CN112738725A - 半封闭区域目标人群的实时识别方法、装置、设备和介质 - Google Patents
半封闭区域目标人群的实时识别方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112738725A CN112738725A CN202011503613.9A CN202011503613A CN112738725A CN 112738725 A CN112738725 A CN 112738725A CN 202011503613 A CN202011503613 A CN 202011503613A CN 112738725 A CN112738725 A CN 112738725A
- Authority
- CN
- China
- Prior art keywords
- state data
- data
- user state
- user
- real
- 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
-
- 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
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种半封闭区域目标人群的实时识别方法、装置、设备和介质,方法包括:获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据,并转换为二维坐标值,根据二维坐标值分别绘制目标区域凸包和用户轨迹分布凸包;计算两凸包重叠面积的交并比,并与阈值相比较进行实时判断,得到初步判定结果,记录为用户状态数据;对用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。本发明通过半封闭区域凸包与用户轨迹分布凸包的重叠面积的交并比进行实时游客身份的判别,实时性好,精准度高,影响因素少且成本低。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种半封闭区域中的目标人群的实时识别的方法、装置、设备和介质。
背景技术
目前针对部分特殊区域如收费景区,部分学校,部分小区等场所,需要进行景区内游客身份的精准识别,高校学生身份的识别以及小区业主的识别,并进行目标人群的分布情况实时分析,以期进行安全防控。现如今,基于运营商大数据,针对此类半封闭场所的人群识别,如景区游客识别,高校学生识别,小区业主识别均无法实现实时识别,且识别效果不佳。本项目目的为基于运营商位置轨迹大数据,进行此类场所用户的精准实时识别。
目前可以基于运营商位置轨迹大数据,通过实时的位置轨迹数据,运用相关的用户实时位置精准识别方法,进行精准判别。然而目前现有的针对此类半封闭场所的用户识别方法效果不佳,且无法做到实时判别。以收费景点的景区游客为例:目前现有的仅基于运营商位置轨迹数据,对于景区游客的识别标准均为存在景区基站下位置轨迹记录即为景区游客。部分会增加剔除景区内基站逗留时间过长及过短的用户。此种方法存在的缺陷为:1.较大程度依赖于景区基站数据的准确性;2.用户位置轨迹数据存在切换基站,偏移等情况,对于游客的识别结果造成较为严重的影响;3.以该种方法识别出的游客准确度不高,故仅能用于游客总量统计,且无法满足实时判别的需求。
除运营商位置轨迹数据之外,基于其他数据源亦可对景区游客进行识别,下文选择性详述其中几个方法的内容及缺点:
1.WiFi网络采集法:通过wifi网络采集来自手持移动终端,基于运营商数据库中用户终端相关数据,进行自动识别游客身份有效证件信息,将信息记录入系统数据中心,对游客信息进行批量统计查询,并生成对应的查询列表,自动统计游客总数、当日游客数量、异常游客数量、当前异常数量等。
2.视频摄像采集法:运用安装于景区的摄像头(如景区出入口摄像头),实时对游客进出视频图像进行采集分析,运用数字视频处理技术,运动目标检测与分割技术以及运动目标追踪技术对原始视频进行初步处理,基于人工智能神经网络的模式,对于行人运动状态进行精准追踪与识别。实现客流量数据的收集与整理,并实现客流量报告的生成和用户浏览查询。
3.电子票务系统法:构建支付宝,微信等线上购票系统,实现售票智能化。运用二代身份证以及二维码,串码(数字码)门票验证,实现门票统一编码规范。基于智能云闸机,身份证,IC卡,二维码验证,以此达到景区客流统计,游客人群画像分析。
应用效果:
上文的三种景区游客统计方法存在如下缺陷:
1、wifi网络采集法使用的前提是要在景区内覆盖wifi,且要求范围广,信号强。如遇部分景区范围较大,地理环境较为复杂,则会导致wifi景区全覆盖成本较高,难度较大。同时,如遇节假日或部门热门景区人流高峰处,wifi信号无法支撑所有游客,由此导致部分游客数据无法采集,造成数据缺失。
2、视频摄像法如仅针对景区出入口摄像头产生的视频数据进行分析,则进行景区内部游客实时游览位置判别。由于需要进行用户视频数据采集,故对于摄像探头配置以及视频分析终端配置均有较高要求,由此导致投入成本较高。同时,此方法涉及人工智能神经网络的运用以及关键特征匹配等算法,算法复杂程度高,算法调优及后续模型维护均需投入较高人工成本。
3、电子票务法由于其原理为以电子票务代替纸质票务,对门票实现统一规范,基于云闸机获取游客相关身份证或手机号码数据,从而获得客流量数据,但此种方法无法针对景区内部子景点客流实时判别。
发明内容
本发明要解决的技术问题,在于提供一种半封闭区域目标人群的实时识别方法、装置、设备和介质,通过半封闭区域凸包与用户轨迹分布凸包的重叠面积的交并比进行实时游客身份的判别,实时性好,精准度高,影响因素少且成本低。
第一方面,本发明提供了一种半封闭区域目标人群的实时识别方法,包括下述步骤:
