是本公开实施例提供的一种与被追踪人关联的同行人确定装置的结构框图；
图6为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1是本公开实施例提供的一种与被追踪人关联的同行人确定方法的流程图。该方法可以由智能终端或服务器来执行，该方法的执行主体可以是智能终端或服务器的操作系统，例如安卓系统、iOS系统等。本方法可使用的场景有多种，本申请对此不作限制。示例性地，本方法可以应用于疫情防控工作中，确定感染者的密切接触者。此种情况下，被追踪人即为感染者，与被追踪人关联的同行人为与感染者关联的密切接触者。或者，本方法还可以应用于抓捕犯罪分子的过程中，确定犯罪分子的同伙等。
该方法包括以下步骤：
S110、获取被追踪人所到达过的两个不同位置的位置信息以及到达不同位置的时间信息。
其中，位置信息包括位置的坐标或者位置的名称。示例性地，位置的名称可以为中山路与长征道交口，或者，中山路沙县小吃店等。
本步骤中，所获取的被追踪人所到达过的两个不同位置的位置信息以及到达不同位置的时间信息的来源可以由多种，示例性地，可以来源于被追踪人通过智能终端上报的信息、监控设备所拍摄的信息、公安系统上报的信息以及协同管理员上报的信息中至少一个。
其中，被追踪人通过智能终端上报的信息，具体可以为被追踪人使用智能终端的过程中，智能终端自动记录生成的位置信息和时间信息。示例性地，当被追踪人点击应用程序(如用于叫外卖的应用程序)时，应用程序自动获取被追踪人当前位置信息以及当前时间信息，并将其上报。又例如，被追踪人浏览微信公众号或浏览微信小程序的过程，微信自动获取被追踪人当前位置信息以及当前时间信息，并将其上报。
监控设备所拍摄的信息具体可以是道路上各种摄像头(如天网监控设备)所拍摄的信息。
协同管理员为与被追踪人或被追踪所持有的智能设备交互的另一方，其可以为实际的人，也可以为其他电子设备。示例性地，协同管理员上报的信息具体可以为被追踪人使用的智能终端中SIM卡与GSM基站通信，基站为协同管理员，上报被追踪人的位置信息和时间信息。又例如，协同管理员上报的信息具体可以为被追踪人找工作人员办理某项业务(如存取款)，在办理业务过程中，工作人员所使用的系统为协调管理员，根据其所在的营业点生成的被追踪人的位置信息和时间信息。协同管理员上报的信息还可以为被追踪人进入某场所前按要求扫码，基于扫码结果生成的被追踪人的位置信息和时间信息。协同管理员上报的信息还可以为被追踪人扫码以解锁共享单车、支付购物费用等，基于扫码结果生成的被追踪人的位置信息和时间信息。
需要强调的是，本步骤的中，所获取的位置信息和时间信息必须对应不同的位置。示例性地，若被追踪人在某次出行的过程中共扫码四次，分别为出小区扫码一次、进超市扫码一次、出超市扫码一次以及进小区扫码一次。在该被追踪人该次出行的过程中，可以将出小区扫码生成的被追踪人的位置信息和时间信息，以及进超市扫码生成的被追踪人的位置信息和时间信息作为S110的获取结果；或者，将出超市扫码生成的被追踪人的位置信息和时间信息，以及进小区扫码生成的被追踪人的位置信息和时间信息作为S110的获取结果。这样设置的原因是，在实际中，若所获取的位置信息和时间信息对应同一位置，单纯通过位置信息和时间信息无法判断被追踪人移动情况。示例性地，若获取到被追踪人在某个超市连续扫码两次，无法判断被追踪人在两次扫码之间的时间段是一直在超市购物，还是离开超市后又回来。
S120、基于位置信息和时间信息，确定被追踪人的移动轨迹。
本步骤的实现方法有多种，示例性地，下面给出两种可用于实现本步骤的实现方法。
方法一：按照被追踪人到达各位置的先后顺序，将各位置进行连线，将连线结果确定为被追踪人的移动轨迹。
方法二：基于位置信息，确定两个不同位置之间的直线距离；基于两个不同位置之间的直线距离以及到达不同位置的时间信息，确定被追踪人的交通方式；基于被追踪人的交通方式，确定被追踪人的移动轨迹。
显然，相对于方法二，方法一较为简单，易于实现，可以有效缩减在执行本步骤所花费的时间。但是相对于方法一，方法二具有更广泛的应用场景，基于方法二所确定的被追踪人的移动轨迹与被追踪人真实的移动轨迹吻合程度更高。这是因为，在实际中，若所获取的被追踪人先后到达的各位置的距离比较远，这使得若直接将各位置进行连线，其接线可能会经过建筑物。示例性地，图2是本公开实施例提供的一种街道的示意图。在图2中C表示建筑物，A点和B点表示被追踪人先后达到的两个位置。观察图2可知，若直接将A点和B点连线，得到虚线段AB，由于虚线段AB经过建筑物C，显然被追踪人不可能沿虚线段AB移动。即在这种情况下，会使得直接将连线作为被追踪人的移动轨迹与实际情况不相符。
S130、基于被追踪人的移动轨迹，确定被追踪人到达移动轨迹中各位置处的到达时间。
本步骤的实现方法有多种，示例性地，按照被追踪人到达两个不同位置的时间先后顺序，确定第一个到达的位置为初始位置，第二个到达的位置为终点位置。在执行本步骤时，由于被追踪人的移动轨迹已经得到，可以利用移动轨迹的总长度除以被追踪人在移动轨迹上移动所花费的总时间，得到被追踪人的移动速度。被追踪人在移动轨迹上移动所花费的总时间等于终点位置到达时刻减去初始位置到达时刻。后续可以先确定移动轨迹上各位置到初始位置的路程长度，利用各位置到初始位置的路程长度除以被追踪人的移动速度，得到从初始位置移动到各位置处花费的时间；最后，将被追踪人到达初始位置的时刻与从初始位置移动到各位置处花费的时间相加，得到被追踪人到达移动轨迹中各位置处的到达时间。