S1、获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据;
S2、将所述基站数据和所述全天位置轨迹实时数据中涉及经纬度的数据转换为二维坐标值;
S3、根据所述基站数据的二维坐标值绘制目标区域凸包;并根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包;
S4、计算所述目标区域凸包及所述用户轨迹分布凸包的重叠面积的交并比;
S5、根据阈值进行目标区域目标人群的实时判断,若所述重叠面积的交并比超过阈值即判定为目标区域的目标人群,得到初步判定结果,记录为用户状态数据;
S6、对所述用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。
第二方面,本发明提供了一种半封闭区域目标人群的实时识别装置,包括:
获取模块,用于获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据;
转换模块,用于将所述基站数据和所述全天位置轨迹实时数据中涉及经纬度的数据转换为二维坐标值;
凸包绘制模块,根据所述基站数据的二维坐标值绘制目标区域凸包;并根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包;
计算模块,用于计算所述目标区域凸包及所述用户轨迹分布凸包的重叠面积的交并比;
初步判断模块,用于根据阈值进行目标区域目标人群的实时判断,若所述重叠面积的交并比超过阈值即判定为目标区域的目标人群,得到初步判定结果,记录为用户状态数据;
最终判断模块,用于对所述用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。
第三方面,本发明提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的方法。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的方法。
本发明实施例中提供的多个技术方案,至少具有如下技术效果或优点:
(1)本发明在定义的半封闭区域(如景区等)范围时,以半封闭区域经纬度范围内的基站形成的凸包作为目标区域的实际范围,避免目标区域实际范围与基站数据之间的差异影响。
本发明首先根据基站数据提取用户全天位置轨迹数据,以用户的每十个位置轨迹点作为基站簇进行凸包计算,从而与基站形成的目标区域凸包进行重叠面积交并比计算,通过设定阈值从而实现目标区域的目标人群身份精准识别。
(2)本发明仅需运营商位置轨迹数据,无需其他数据采集设备,无需相关携带测量数据,降低运营成本以及后续维护成本,同时也可较大程度避免其他白噪声的影响。
(3)本发明基于用户每十个位置轨迹数据进行一次用户是否为半封闭区域的目标人群的身份判别,实现身份实时初步识别,再分情况将实时判别结果进行数据平滑处理,最终提高用户最终目标人群的身份识别,消除由于缺失数据或异常数据产生的误差导致的偶然性判别数据错误,弥补了现有的相关目标区域判别及统计的不足。
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
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例一中方法中的流程图;
图2为本发明实施例中一凸包的示例图;
图3为本发明实施例中凸包计算过程的一示例图;
图4为本发明实施例中两凸包的重叠面积的一示例图;
图5为本发明实施例中江苏省南京市玄武湖景区百度地图展示示意图;
图6为本发明实施例中根据江苏省南京市玄武湖景基站经纬度绘制的凸包示意图;
图7至图18分别为本发明实施例中用户A不同时间点的用户轨迹分布凸包示意图;
图19为本发明实施例二中装置的结构示意图;
图20为本发明实施例三中电子设备的结构示意图;
图21为本发明实施例四中介质的结构示意图。
具体实施方式
本申请实施例通过提供在于提供一种半封闭区域目标人群的实时识别方法、装置、设备和介质,通过半封闭区域凸包与用户轨迹分布凸包的重叠面积的交并比进行实时游客身份的判别,实时性好,精准度高,影响因素少且成本低。
本申请实施例中的技术方案,总体思路如下:通过绘制半封闭区域凸包与用户轨迹分布凸包,并计算半封闭区域凸包与用户轨迹分布凸包的重叠面积的交并比,将该交并比的大小与预设的阈值进行比较,从而得到是否为目标人群的初步判定结果,再对初步判定结果的用户状态数据分情况进行数据平滑处理,消除由于缺失数据或异常数据产生的误差导致的偶然性判别数据错误,弥补了现有的相关游客身份判别及客流统计的不足,实时性好,精准度高,且仅需运营商位置轨迹数据,无需其他数据采集设备,无需相关携带测量数据,降低运营成本以及后续维护成本,同时也可较大程度避免其他白噪声的影响。
实施例一
如图1所示,本实施例提供一种半封闭区域目标人群的实时识别方法,包括下述步骤:
S1、获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据;
S2、将所述基站数据和所述全天位置轨迹实时数据中涉及经纬度的数据转换为二维坐标值;
S3、根据所述基站数据的二维坐标值绘制目标区域凸包;并根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包;
S4、计算所述目标区域凸包及所述用户轨迹分布凸包的重叠面积的交并比;
S5、根据阈值进行目标区域目标人群的实时判断,若所述重叠面积的交并比超过阈值即判定为目标区域的目标人群,得到初步判定结果,记录为用户状态数据;考虑到判定结果的准确性,阈值越高越准确,但考虑到系统运行的资源,阈值越高越耗费资源,导致系统性能低下,因此取阈值为50%为佳。
S6、对所述用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。
凸包原理说明:如图2所示,凸包(Convex Hull)是一个计算几何(图形学)中的概念。在一个实数向量空间V中,对于给定集合X,所有包含X的凸集的交集S被称为X的凸包。X的凸包可以用X内所有点(X1,...Xn)的凸组合来构造。在二维欧几里得空间中,凸包可想象为一条刚好包着所有点的橡皮圈。用不严谨的话来讲,给定二维平面上的点集,凸包就是将最外层的点连接起来构成的凸多边形,它能包含点集中所有的点。
其中,所述步骤S3中,根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包的具体过程是:
S31、当获取至少三个位置轨迹点时,即可进行凸包的绘制,如图3所示,所有位置轨迹点中选取y坐标最小的一点H当作基点,如果存在多个点的y坐标都为最小值,则选取x坐标最小的一点,其中坐标相同的多个点看成一个点;
S32、将其它各点p和基点H构成的向量{H,p}与x轴的夹角进行排序,按照夹角由大至小进行顺时针或由小至大进行逆时针扫描绘制用户轨迹分布凸包;图3中基点为H,其它各点根据夹角由小至大排序后依次为H,K,C,D,L,F,G,E,I,B,A,J。
S32、每获取一个该打点用户的所述全天位置轨迹实时数据时,就在上一次绘制的用户轨迹分布凸包内按下述过程加上这个位置轨迹点:
当加入一点时,必须考虑到前面的线段是否在凸包上。从基点开始,凸包上每条相临的线段的旋转方向应该一致,并与扫描的方向相反。如果发现新加的点使得新线段与上线段的旋转方向发生变化,则可判定上一点必然不在凸包上。如图3中线段<H,K>一定在凸包上,接着加入C,假设线段<K,C>;也在凸包上,因为就H,K,C三点而言,它们的凸包就是由此三点所组成。但是接下来加入D时会发现,线段<K,D>才会在凸包上,所以将线段<K,C>;排除,C点不可能是凸包。
具体实现时可用向量叉积进行判断,设新加入的位置轨迹点为Pn+1,上一个位置轨迹点为Pn,再上一个位置轨迹点为Pn-1,顺时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为正,或者逆时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为负,则将上个位置轨迹点Pn删除,且删除过程需要回溯,即将之前所有叉积符号相反的点都删除,然后将位置轨迹点为Pn+1加入用户轨迹分布凸包。
在图3中,加入K点时,由于线段<H,C>要旋转到<H,K>的角度,为顺时针旋转,所以C点不在凸包上,应该删除,保留K点。接着加入D点,由于线段<K,D>要旋转到<H,K>的角度,为逆时针旋转,故D点保留。按照上述步骤进行扫描,直到点集中所有的点都遍历完成,即得到凸包。
接下来计算目标区域凸包及用户轨迹分布凸包的重叠面积的交并比;计算方式根据相关需求可进行相应调整,本发明实施例是对用户全天位置轨迹,每个用户均是按打点时间正序排列,以10条为间距进行分组,对每组进行凸包计算,以及凸包范围及面积计算。如图4所示,设实线框区域面积为A,虚线框区域面积为B,重叠部分区域面积为C,则重叠面积的交并比IOU=C/(A+B-C)。根据阈值进行目标人群的判断。目前对阈值的设定为:重叠面积交并比超过阈值(50%)即判定为目标人群。
所述步骤S6具体是:对所述用户状态数据进行数据平滑处理共分三种情况:
(1)如当前用户状态数据与上一次用户状态数据相同,则对当前用户状态数据不作改变;
(2)如当前用户状态数据与上一次用户状态数据不同时,则比较当前记录的重叠面积交并比和上一条记录重叠面积交并比,若二者相同时,则保持当前用户状态数据与上一次用户状态数据相同;
(3)如当前用户状态数据与上一次用户状态数据不同时,且当前记录的重叠面积交并比与上一次记录的重叠面积交并比不同时,则取得当前记录之前的十条记录,使用加权移动平均法对用户状态数据进行平滑处理。使用加权移动平均法对用户状态数据进行平滑处理具体是:
(31)计算前十条记录中0的个数和1的个数,其中初步判定结果为半封闭区域目标人群时,该记录的用户状态数据记为1,否则记为0;
(32)分别计算前十条记录中用户状态数据为0的重叠面积交并比平均值radio_avg_0和用户状态数据为1的重叠面积交并比平均值radio_avg_1;
用户状态数据为0的重叠面积交并比平均值:
radio_avg_0=sum(radio_0)/count(radio_0);
用户状态数据为1的重叠面积交并比平均值:
radio_avg_1=sum(radio_1)/count(radio_1);
(33)如果前十条记录用户状态数据均相同,则当前用户用户状态数据与前十条记录用户状态数据保持一致;如前十条记录用户状态数据不相同,则分两种情况讨论:
(a)当前用户状态数据为0,则当满足以下两个条件需将当前用户状态数据改变为1:
条件一:前10条记录中用户状态数据为1的个数>=5或者移动平均值EWA>54, 表示根据时间变化的权值,越靠近当前状态的权值越高,S1、S2…Sn表示用户状态。可人为设定,如设定为:[4,6,7,8,10,11,12,13,14,15],若用户状态为:[0,0,0,0,0,1,1,1,1,1],则:
EWA=4*0+6*0+7*0+8*0+10*0+11*1+12*1+13*1+14*1+15*1=6。
条件二:用户状态数据为0的重叠面积交并比>0.4或者用户状态数据为1的重叠面积交并比平均值>0.5;
(b)当前用户状态数据为1时,则当满足以下三个条件其中之一,将用户状态数据改变为0:
条件一:前10条记录中用户状态数据为1的个数<5;
条件二:用户状态数据为0的重叠面积交并比<=0.4;
条件三:用户状态数据为1的重叠面积交并比平均值<=0.6。
现以半封闭区域以江苏省南京市玄武湖景区为例,玄武湖景区百度地图展示如图5所示,数据库中玄武湖景区基站经纬度运用UTM投影转换为二维指标后,计算景区基站经纬度凸包数据,数据结果二维坐标系中打点情况如图6所示,与由图5相对照后可知,基站经纬度分步凸包与玄武湖实际边界情况大致相同。