需要说明的是，在本步骤中，确定被追踪人到达移动轨迹中各位置处的到达时间的目的是为了在S140中，逐一地对各个位置处是否有潜在同行人进行判断。本领域技术人员可以理解，如果将移动轨迹视作为点的集合，则每一个点可以视作为移动轨迹中的一个位置。因此可以认为移动轨迹包括无限多个位置。如果对各个点进行逐一地判断，确定该位置处是否有潜在同行人，由于点的个数是无限多个，这会使得程序陷入无限循环中。另外，在实际中，如在移动轨迹中距离较近的两个点(如这两个点的间距为1cm)，基于这个两个点所得到的判断结果也是相同的。基于上述两方面原因，可以选择在执行本步骤之前，在被追踪人移动轨迹中选取判断位置。判断位置的选取方法有多种，例如根据道路类型、距离、人流量以及交通方式等进行选择，如路口附近，每间隔1米选取一个判断位置；平直道路，每间隔5米选取一个判断位置。
S140、基于被追踪人到达移动轨迹各位置处的到达时间，判断是否存在与被追踪人关联的潜在同行人。
本步骤的实现方法有多种，示例性地，以被追踪人到达移动轨迹中各位置处的时刻为基准时刻，基于基准时刻，确定与各位置对应的时间筛选范围；以被追踪人移动轨迹中各位置为基准位置，基于基准位置，确定与各位置对应的距离筛选范围；判断对应于同一位置，在时间筛选范围内，是否存在经过距离筛选范围内的路人，若是，该路人为与被追踪人关联的潜在同行人。
需要说明的是，在本步骤中，时间筛选范围和距离筛选范围的确定规则可以有多种设定方式，本申请对此不做限制。
示例性地，若被追踪人到达某一判断位置M的时刻为T，以时刻T为基准时刻，将时刻T前后预设时间长度(如半小时)作为与判断位置M对应的时间筛选范围，为T-0.5h至T+0.5h这一时间段。以判断位置M的位置为基准位置，以判断位置M为中心，以设定距离(如10m)作为半径，所得到的圆形区域为距离筛选范围。判断在(T-0.5h，T+0.5h)时间段内，是否有其他路人的移动轨迹与该距离筛选范围存在交集，若有，这该路人为与被追踪人关联的潜在同行人。
其中，其他路人的移动轨迹确定方法本申请对此不作限制，可选地，可以由路人自己上报确定，或者将路人视作被追踪人，利用S110-S120确定。
S150、若存在与被追踪人关联的潜在同行人，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
其中，相似度是用于表征被追踪人移动轨迹与潜在同行人移动轨迹的参量。相似度越高，说明潜在同行人为实际同行人的可能性越高；相似度越低，说明潜在同行人不是实际同行人的可能性越高。
本步骤的实现方法有多种，示例性地，利用点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度；基于被追踪人与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。点积相似度算法或余弦相似度算法均考虑了被追踪人移动方向与潜在同行人移动方向的夹角。本领域技术人员可以理解，若被追踪人移动方向与潜在同行人移动方向的夹角越小，表明被追踪人与潜在同行人沿相同方向行进一端距离的可能性越大，该潜在同行人为实际同行人的可能性越大。若被追踪人移动方向与潜在同行人移动方向的夹角越大，表明被追踪人与潜在同行人沿相同方向行进了一端距离的可能性越小，该潜在同行人为实际同行人的可能性越小。典型地，若被追踪人移动方向与潜在同行人移动方向的夹角为180°，表明被追踪人与潜在同行人沿相反方向行进，该潜在同行人不可能为实际同行人。
进一步地，利用点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度，具体可以包括：基于被追踪人移动轨迹，确定被追踪人的移动向量；基于潜在同行人的移动轨迹，确定潜在同行人的移动向量；基于被追踪人的移动向量以及潜在同行人的移动向量，结合点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度。
其中，基于被追踪人移动轨迹，确定被追踪人的移动向量，具体可以为在被追踪人移动轨迹中任意选择两个不同的位置点，确定被追踪人到达这两个位置点的时间先后顺序，按照时间先后顺序将这两个位置点连接，得到被追踪人的移动向量。类似地，基于潜在同行人的移动轨迹，确定潜在同行人的移动向量，具体可以为在潜在同行人移动轨迹中任意选择两个不同的位置点，确定潜在同行人到达这两个位置点的时间先后顺序，按照时间先后顺序将这两个位置点连接，得到潜在同行人的移动向量。
上述技术方案的实质是，仅通过被追踪人所到达过的两个不同位置的位置信息以及到达这两个位置的时间信息，就可以判断被追踪人在这两个位置之间的移动轨迹中移动的过程中，是否有与该被追踪人关联的同行人。其确定过程，不依赖被追踪人的回忆内容，可以避免由于人的记忆的不确定性，使得基于现有方法所确定的同行人不够全面、不够精准的问题。此外，这种方法可以有效还原真实情况，基于上述技术方案可以有效印证被追踪人的回忆内容是否正确、全面，是否有隐瞒情况。