随机抽取19位用户,将其全天位置轨迹数据进行UTM投影及凸包计算,以10条轨迹数据为一组,进行分组判断用户是否为景区游客,其中用户A的部分详细数据情况如图7至图:
(1)如图7所示,用户A的第一组10条轨迹:01:11-06:35
数据结果:raio=0.2608898871482423<0.5,非景区游客。
(2)如图8所示,用户A的第二组10条轨迹:06:36-06:44
数据结果:raio=0.8668471271811032>0.5,为景区游客。
(3)如图9所示,用户A的第三组10条轨迹:06:44-06:54
数据结果:raio=0.9910668316541317>0.5,为景区游客。
(4)如图10所示,用户A的第四组10条轨迹:06:54-07:00
数据结果:raio=0.4911935093934717<0.5,非景区游客(此处与阈值较为接近,考虑后续调整阈值)。
(5)如图11所示,用户A的第五组10条轨迹:07:01-07:05
数据结果:raio=0.7107880203742062>0.5,为景区游客。
(6)如图12所示,用户A的第六组10条轨迹:07:05-07:10
数据结果:raio=0.8738308812891616>0.5,为景区游客。
(7)如图13所示,用户A的第七组10条轨迹:07:11-07:16
数据结果:raio=0.9985256720877823>0.5,为景区游客。
(8)如图14所示,用户A的第八组10条轨迹:07:16-07:22
数据结果:raio=0.732633977370826>0.5,为景区游客。
(9)如图15所示,用户A的第九组10条轨迹:07:22-07:23
数据结果:raio=0.16588609564632886<0.5,非景区游客.
(10)如图16所示,用户A的第十组10条轨迹:07:34-07:42
数据结果:raio=0.21182563635172016<0.5,非景区游客。
(11)如图17所示,用户A的第十一组10条轨迹:07:42-07:51
数据结果:raio=0.0<0.5,非景区游客。
(12)如图18所示,用户A的第十二组10条轨迹:07:51-07:51
数据结果:raio=0.0<0.5,非景区游客。
由上述数据可知,用户A在大约06:36起进入玄武湖,在大约07:23离开玄武湖,根据其运动轨迹变化,推测其应该为玄武湖附近居民,清晨于玄武湖进行为时1小时绕湖晨跑。可见,本发明通过计算景区凸包与用户每十个位置轨迹数据形成的凸包,进行两者凸包IOU(重叠面积)交并比计算,通过阈值设定进行实时游客身份判别,相对于视频摄像法,更易于运用到实际应用中。同时,由于本发明所采用的数据集,相对于wifi网络采集法,输入数据更多,输入数据渠道更稳定可靠。同时采用每十个位置轨迹数据进行用户当前游客身份判别,降低了其他因素对结果精准度的影响,故具有较好鲁棒性。同时不依赖于其他数据源,亦不需要加入其他数据采集设备,故其准确度不受其他无关因素影响。
基于同一发明构思,本申请还提供了与实施例一中的方法对应的装置,详见实施例二。
实施例二
如图19所示,在本实施例中提供了一种半封闭区域目标人群的实时识别装置,包括:
获取模块,用于获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据;
转换模块,用于将所述基站数据和所述全天位置轨迹实时数据中涉及经纬度的数据转换为二维坐标值;
凸包绘制模块,根据所述基站数据的二维坐标值绘制目标区域凸包;并根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包;
计算模块,用于计算所述目标区域凸包及所述用户轨迹分布凸包的重叠面积的交并比;
初步判断模块,用于根据阈值进行目标区域目标人群的实时判断,若所述重叠面积的交并比超过阈值即判定为目标区域的目标人群,得到初步判定结果,记录为用户状态数据;
最终判断模块,用于对所述用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。
其中,所述凸包绘制模块根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包的具体过程是:
S31、当获取至少三个位置轨迹点时,所有位置轨迹点中选取y坐标最小的一点H当作基点,如果存在多个点的y坐标都为最小值,则选取x坐标最小的一点,其中坐标相同的多个点看成一个点;
S32、将其它各点p和基点H构成的向量{H,p}与x轴的夹角进行排序,按照夹角由大至小进行顺时针或由小至大进行逆时针扫描绘制用户轨迹分布凸包;
S32、每获取一个该打点用户的所述全天位置轨迹实时数据时,就在上一次绘制的用户轨迹分布凸包内按下述过程加上这个位置轨迹点:
设新加入的位置轨迹点为Pn+1,上一个位置轨迹点为Pn,再上一个位置轨迹点为Pn-1,顺时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为正,或者逆时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为负,则将上个位置轨迹点Pn删除,且删除过程需要回溯,即将之前所有叉积符号相反的点都删除,然后将位置轨迹点为Pn+1加入用户轨迹分布凸包。
所述最终判断模块对所述用户状态数据进行数据平滑处理共分下述三种情况:
(1)如当前用户状态数据与上一次用户状态数据相同,则对当前用户状态数据不作改变;
(2)如当前用户状态数据与上一次用户状态数据不同时,则比较当前记录的重叠面积交并比和上一条记录重叠面积交并比,若二者相同时,则保持当前用户状态数据与上一次用户状态数据相同;
(3)如当前用户状态数据与上一次用户状态数据不同时,且当前记录的重叠面积交并比与上一次记录的重叠面积交并比不同时,则取得当前记录之前的十条记录,使用加权移动平均法对用户状态数据进行平滑处理。所述最终判断模块使用加权移动平均法对用户状态数据进行平滑处理具体过程是:
(31)计算前十条记录中0的个数和1的个数,其中初步判定结果为半封闭区域目标人群时,该记录的用户状态数据记为1,否则记为0;
(32)分别计算前十条记录中用户状态数据为0的重叠面积交并比平均值radio_avg_0和用户状态数据为1的重叠面积交并比平均值radio_avg_1;
用户状态数据为0的重叠面积交并比平均值:
radio_avg_0=sum(radio_0)/count(radio_0);
用户状态数据为1的重叠面积交并比平均值:
radio_avg_1=sum(radio_1)/count(radio_1);
(33)如果前十条记录用户状态数据均相同,则当前用户用户状态数据与前十条记录用户状态数据保持一致;如前十条记录用户状态数据不相同,则分两种情况讨论:
(a)当前用户状态数据为0,则当满足以下两个条件需将当前用户状态数据改变为1:
条件一:前10条记录中用户状态数据为1的个数>=5或者移动平均值EWA>54, 表示根据时间变化的权值,越靠近当前状态的权值越高,S1、S2…Sn表示用户状态。可人为设定,如设定为:[4,6,7,8,10,11,12,13,14,15],若用户状态为:[0,0,0,0,0,1,1,1,1,1],则:
EWA=4*0+6*0+7*0+8*0+10*0+11*1+12*1+13*1+14*1+15*1=6。
条件二:用户状态数据为0的重叠面积交并比>0.4或者用户状态数据为1的重叠面积交并比平均值>0.5;
(b)当前用户状态数据为1时,则当满足以下三个条件其中之一,将用户状态数据改变为0:
条件一:前10条记录中用户状态数据为1的个数<5;
条件二:用户状态数据为0的重叠面积交并比<=0.4;
条件三:用户状态数据为1的重叠面积交并比平均值<=0.6。
由于本发明实施例二所介绍的装置,为实施本发明实施例一的方法所采用的装置,故而基于本发明实施例一所介绍的方法,本领域所属人员能够了解该装置的具体结构及变形,故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
基于同一发明构思,本申请提供了实施例一对应的电子设备实施例,详见实施例三。
实施例三
本实施例提供了一种电子设备,如图4所示,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,可以实现实施例一中任一实施方式。
由于本实施例所介绍的电子设备为实施本申请实施例一中方法所采用的设备,故而基于本申请实施例一中所介绍的方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备,都属于本申请所欲保护的范围。
基于同一发明构思,本申请提供了实施例一对应的存储介质,详见实施例四。
实施例四
本实施例提供一种计算机可读存储介质,如图5所示,其上存储有计算机程序,该计算机程序被处理器执行时,可以实现实施例一中任一实施方式。
本申请实施例中提供的技术方案,至少具有如下技术效果或优点:
(1)本发明在定义的半封闭区域(如景区等)范围时,以半封闭区域经纬度范围内的基站形成的凸包作为目标区域的实际范围,避免目标区域实际范围与基站数据之间的差异影响。
本发明首先根据基站数据提取用户全天位置轨迹数据,以用户的每十个位置轨迹点作为基站簇进行凸包计算,从而与基站形成的目标区域凸包进行重叠面积交并比计算,通过设定阈值从而实现目标区域的目标人群身份精准识别。
(2)本发明仅需运营商位置轨迹数据,无需其他数据采集设备,无需相关携带测量数据,降低运营成本以及后续维护成本,同时也可较大程度避免其他白噪声的影响。
(3)本发明基于用户每十个位置轨迹数据进行一次用户是否为半封闭区域的目标人群的身份判别,实现身份实时初步识别,再分情况将实时判别结果进行数据平滑处理,最终提高用户最终目标人群的身份识别,消除由于缺失数据或异常数据产生的误差导致的偶然性判别数据错误,弥补了现有的相关目标区域判别及统计的不足。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种半封闭区域目标人群的实时识别方法,其特征在于:包括下述步骤:
S1、获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据;
S2、将所述基站数据和所述全天位置轨迹实时数据中涉及经纬度的数据转换为二维坐标值;
S3、根据所述基站数据的二维坐标值绘制目标区域凸包;并根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包;
S4、计算所述目标区域凸包及所述用户轨迹分布凸包的重叠面积的交并比;
S5、根据阈值进行目标区域目标人群的实时判断,若所述重叠面积的交并比超过阈值即判定为目标区域的目标人群,得到初步判定结果,记录为用户状态数据;
S6、对所述用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。
2.根据权利要求1所述的半封闭区域目标人群的实时识别方法,其特征在于:所述步骤S3中,根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包的具体过程是:
S31、当获取至少三个位置轨迹点时,所有位置轨迹点中选取y坐标最小的一点H当作基点,如果存在多个点的y坐标都为最小值,则选取x坐标最小的一点,其中坐标相同的多个点看成一个点;
S32、将其它各点p和基点H构成的向量{H,p}与x轴的夹角进行排序,按照夹角由大至小进行顺时针或由小至大进行逆时针扫描绘制用户轨迹分布凸包;
S32、每获取一个该打点用户的所述全天位置轨迹实时数据时,就在上一次绘制的用户轨迹分布凸包内按下述过程加上这个位置轨迹点:
设新加入的位置轨迹点为Pn+1,上一个位置轨迹点为Pn,再上一个位置轨迹点为Pn-1,顺时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为正,或者逆时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为负,则将上个位置轨迹点Pn删除,且删除过程需要回溯,即将之前所有叉积符号相反的点都删除,然后将位置轨迹点为Pn+1加入用户轨迹分布凸包。
3.根据权利要求1所述的半封闭区域目标人群的实时识别方法,其特征在于:所述步骤S6具体是:对所述用户状态数据进行数据平滑处理共分三种情况:
(1)如当前用户状态数据与上一次用户状态数据相同,则对当前用户状态数据不作改变;
(2)如当前用户状态数据与上一次用户状态数据不同时,则比较当前记录的重叠面积交并比和上一条记录重叠面积交并比,若二者相同时,则保持当前用户状态数据与上一次用户状态数据相同;
(3)如当前用户状态数据与上一次用户状态数据不同时,且当前记录的重叠面积交并比与上一次记录的重叠面积交并比不同时,则取得当前记录之前的十条记录,使用加权移动平均法对用户状态数据进行平滑处理。
4.根据权利要求3所述的半封闭区域目标人群的实时识别方法,其特征在于:所述(3)中,使用加权移动平均法对用户状态数据进行平滑处理具体是:
(31)计算前十条记录中0的个数和1的个数,其中初步判定结果为半封闭区域目标人群时,该记录的用户状态数据记为1,否则记为0;
(32)分别计算前十条记录中用户状态数据为0的重叠面积交并比平均值radio_avg_0和用户状态数据为1的重叠面积交并比平均值radio_avg_1;
用户状态数据为0的重叠面积交并比平均值:
radio_avg_0=sum(radio_0)/count(radio_0);
用户状态数据为1的重叠面积交并比平均值:
radio_avg_1=sum(radio_1)/count(radio_1);
(33)如果前十条记录用户状态数据均相同,则当前用户用户状态数据与前十条记录用户状态数据保持一致;如前十条记录用户状态数据不相同,则分两种情况讨论:
(a)当前用户状态数据为0,则当满足以下两个条件需将当前用户状态数据改变为1:
条件二:用户状态数据为0的重叠面积交并比>0.4或者用户状态数据为1的重叠面积交并比平均值>0.5;
(b)当前用户状态数据为1时,则当满足以下三个条件其中之一,将用户状态数据改变为0:
条件一:前10条记录中用户状态数据为1的个数<5;
条件二:用户状态数据为0的重叠面积交并比<=0.4;
条件三:用户状态数据为1的重叠面积交并比平均值<=0.6。
5.一种半封闭区域目标人群的实时识别装置,其特征在于:包括:
获取模块,用于获取目标区域下所有的基站数据和目标区域内打点用户的全天位置轨迹实时数据;
转换模块,用于将所述基站数据和所述全天位置轨迹实时数据中涉及经纬度的数据转换为二维坐标值;
凸包绘制模块,根据所述基站数据的二维坐标值绘制目标区域凸包;并根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包;
计算模块,用于计算所述目标区域凸包及所述用户轨迹分布凸包的重叠面积的交并比;
初步判断模块,用于根据阈值进行目标区域目标人群的实时判断,若所述重叠面积的交并比超过阈值即判定为目标区域的目标人群,得到初步判定结果,记录为用户状态数据;
最终判断模块,用于对所述用户状态数据进行数据平滑处理,得到目标区域的目标人群的最终实时判别结果。
6.根据权利要求5所述的半封闭区域目标人群的实时识别装置,其特征在于:所述凸包绘制模块根据某一打点用户的所述全天位置轨迹实时数据的二维坐标值实时绘制用户轨迹分布凸包的具体过程是:
S31、当获取至少三个位置轨迹点时,所有位置轨迹点中选取y坐标最小的一点H当作基点,如果存在多个点的y坐标都为最小值,则选取x坐标最小的一点,其中坐标相同的多个点看成一个点;
S32、将其它各点p和基点H构成的向量{H,p}与x轴的夹角进行排序,按照夹角由大至小进行顺时针或由小至大进行逆时针扫描绘制用户轨迹分布凸包;
S32、每获取一个该打点用户的所述全天位置轨迹实时数据时,就在上一次绘制的用户轨迹分布凸包内按下述过程加上这个位置轨迹点:
设新加入的位置轨迹点为Pn+1,上一个位置轨迹点为Pn,再上一个位置轨迹点为Pn-1,顺时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为正,或者逆时针扫描时,如果向量{Pn-1,Pn}与向量{Pn,Pn+1}的叉积为负,则将上个位置轨迹点Pn删除,且删除过程需要回溯,即将之前所有叉积符号相反的点都删除,然后将位置轨迹点为Pn+1加入用户轨迹分布凸包。
7.根据权利要求5所述的半封闭区域目标人群的实时识别装置,其特征在于:所述最终判断模块对所述用户状态数据进行数据平滑处理共分下述三种情况:
(1)如当前用户状态数据与上一次用户状态数据相同,则对当前用户状态数据不作改变;
(2)如当前用户状态数据与上一次用户状态数据不同时,则比较当前记录的重叠面积交并比和上一条记录重叠面积交并比,若二者相同时,则保持当前用户状态数据与上一次用户状态数据相同;
(3)如当前用户状态数据与上一次用户状态数据不同时,且当前记录的重叠面积交并比与上一次记录的重叠面积交并比不同时,则取得当前记录之前的十条记录,使用加权移动平均法对用户状态数据进行平滑处理。
8.根据权利要求7所述的半封闭区域目标人群的实时识别装置,其特征在于:所述最终判断模块使用加权移动平均法对用户状态数据进行平滑处理具体过程是:
(31)计算前十条记录中0的个数和1的个数,其中初步判定结果为半封闭区域目标人群时,该记录的用户状态数据记为1,否则记为0;
(32)分别计算前十条记录中用户状态数据为0的重叠面积交并比平均值radio_avg_0和用户状态数据为1的重叠面积交并比平均值radio_avg_1;