图3是本公开实施例提供的另一种与被追踪人关联的同行人确定方法的流程图。图3是图1中的一个具体示例。参见图3，该与被追踪人关联的同行人确定方法包括：
S201、获取被追踪人所到达过的两个不同位置的位置信息以及到达不同位置的时间信息。
图4是本公开实施例提供的另一种街道的示意图。在图4中C表示建筑物，A点和B点表示被追踪人先后达到的两个位置。示例性，获取被追踪人到达A点的时刻t1以及A点的实际位置，以及被追踪人到达B点的时刻t2以及B点的实际位置。
S202、基于位置信息，确定两个不同位置之间的直线距离。
示例性地，可以基于位置信息，利用欧几里得距离算法，得到两个不同位置之间的直线距离。
其中，对于m维空间中，若两个点的坐标分别为(X1，X2，……，Xm)和(Y1，Y2，……，Ym)，两个点之间的欧几里得距离Dist满足：
Figure BDA0002647400590000091
具体地，参见图4，若A点的坐标为(x1，x2)，B点的坐标为(y1，y2)，则A点和B点之间的直线距离
Figure BDA0002647400590000101
S203、基于两个不同位置之间的直线距离以及到达不同位置的时间信息，确定被追踪人的交通方式。
本步骤的实现方法有多种，本申请对此不作限制。
考虑到在实际中，通常不同交通方式的选择会导致其移动速度的差异较大。因此，可选地，可以利用移动速度大小判断被追踪人所选择的交通方式。因此，本步骤的实现方法可以包括：基于两个不同位置之间的直线距离以及到达不同位置的时间信息，确定被追踪人的第一移动速度；基于被追踪人的第一移动速度，确定被追踪人的交通方式。
示例性地，继续参见图4，通常步行的速度在0.5m/s-2m/s的范围内。驾车的速度在8m/s-19m/s的范围内。若利用A点和B点之间的直线距离dist除以被追踪人从A点移动到B点花费的时间t2-t1，可以得到被追踪人的第一移动速度V1，
Figure BDA0002647400590000102
后续将V1与步行的速度范围和驾驶的速度范围进行比较，示例性地，若V1＝12m/s，则判定被追踪人的交通方式为驾车。
S204、基于被追踪人的交通方式，确定被追踪人的移动轨迹。
本步骤的实现方式可以为，利用导航软件进行路径规划，进而基于路径规划结果得到被追踪人的移动轨迹。
示例性地，继续参见图4，假设交叉路口Z处禁止右转向，选择交通方式为驾车，以A点为起点，B点为终端，进行路径规划，由于交叉路口Z处禁止右转向(路径N1不能选)，会得到路径N2，因此将路径N2作为被追踪人的移动轨迹。
进一步地，若基于被追踪人的交通方式可以得到多个路径，可以结合路径规划结果中预估的需要花费的时间和被追踪人实际花费的时间进行路径筛选，确定被追踪人的移动轨迹。
进一步地，还可以基于被追踪人的交通方式以及被追踪人移动的时段路况情况，确定被追踪人的移动轨迹。
S205、基于被追踪人的移动轨迹，确定被追踪人到达移动轨迹中各位置处的到达时间。
示例性地，继续参见图4，假设经过确定路径N2为被追踪人的移动轨迹。每隔5米确定一个判断位置，共设置5个判断位置，分为M1、M2、M3、M4以及M5，确定被追踪人到达各判断位置的到达时间分别为T1、T2、T3、T4以及T5。
S206、基于被追踪人到达移动轨迹各位置处的到达时间，判断是否存在与被追踪人关联的潜在同行人，若是，执行S207。
本步骤的具体实现方法可以为：
首先，基于被追踪人到达移动轨迹各位置处的到达时间，确定各判断位置对应的时间筛选范围和距离筛选范围。
参见图4，判断位置M1对应的时间筛选范围为T1-0.5h至T1+0.5h这一时间段，对应的距离筛选范围为距判断位置M1方圆10米。判断位置M2对应的时间筛选范围为T2-0.5h至T2+0.5h这一时间段，对应的距离筛选范围为距判断位置M2方圆10米。判断位置M3对应的时间筛选范围为T3-0.5h至T3+0.5h这一时间段，对应的距离筛选范围为距判断位置M3方圆10米。判断位置M4对应的时间筛选范围为T4-0.5h至T4+0.5h这一时间段，对应的距离筛选范围为距判断位置M4方圆10米。判断位置M5对应的时间筛选范围为T5-0.5h至T5+0.5h这一时间段，对应的距离筛选范围为距判断位置M5方圆10米。
其次，逐一地判断在各判断位置M处是否存在与被追踪人关联的潜在同行人。
示例性地，判断在T1-0.5h至T1+0.5h这一时间段内是否有经过判断位置M1方圆10米的路人，若有，将该路人确定为与被追踪人关联的潜在同行人。判断在T2-0.5h至T2+0.5h这一时间段内是否有经过判断位置M2方圆10米的路人，若有，将该路人确定为与被追踪人关联的潜在同行人。判断在T3-0.5h至T3+0.5h这一时间段内是否有经过判断位置M3方圆10米的路人，若有，将该路人确定为与被追踪人关联的潜在同行人。判断在T4-0.5h至T4+0.5h这一时间段内是否有经过判断位置M4方圆10米的路人，若有，将该路人确定为与被追踪人关联的潜在同行人。判断在T5-0.5h至T5+0.5h这一时间段内是否有经过判断位置M5方圆10米的路人，若有，将该路人确定为与被追踪人关联的潜在同行人。
S207、基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
示例性地，本步骤的实现方法为：
首先，确定被追踪人的移动向量和潜在同行人的移动向量。
可选地，参见图4，可以将A点和B点之间的距离作为向量的模，由A点指向B点的方向，作为向量的方向，得到被追踪人的移动向量。采用类似的方法，可以得到潜在同行人的移动向量。
其次，利用下式，确定被追踪人与潜在同行人移动轨迹的相似度SIM。
Figure BDA0002647400590000121
其中，
Figure BDA0002647400590000122
为被追踪人的移动向量，
Figure BDA0002647400590000123
为潜在同行人的移动向量，||x||为被追踪人的移动向量的模，||y||为潜在同行人的移动向量的模。
最后，若被追踪人与潜在同行人移动轨迹的相似度SIM大于或等于预设值，则判定该潜在同行人是与该被追踪人关联的实际同行人；若被追踪人与潜在同行人移动轨迹的相似度SIM小于预设值，则判定该潜在同行人不是与该被追踪人关联的实际同行人。
本公开实施例技术方案的实质是，仅通过被追踪人所到达过的两个不同位置的位置信息以及到达这两个位置的时间信息，就可以判断被追踪人在这两个位置之间的移动轨迹中移动的过程中，是否有与该被追踪人关联的同行人。其确定过程，不依赖被追踪人的回忆内容，可以避免由于人的记忆的不确定性，使得基于现有方法所确定的同行人不够全面、不够精准的问题。此外，这种方法可以有效还原真实情况，基于上述技术方案可以有效印证被追踪人的回忆内容是否正确、全面，是否有隐瞒情况。
还需要强调的是，上述技术方案需要确定被追踪人的移动轨迹。本领域技术人员可以理解，若被追踪人在路上停留的时间越长，会使所确定的被追踪人的移动轨迹准确性越差。在疫情中，为了降低自身感染风险，正常人需要外出时，一般都会直接到达目的地，办完事后立即回来，其在路上不会停留过长时间。因此上述技术方案尤其适用于疫情防控的过程中确定感染者的密切接触者或同行人员。
图5是本公开实施例提供的一种与被追踪人关联的同行人确定装置的结构框图。参见图5，该与被追踪人关联的同行人确定装置包括：
被追踪人数据获取模块310，用于获取被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息；
被追踪人移动轨迹确定模块320，用于基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹；
各位置到达时间确定模块330，用于基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间；
潜在同行人确定模块340，用于基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人；
同行人确定模块350，用于若存在与所述被追踪人关联的潜在同行人，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
进一步地，获取的被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息来源于被追踪人通过智能终端上报的信息、监控设备所拍摄的信息、公安系统上报的信息以及协同管理员上报的信息中至少一个。
进一步地，被追踪人移动轨迹确定模块320具体用于：
基于所述位置信息，确定所述两个不同位置之间的直线距离；
基于所述两个不同位置之间的直线距离以及到达所述不同位置的时间信息，确定所述被追踪人的交通方式；
基于所述被追踪人的交通方式，确定所述被追踪人的移动轨迹。
进一步地，被追踪人移动轨迹确定模块320在基于所述两个不同位置之间的直线距离以及到达所述不同位置的时间信息，确定所述被追踪人的交通方式，包括：
基于所述两个不同位置之间的直线距离以及到达所述不同位置的时间信息，确定所述被追踪人的第一移动速度；
基于所述被追踪人的第一移动速度，确定所述被追踪人的交通方式。
进一步地，各位置到达时间确定模块330具体用于：
基于所述移动轨迹以及所述时间信息，确定所述被追踪人的第二移动速度；
基于所述移动轨迹以及所述被追踪人的第二移动速度，确定被追踪人到达所述移动轨迹中各位置处的到达时间。
进一步地，潜在同行人确定模块340具体用于：
以被追踪人到达所述移动轨迹中各位置处的时刻为基准时刻，基于所述基准时刻，确定与所述各位置对应的时间筛选范围；
以被追踪人移动轨迹中各位置为基准位置，基于所述基准位置，确定与各所述位置对应的距离筛选范围；
判断对应于同一位置，在所述时间筛选范围内，是否存在经过所述距离筛选范围内的路人，若是，所述路人为与所述被追踪人关联的潜在同行人。
进一步地，同行人确定模块350具体用于：
利用点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度；
基于被追踪人与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
进一步地，同行人确定模块350在利用点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度，包括：