用户状态数据为0的重叠面积交并比平均值:
radio_avg_0=sum(radio_0)/count(radio_0);
用户状态数据为1的重叠面积交并比平均值:
radio_avg_1=sum(radio_1)/count(radio_1);
(33)如果前十条记录用户状态数据均相同,则当前用户用户状态数据与前十条记录用户状态数据保持一致;如前十条记录用户状态数据不相同,则分两种情况讨论:
(a)当前用户状态数据为0,则当满足以下两个条件需将当前用户状态数据改变为1:
条件二:用户状态数据为0的重叠面积交并比>0.4或者用户状态数据为1的重叠面积交并比平均值>0.5;
(b)当前用户状态数据为1时,则当满足以下三个条件其中之一,将用户状态数据改变为0:
条件一:前10条记录中用户状态数据为1的个数<5;
条件二:用户状态数据为0的重叠面积交并比<=0.4;
条件三:用户状态数据为1的重叠面积交并比平均值<=0.6。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503613.9A CN112738725B (zh) | 2020-12-18 | 2020-12-18 | 半封闭区域目标人群的实时识别方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503613.9A CN112738725B (zh) | 2020-12-18 | 2020-12-18 | 半封闭区域目标人群的实时识别方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112738725A true CN112738725A (zh) | 2021-04-30 |
CN112738725B CN112738725B (zh) | 2022-09-23 |
Family
ID=75603081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011503613.9A Active CN112738725B (zh) | 2020-12-18 | 2020-12-18 | 半封闭区域目标人群的实时识别方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112738725B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115628750A (zh) * | 2022-10-10 | 2023-01-20 | 中国第一汽车股份有限公司 | 一种车辆行驶路线比较方法、系统、电子设备和存储介质 |
CN115866547A (zh) * | 2023-03-01 | 2023-03-28 | 北京融信数联科技有限公司 | 基于信令数据的固定区域游客统计方法、系统和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324694A1 (en) * | 2014-05-09 | 2015-11-12 | Ting Wang | DISCOVERING USER-BEHAVIOR FROM TRAJECTORY-AS-POLYGON (TaP) |
CN106845403A (zh) * | 2017-01-20 | 2017-06-13 | 武汉哒呤科技有限公司 | 一种通过用户行为轨迹确定其身份特质的方法 |
CN107633067A (zh) * | 2017-09-21 | 2018-01-26 | 北京工业大学 | 一种基于人员行为规律和数据挖掘方法的群体识别方法 |
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 |
US20190095601A1 (en) * | 2017-09-27 | 2019-03-28 | International Business Machines Corporation | Establishing personal identity and user behavior based on identity patterns |
CN111079600A (zh) * | 2019-12-06 | 2020-04-28 | 长沙海格北斗信息技术有限公司 | 多摄像头的行人识别方法及识别系统 |
CN111079524A (zh) * | 2019-11-05 | 2020-04-28 | 联通系统集成有限公司贵州省分公司 | 一种基于运营商基站的目标身份识别方法与系统 |
CN111578933A (zh) * | 2020-05-09 | 2020-08-25 | 北京上下文系统软件有限公司 | 一种快速识别用户进入特定地理区域内的方法 |
CN111814914A (zh) * | 2020-08-26 | 2020-10-23 | 珠海大横琴科技发展有限公司 | 一种目标对象识别方法及装置 |
-
2020
- 2020-12-18 CN CN202011503613.9A patent/CN112738725B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324694A1 (en) * | 2014-05-09 | 2015-11-12 | Ting Wang | DISCOVERING USER-BEHAVIOR FROM TRAJECTORY-AS-POLYGON (TaP) |
CN106845403A (zh) * | 2017-01-20 | 2017-06-13 | 武汉哒呤科技有限公司 | 一种通过用户行为轨迹确定其身份特质的方法 |
CN107633067A (zh) * | 2017-09-21 | 2018-01-26 | 北京工业大学 | 一种基于人员行为规律和数据挖掘方法的群体识别方法 |