基于所述被追踪人移动轨迹，确定所述被追踪人的移动向量；
基于所述潜在同行人的移动轨迹，确定所述潜在同行人的移动向量；
基于所述被追踪人的移动向量以及所述潜在同行人的移动向量，结合点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度。
以上实施例公开的装置能够实现以上各方法实施例公开的方法的流程，具有相同或相应的有益效果。为避免重复，在此不再赘述。
图6为本公开实施例提供的电子设备的硬件结构示意图，如图6所示，该电子设备可以包括手机、PAD、电脑等智能终端，该电子设备包括：
一个或多个处理器301，图6中以一个处理器301为例；
存储器302；
所述电子设备还可以包括：输入装置303和输出装置304。
所述电子设备中的处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图6中以通过总线连接为例。
存储器302作为一种非暂态计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本公开实施例中的应用程序的与被追踪人关联的同行人确定方法对应的程序指令/模块(例如，被追踪人数据获取模块310，被追踪人移动轨迹确定模块320，各位置到达时间确定模块330，潜在同行人确定模块340，以及同行人确定模块350)。处理器301通过运行存储在存储器302中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的与被追踪人关联的同行人确定方法。
存储器302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电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非暂态性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置304可包括显示屏等显示设备。
本公开实施例还提供一种包含计算机可读存储介质，该计算机可读存储介质存储程序或指令，该程序或指令使计算机执行行时用于执行一种与被追踪人关联的同行人确定方法，该方法包括：
获取被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息；
基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹；
基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间；
基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人；
若是，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
可选的，该计算机可执行指令在由计算机处理器执行时还可以用于执行本公开任意实施例所提供的与被追踪人关联的同行人确定方法的技术方案。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本公开可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本公开各个实施例所述的方法。
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。而且，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种与被追踪人关联的同行人确定方法，其特征在于，包括：
获取被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息；
基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹；
基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间；
基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人；
若是，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
2.根据权利要求1所述的与被追踪人关联的同行人确定方法，其特征在于，获取的被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息来源于被追踪人通过智能终端上报的信息、监控设备所拍摄的信息、公安系统上报的信息以及协同管理员上报的信息中至少一个。
3.根据权利要求1所述的与被追踪人关联的同行人确定方法，其特征在于，所述基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹，包括：
基于所述位置信息，确定所述两个不同位置之间的直线距离；
基于所述两个不同位置之间的直线距离以及到达所述不同位置的时间信息，确定所述被追踪人的交通方式；
基于所述被追踪人的交通方式，确定所述被追踪人的移动轨迹。
4.根据权利要求3所述的与被追踪人关联的同行人确定方法，其特征在于，所述基于所述两个不同位置之间的直线距离以及到达所述不同位置的时间信息，确定所述被追踪人的交通方式，包括：
基于所述两个不同位置之间的直线距离以及到达所述不同位置的时间信息，确定所述被追踪人的第一移动速度；
基于所述被追踪人的第一移动速度，确定所述被追踪人的交通方式。
5.根据权利要求1所述的与被追踪人关联的同行人确定方法，其特征在于，所述基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间，包括；
基于所述移动轨迹以及所述时间信息，确定所述被追踪人的第二移动速度；
基于所述移动轨迹以及所述被追踪人的第二移动速度，确定被追踪人到达所述移动轨迹中各位置处的到达时间。
6.根据权利要求1所述的与被追踪人关联的同行人确定方法，其特征在于，所述基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人，包括：
以被追踪人到达所述移动轨迹中各位置处的时刻为基准时刻，基于所述基准时刻，确定与所述各位置对应的时间筛选范围；
以被追踪人移动轨迹中各位置为基准位置，基于所述基准位置，确定与各所述位置对应的距离筛选范围；
判断对应于同一位置，在所述时间筛选范围内，是否存在经过所述距离筛选范围内的路人，若是，所述路人为与所述被追踪人关联的潜在同行人。
7.根据权利要求1所述的与被追踪人关联的同行人确定方法，其特征在于，所述基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人，包括：
利用点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度；
基于被追踪人与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
8.根据权利要求7所述的与被追踪人关联的同行人确定方法，其特征在于，所述利用点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度，包括：
基于所述被追踪人移动轨迹，确定所述被追踪人的移动向量；
基于所述潜在同行人的移动轨迹，确定所述潜在同行人的移动向量；
基于所述被追踪人的移动向量以及所述潜在同行人的移动向量，结合点积相似度算法或余弦相似度算法，确定被追踪人与潜在同行人移动轨迹的相似度。
9.一种与被追踪人关联的同行人确定装置，其特征在于，包括：
被追踪人数据获取模块，用于获取被追踪人所到达过的两个不同位置的位置信息以及到达所述不同位置的时间信息；
被追踪人移动轨迹确定模块，用于基于所述位置信息和所述时间信息，确定被追踪人的移动轨迹；
各位置到达时间确定模块，用于基于所述被追踪人的移动轨迹，确定被追踪人到达所述移动轨迹中各位置处的到达时间；
潜在同行人确定模块，用于基于被追踪人到达所述移动轨迹各位置处的到达时间，判断是否存在与所述被追踪人关联的潜在同行人；
同行人确定模块，用于若存在与所述被追踪人关联的潜在同行人，基于被追踪人移动轨迹与潜在同行人移动轨迹的相似度，确定潜在同行人是否为实际同行人。
10.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述方法的步骤。
11.一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程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述方法的步骤。
CN202010859139.7A 2020-08-24 2020-08-24 与被追踪人关联的同行人确定方法、装置及电子设备 Pending CN112037927A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010859139.7A CN112037927A (zh) 2020-08-24 2020-08-24 与被追踪人关联的同行人确定方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010859139.7A CN112037927A (zh) 2020-08-24 2020-08-24 与被追踪人关联的同行人确定方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN112037927A true CN112037927A (zh) 2020-12-04

Family

ID=73581073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010859139.7A Pending CN112037927A (zh) 2020-08-24 2020-08-24 与被追踪人关联的同行人确定方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112037927A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581761A (zh) * 2020-12-07 2021-03-30 浙江宇视科技有限公司 5g移动物联网节点的协同分析方法、装置、设备和介质
CN112818173A (zh) * 2021-01-21 2021-05-18 浙江大华技术股份有限公司 关联对象的识别方法、装置及计算机可读存储介质
CN113095209A (zh) * 2021-04-07 2021-07-09 深圳海智创科技有限公司 一种客流的人群识别方法、系统及电子设备
CN114157986A (zh) * 2021-12-02 2022-03-08 重庆交通大学 一种密接人群识别方法、装置、电子设备及存储介质
CN116056067A (zh) * 2023-01-09 2023-05-02 中国联合网络通信集团有限公司 一种终端识别方法、装置、服务器及存储介质
CN116860904A (zh) * 2023-08-31 2023-10-10 河北金锁安防工程股份有限公司 一种基于去中心化网络的目标追踪方法及装置
CN113095209B (zh) * 2021-04-07 2024-05-31 深圳海智创科技有限公司 一种客流的人群识别方法、系统及电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
CN108897777A (zh) * 2018-06-01 2018-11-27 深圳市商汤科技有限公司 目标对象追踪方法及装置、电子设备和存储介质
CN110708673A (zh) * 2019-10-16 2020-01-17 杭州云深科技有限公司 一种位置确定方法和便捷式多功能设备
CN110766101A (zh) * 2018-07-26 2020-02-07 杭州海康威视数字技术股份有限公司 确定移动轨迹的方法和装置
CN111027525A (zh) * 2020-03-09 2020-04-17 中国民用航空总局第二研究所 疫情期间公共场所潜在被感染者追踪方法、装置及系统
CN111143496A (zh) * 2019-12-19 2020-05-12 北京百度网讯科技有限公司 用于确定轨迹相似的目标对象的方法和装置
CN111209776A (zh) * 2018-11-21 2020-05-29 杭州海康威视系统技术有限公司 同行人识别方法、装置、处理服务器、存储介质及系统
CN111222404A (zh) * 2019-11-15 2020-06-02 北京市商汤科技开发有限公司 检测同行人的方法及装置、系统、电子设备和存储介质
CN111294728A (zh) * 2018-12-06 2020-06-16 西安光启未来技术研究院 同行分析方法及装置
CN111341463A (zh) * 2020-03-17 2020-06-26 腾讯科技（深圳）有限公司 疫情排查方法、装置、计算机设备和存储介质
CN111488835A (zh) * 2020-04-13 2020-08-04 北京爱笔科技有限公司 一种同行人员的识别方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
CN108897777A (zh) * 2018-06-01 2018-11-27 深圳市商汤科技有限公司 目标对象追踪方法及装置、电子设备和存储介质
CN110766101A (zh) * 2018-07-26 2020-02-07 杭州海康威视数字技术股份有限公司 确定移动轨迹的方法和装置
CN111209776A (zh) * 2018-11-21 2020-05-29 杭州海康威视系统技术有限公司 同行人识别方法、装置、处理服务器、存储介质及系统
CN111294728A (zh) * 2018-12-06 2020-06-16 西安光启未来技术研究院 同行分析方法及装置
CN110708673A (zh) * 2019-10-16 2020-01-17 杭州云深科技有限公司 一种位置确定方法和便捷式多功能设备
CN111222404A (zh) * 2019-11-15 2020-06-02 北京市商汤科技开发有限公司 检测同行人的方法及装置、系统、电子设备和存储介质
CN111143496A (zh) * 2019-12-19 2020-05-12 北京百度网讯科技有限公司 用于确定轨迹相似的目标对象的方法和装置
CN111027525A (zh) * 2020-03-09 2020-04-17 中国民用航空总局第二研究所 疫情期间公共场所潜在被感染者追踪方法、装置及系统
CN111341463A (zh) * 2020-03-17 2020-06-26 腾讯科技（深圳）有限公司 疫情排查方法、装置、计算机设备和存储介质
CN111488835A (zh) * 2020-04-13 2020-08-04 北京爱笔科技有限公司 一种同行人员的识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
廖闻剑等: "基于轨迹相似度的伴随人员推荐", 《计算机系统应用》, vol. 27, no. 4, 31 December 2018 (2018-12-31), pages 160 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581761A (zh) * 2020-12-07 2021-03-30 浙江宇视科技有限公司 5g移动物联网节点的协同分析方法、装置、设备和介质
CN112818173A (zh) * 2021-01-21 2021-05-18 浙江大华技术股份有限公司 关联对象的识别方法、装置及计算机可读存储介质
CN113095209A (zh) * 2021-04-07 2021-07-09 深圳海智创科技有限公司 一种客流的人群识别方法、系统及电子设备
CN113095209B (zh) * 2021-04-07 2024-05-31 深圳海智创科技有限公司 一种客流的人群识别方法、系统及电子设备
CN114157986A (zh) * 2021-12-02 2022-03-08 重庆交通大学 一种密接人群识别方法、装置、电子设备及存储介质
CN116056067A (zh) * 2023-01-09 2023-05-02 中国联合网络通信集团有限公司 一种终端识别方法、装置、服务器及存储介质
CN116056067B (zh) * 2023-01-09 2024-04-19 中国联合网络通信集团有限公司 一种终端识别方法、装置、服务器及存储介质
CN116860904A (zh) * 2023-08-31 2023-10-10 河北金锁安防工程股份有限公司 一种基于去中心化网络的目标追踪方法及装置

Similar Documents

Publication Publication Date Title
CN112037927A (zh) 与被追踪人关联的同行人确定方法、装置及电子设备
CN109086669B (zh) 人脸识别身份验证方法、装置、电子设备
CN112561684B (zh) 金融欺诈风险识别方法、装置、计算机设备及存储介质
US10552687B2 (en) Visual monitoring of queues using auxillary devices
CN110650316A (zh) 智能巡逻及预警处理方法、装置、电子设备及存储介质
CN111432339A (zh) 近场通信卡片的切换方法、装置、存储介质及电子设备
US10466057B1 (en) Self-driving vehicle systems and methods
JPWO2007138811A1 (ja) 不審行動検知装置および方法、プログラムおよび記録媒体
CN105318881A (zh) 地图导航方法、装置及系统
CN109766777A (zh) 异常轨迹的检测方法、装置、存储介质及电子设备
JP2020016597A (ja) レーダデータ処理装置、物体判別装置、レーダデータ処理方法、および物体判別方法
CN105336097A (zh) 人口流动轨迹的交通预警方法及装置
Higuchi et al. Mobile devices as an infrastructure: A survey of opportunistic sensing technology
Bisio et al. Outdoor places of interest recognition using WiFi fingerprints
CN110276387B (zh) 一种模型的生成方法及装置
CN111753826A (zh) 车辆与车牌的关联方法、装置和电子系统
US10462605B2 (en) Method, system and device for determining a shared journey
CN110557722B (zh) 目标团伙的识别方法及相关装置
CN112738725A (zh) 半封闭区域目标人群的实时识别方法、装置、设备和介质
CN110070371B (zh) 一种数据预测模型建立方法及其设备、存储介质、服务器
Gwonsang et al. Location authentication based on wireless access point information to prevent wormhole attack in Samsung Pay.
KR101659230B1 (ko) 메쉬업 위치 데이터 생성 장치 및 방법
KR20200144004A (ko) 하이브리드 주차장 관리 및 예약 시스템, 그리고 하이브리드 주차장 관리 및 예약 방법
JP7347371B2 (ja) ルート決定システム、ルート決定方法及びルート決定プログラム
Rustinov et al. Selection of technology for building an indoor localization and tracking system

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