US20190095601A1 (en) * | 2017-09-27 | 2019-03-28 | International Business Machines Corporation | Establishing personal identity and user behavior based on identity patterns |
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 |
CN111079524A (zh) * | 2019-11-05 | 2020-04-28 | 联通系统集成有限公司贵州省分公司 | 一种基于运营商基站的目标身份识别方法与系统 |
CN111079600A (zh) * | 2019-12-06 | 2020-04-28 | 长沙海格北斗信息技术有限公司 | 多摄像头的行人识别方法及识别系统 |
CN111578933A (zh) * | 2020-05-09 | 2020-08-25 | 北京上下文系统软件有限公司 | 一种快速识别用户进入特定地理区域内的方法 |
CN111814914A (zh) * | 2020-08-26 | 2020-10-23 | 珠海大横琴科技发展有限公司 | 一种目标对象识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
杨东等: ""基于手机信令数据的游客识别与出行轨迹匹配方法"", 《交通运输研究》 * |
石立兴等: ""二维空间上基于呼叫详细记录数据的用户移动性分析"", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115628750A (zh) * | 2022-10-10 | 2023-01-20 | 中国第一汽车股份有限公司 | 一种车辆行驶路线比较方法、系统、电子设备和存储介质 |
CN115866547A (zh) * | 2023-03-01 | 2023-03-28 | 北京融信数联科技有限公司 | 基于信令数据的固定区域游客统计方法、系统和存储介质 |
CN115866547B (zh) * | 2023-03-01 | 2023-06-30 | 北京融信数联科技有限公司 | 基于信令数据的固定区域游客统计方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112738725B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An edge traffic flow detection scheme based on deep learning in an intelligent transportation system | |
CN110807385B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
Li et al. | Simultaneously detecting and counting dense vehicles from drone images | |
CN108536851B (zh) | 一种基于移动轨迹相似度比较的用户身份识别方法 | |
CN103208008A (zh) | 基于机器视觉的交通视频监控目标检测快速适应方法 | |
CN103020992B (zh) | 一种基于运动颜色关联的视频图像显著性检测方法 | |
CN112738725B (zh) | 半封闭区域目标人群的实时识别方法、装置、设备和介质 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN109740479A (zh) | 一种车辆重识别方法、装置、设备及可读存储介质 | |
CN103325259A (zh) | 一种基于多核并行的违章停车检测方法 | |
CN110096982A (zh) | 一种基于深度学习的视频车辆大数据搜索方法 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
CN110245554A (zh) | 一种行人运动趋势的预警的方法、系统平台及存储介质 | |
CN108986145A (zh) | 视频图像处理方法及装置 | |
CN104156689B (zh) | 一种对目标对象的特征信息进行定位的方法和设备 | |
Liu et al. | Remote sensing image vehicle detection based on pre-training and random-initialized fusion network | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
CN110765900A (zh) | 一种基于dssd的自动检测违章建筑方法及系统 | |
CN109800685A (zh) | 一种视频中对象的确定方法及装置 | |
CN105956595A (zh) | 图像特征提取方法及系统 | |
CN112257666B (zh) | 目标图像内容的聚合方法、装置、设备及可读存储介质 | |
Grigoropoulos et al. | Detection and Classification of Bicyclist Group Behavior for Automated Vehicle Applications | |
CN114219073A (zh) | 属性信息的确定方法、装置、存储介质及电子装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |