CN113376574B - 基于无线定位与图像处理的人位置匹配方法、装置及设备 - Google Patents
基于无线定位与图像处理的人位置匹配方法、装置及设备 Download PDFInfo
- Publication number
- CN113376574B CN113376574B CN202110632899.9A CN202110632899A CN113376574B CN 113376574 B CN113376574 B CN 113376574B CN 202110632899 A CN202110632899 A CN 202110632899A CN 113376574 B CN113376574 B CN 113376574B
- Authority
- CN
- China
- Prior art keywords
- wireless
- obtaining
- propagation
- obstruction
- positioning position
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000010586 diagram Methods 0.000 claims abstract description 52
- 230000000903 blocking effect Effects 0.000 claims description 78
- 239000013598 vector Substances 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006854 communication Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005295 random walk Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
- G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于无线定位与图像处理的人位置匹配方法、装置及设备。该方法根据由目标人员位置与每个无线AP之间的传播路径中传播阻碍系数和距离影响系数建立每个目标人员的实际定位位置对应的第一阻碍影响图和粗定位位置对应的第二阻碍影响图,进而根据第一阻碍影响图和第二阻碍影响图之间的差异来匹配粗定位位置对应的实际定位位置。根据目标人员与无线AP之间的距离影响和传播阻碍构建目标人员的实际定位位置对应的第一阻碍影响图和粗定位位置对应的第二阻碍影响图,一方面能够展现两张阻碍影响图对应的阻碍影响误差,另一方面能够通过两张阻碍影响图之间的差异准确匹配目标人员的正确位置,以提高定位精度。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于无线定位与图像处理的人位置匹配方法、装置及设备。
背景技术
随着中国对智慧城市的建设规划,定位技术的重要性和广泛性越来越受到人们的关注。基于信号强度变化的目标被动式定位方法是较为常见的,常见的有几何法、射频层析法和指纹法。
目前比较常用的定位匹配算法有信号空间最近邻法(NNSS)和信号空间k最近邻近法(k-NNSS),在位置指纹数据库里找出与实时信号强度样本最接近的一个或多个指纹数据,将它们对应的采样点位置或多个采样点位置的平均作为待定位的用户位置。
发明人在实践中,发现上述现有技术存在以下缺陷:信号强度变化容易受环境和阴影效应的影响,使得目标人员的定位坐标出现偏移,进而当场景中存在多个目标人员时,无法准确得到目标人员的准确位置。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于无线定位与图像处理的人位置匹配方法、装置及设备,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于无线定位与图像处理的人位置匹配方法,该方法包括:
获取视频图像中每个目标人员的实际定位位置;
基于所述实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的所述无线AP的传播阻碍系数;根据所述实际定位位置与每个所述无线AP之间的距离得到对应的所述无线AP的距离影响系数;以所述实际定位位置为定位节点,将所述定位节点与每个AP节点进行连接,根据每个所述无线AP的所述传播阻碍系数和所述距离影响系数得到对应连接线所对应的边权值,进而构成所述实际定位位置与多个所述无线AP之间对应的第一阻碍影响图;
基于无线定位技术得到每个所述目标人员的粗定位位置,获取每一个所述粗定位位置与多个所述无线AP之间对应的第二阻碍影响图;
获取所述第一阻碍影响图和所述第二阻碍影响图之间的差异,根据所述差异匹配所述粗定位位置对应的所述实际定位位置。
进一步地,所述基于所述实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的所述无线AP的传播阻碍系数的方法,包括:
所述传播路径包括中心路径和邻域路径,根据所述中心路径和所述邻域路径中所述传播障碍物的所述阻碍面积得到每个所述无线AP的整体阻碍指标;
获取多个所述无线AP对应的所述整体阻碍指标的第一总和,根据所述第一总和与所述整体阻碍指标得到每个所述无线AP的传播阻碍系数。
进一步地,所述阻碍面积的获取方法,包括:
获取所述传播障碍物在所述传播路径中的像素点集合,根据所述像素点集合得到所述阻碍面积。
进一步地,所述根据所述实际定位位置与每个所述无线AP之间的距离得到对应的所述无线AP的距离影响系数的方法,包括:
获取多个所述无线AP对应的所述距离的第二总和,根据所述第二总和与所述距离得到每个所述无线AP的距离影响系数。
进一步地,所述获取所述实际定位位置与每个所述无线AP之间的距离的方法,包括:
将所述定位节点和每个所述AP节点之间的所述连接线的长度作为对应的所述实际定位位置与所述无线AP之间的距离;所述连接线的长度是根据所述实际定位位置与所述无线AP之间的实际距离同比例缩放得到的。
进一步地,所述获取所述第一阻碍影响图和所述第二阻碍影响图之间的差异的方法,包括:
根据所述边权值获取所述第一阻碍影响图的第一嵌入向量、所述第二阻碍影响图的第二嵌入向量;
根据所述第一嵌入向量和所述第二嵌入向量得到所述差异。
进一步地,所述根据所述第一嵌入向量和所述第二嵌入向量得到所述差异的方法,包括:
将所述第一嵌入向量和所述第二嵌入向量通过伪孪生网络对应得到第一高维特征向量和第二高维特征向量;所述伪孪生网络是由两个分支都为全连接网络构成的网络;
计算所述第一高维特征向量和所述第二高维特征向量的欧式距离,将所述欧氏距离作为所述差异。
进一步地,所述根据每个所述无线AP的所述传播阻碍系数和所述距离影响系数得到对应连接线所对应的边权值的方法,包括:
将所述传播阻碍系数和所述距离影响系数之和作为所述边权值。
第二方面,本发明另一个实施例提供了一种基于无线定位与图像处理的人位置匹配装置,该装置包括:
实际定位单元,用于获取视频图像中每个目标人员的位置坐标,将所述位置坐标通过透视变换得到所述目标人员的实际定位位置;
第一图像获取单元,用于基于所述实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的所述无线AP的传播阻碍系数;根据所述实际定位位置与每个所述无线AP之间的距离得到对应的所述无线AP的距离影响系数;以所述实际定位位置为定位节点,将所述定位节点与每个AP节点进行连接,根据每个所述无线AP的所述传播阻碍系数和所述距离影响系数得到对应连接线所对应的边权值,进而构成所述实际定位位置与多个所述无线AP之间对应的第一阻碍影响图;
第二图像获取单元,用于基于无线定位技术得到每个所述目标人员的粗定位位置,获取每一个所述粗定位位置与多个所述无线AP之间对应的第二阻碍影响图;
位置匹配单元,用于获取所述第一阻碍影响图和所述第二阻碍影响图之间的差异,根据所述差异匹配所述粗定位位置对应的所述实际定位位置。
进一步地,一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。
本发明实施例至少存在以下有益效果:根据目标人员与无线AP之间的距离影响和传播阻碍构建目标人员的实际定位位置对应的第一阻碍影响图和粗定位位置对应的第二阻碍影响图,一方面能够展现两张阻碍影响图对应的阻碍影响误差,另一方面能够通过两张阻碍影响图之间的差异准确匹配目标人员的正确位置,以提高定位精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种基于无线定位与图像处理的人位置匹配方法的步骤流程图;
图2为本发明另一个实施例所提供的一种基于无线定位与图像处理的人位置匹配装置的结构框图;
图3为本发明实施例所提供的一种电子设备的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于无线定位与图像处理的人位置匹配方法、装置及设备,其具体实施方式、结构、特征及其作用,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于无线定位与图像处理的人位置匹配方法、装置及设备的具体方案。
本发明实施例所针对的具体场景为:在布置了多个无线AP的小范围或短距离内的环境中,对该环境中的多个目标人员的位置进行确认。
需要说明的是,无线AP包括蓝牙、WiFi等。
优先的,本发明实施例中的无线AP为WiFi,在其他实施例中实施者可根据自身需求选择。
由于环境影响和阴影效应导致无线定位出现位置偏差,无法区分距离较近的多个目标人员的位置,因此,本发明实施例通过提出了一种基于无线定位与图像处理的人位置匹配方法。
参照附图1,本发明实施例提供了一种基于无线定位与图像处理的人位置匹配方法,该方法具体包括以下步骤:
步骤S001,获取视频图像中每个目标人员的位置坐标,将位置坐标通过透视变换得到目标人员的实际定位位置。
具体的,考虑到利用2D目标检测技术得到的检测结果反映在3D空间中会存在较大的误差,因此,本发明实施例中根据获取的视频数据,利用3D目标检测技术对视频图像中待检测目标的3D包围框,该待检测目标包括人员、车辆以及其他物体。
优选的,本发明实施例中3D目标检测技术采用基于深度学习和单目视觉的网络模型。
在其他实施例中,实施者可以根据自身需求选择相应的目标检测网络模型,例如,M3D-RPN、YOLO3D、SSD-6D、Mono3D++等。
进一步地,本发明实施例基于视频图像中待检测目标对应的3D包围框的位置坐标并利用透视变换得到待检测目标在平面图像上的实际定位位置,所述平面图像为在地图上对应的图像。
透视变换需要计算单应性矩阵,本发明实施例将待检测目标的3D包围框的每个角点坐标通过透视变换得到每一个待检测目标的投影坐标集合。投影坐标集合为视频图像中每一个待检测目标对应的3D包围框底面的四个角点,该四个角点经过透视变换后在平面图像中的角点坐标。将每个3D包围框对应的四个角点进行连接得到一个四边形区域。
优先的,本发明实施例将四边形区域的质心作为每一个待检测目标的实际定位位置,进而根据目标人员对应的四边形区域的质心确认每一个目标人员的实际定位位置。
步骤S002,基于实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的无线AP的传播阻碍系数;根据实际定位位置与每个无线AP之间的距离得到对应的无线AP的距离影响系数;以实际定位位置为定位节点,将定位节点与每个AP节点进行连接,根据每个无线AP的传播阻碍系数和距离影响系数得到对应连接线所对应的边权值,进而构成实际定位位置与多个无线AP之间对应的第一阻碍影响图。
具体的,考虑到无线通信传播过程中易受其他障碍物的影响,也即是阴影效应影响,导致位置偏移,因此本发明实施例以目标人员的实际定位位置为定位节点、以每个无线AP为AP节点,将定位节点和每个AP节点进行连接。基于实际定位位置与无线AP之间的传播路径中的传播障碍物的阻碍面积计算实际定位位置与每个无线AP之间的传播阻碍系数,也即是每个无线AP对应的传播阻碍系数。
需要说明的是,本发明实施例中传播障碍物是指除目标人员之外场景中存在的其他物体,传播障碍物包括多种类别,例如人员、车辆等。
本发明实施例中通过获取传播障碍物在传播路径中的像素点集合,根据像素点集合得到阻碍面积,进而根据阻碍面积获取传播阻碍系数,则获取传播阻碍系数的方法为:
1)由于信号通常采用广播的信息进行发送,因此,本发明实施例将传播路径分为中心路径和邻域路径。获取传播障碍物在中心路径中的第一像素点集合,根据第一像素点集合得到第一阻碍面积,进而根据所述第一阻碍面积得到每个无线AP对应的直线传播通信阻碍指标。
优选的,本发明实施例中将定位节点与AP节点之间的连接线作为中心路径,获取中心路径与传播障碍物之间的第一像素点集合,根据第一像素点集合得到第一阻碍面积,通过中心路径与传播障碍物之间的第一阻碍面积得到每个无线AP对应的直线传播通信阻碍指标U1:
其中,为第j种类别中第i个传播障碍物对应的第一阻碍面积;Line为中心路径的像素点集合;/>为与中心路径存在交集的第j种类别中第i个传播障碍物对应的四边形区域的像素点集合;nj为与中心路径存在交集的第j种类别的传播障碍物的数量;m为传播障碍物的类别数量;/>为第j种类别的传播障碍物对应的权重。
2)基于中心路径建立邻域路径,获取传播障碍物在邻域路径中的第二像素点集合,根据第二像素点集合得到第二阻碍面积,进而根据第二阻碍面积得到每个无线AP对应的无线通信邻域阻碍指标。
优选的,本发明实施例以中心路径为基础,根据设定的宽度范围建立每一个中心路径对应的多边形缓冲区,该多边形缓冲区即为邻域路径。获取邻域路径与传播障碍物之间的第二像素点交集,根据第二像素点集合得到第二阻碍面积,根据第二阻碍面积得到每个无线AP对应的无线通信邻域阻碍指标U2:
其中,为第j种类别中第i个传播障碍物对应的第二阻碍面积;area为邻域路径的像素点集合;/>为与邻域路径存在交集的第j种类别中第i个传播障碍物对应的四边形区域的像素点集合;Nj为与邻域路径存在交集的的第j种类别的传播障碍物的数量,且数量Nj是除去中心路径上对应的传播障碍物的数量nj;M为传播障碍物的类别数量;/>为第j种类别的传播障碍物对应的权重。
需要说明的是,本发明实施例中设定的宽度为经验值,取值为5。
3)直线传播通信阻碍指标U1的值越大,则说明相应的无线通信路径上直接阻碍越大;无线通信邻域阻碍指标U2的值越大,则说明相应的无线通信路径上邻域阻碍越大。本发明实施例利用直线传播通信阻碍指标和无线通信邻域阻碍指标获取整体阻碍指标,则整体阻碍指标U3的计算方法为:
U3=U1*w1+U2*w2
其中,w1为直线传播通信阻碍指标的权重;w2为无线通信邻域阻碍指标的权重。
优选的,本发明实施例中w1=0.85,w2=0.15。
其中,n为无线AP的数量;U3i为第i个无线AP的整体阻碍指标。
进一步地,无线通信过程中也容易根据距离的远近影响信号的大小,因此本发明实施例中根据实际定位位置与无线AP之间的距离得到实际定位位置与每个无线AP之间的距离影响系数。
其中,di为实际定位位置与第i个无线AP之间的距离。
优先的,本发明实施例中将定位节点与AP节点之间连接线的长度作为实际定位位置与无线AP之间的距离,且该连接线的长度是根据实际定位位置与无线AP之间的实际距离同比例缩放得到的。
进一步地,本发明实施例根据每个无线AP的传播阻碍系数和距离影响系数得到对应连接线所对应的边权值,则边权值的计算方法为:
其中,LineWi为第i条连接线对应的边权值;w3为传播阻碍系数的权重;w4为距离影响系数的权重。
优先的,本发明实施例中w3=0.7,w4=0.3。
根据定位节点和多个AP节点之间的连接线和连接线对应的边权值以构成每个目标人员的实际定位位置对应的第一阻碍影响图。
步骤S003,基于无线定位技术得到每个目标人员的粗定位位置,获取每一个粗定位位置与多个无线AP之间对应的第二阻碍影响图。
具体的,本发明实施例选择RSSI多点定位法进行目标人员的定位,由于场景中可能存在人员身体阴影的影响,因此目标人员根据所在场景中布置的多个AP的信号强度(RSSI)得到目标人员的位置信息为该目标人员的粗定位位置。
相同的,本发明实施例利用上述步骤S002的方法获取每个目标人员的粗定位位置对应的第二阻碍影像图。
步骤S004,获取第一阻碍影响图和第二阻碍影响图之间的差异,根据差异匹配粗定位位置对应应的实际定位位置。
具体的,由于第一阻碍影响图或第二阻碍影像图中的边权值之和不等于1,本发明实施例中基于Softmax分类函数为图中每条连接线分配权重,使得图中所有连接线的边权值之和为1。
进一步地,本发明实施例基于边权值进行随机游走以获取第一阻碍影响图的第一嵌入向量和第二阻碍影像图的第二嵌入向量,具体为:
加权随机游走将经过Softmax分类函数处理后的边权值作为概率,每次都从定点节点游走,得到游走后的连接线的游走结果,本发明实施例将游走结果作为该次游走对应的第一嵌入向量或第二嵌入向量的值:
LineVj=w5*U3j+w6*dj
其中,LineVj为第j次游走的游走结果;U3j为第j次游走对应连接线的整体阻碍指标;dj为第j次游走对应连接线的长度。
本发明实施例设定游走次数为N,对每张阻碍影响图游走N次后都会得到一个N维的嵌入向量,也即是一张阻碍影响图对应一个N维的嵌入向量。
优选的,本发明实施例中游走次数N取经验值,则N=128。
需要说明的是,基于加权随机游走能够很好的获取阻碍影响图中的邻近关系,进而更好的展现了阻碍影响图中不同AP与目标人员位置之间的关系。
进一步地,本发明实施例通过训练神经网络模型来获取第一阻碍影响图对应的第一嵌入向量和第二阻碍影响图对应的第二嵌入向量之间的差异。
本发明实施例中的神经网络模型采用伪孪生网络,该伪孪生网络基于双塔网络的特性,也即该网络由两个分支组成,且每个分支都是全连接网络的形态。
伪孪生网络的训练说明如下:
1)伪孪生网络的输入有两个,一个是第一阻碍影响图的N维第一嵌入向量,另一个是第二阻碍影像图的N维第二嵌入向量。
2)第一嵌入向量和第二嵌入向量分别通过伪孪生网络对应的两个全连接网络将输入特征映射到高维空间,得到对应的第一高维特征向量和第二高维特征向量,并对第一高维特征向量和第二高维特征向量进行对比损失计算。其中,第一高维特征向量和第二高维特征向量都为经验维数,且为256维。
需要说明的是,第一高维特征向量和第二高维特征向量进行对比损失计算是为了使得两个高维特征向量越匹配,也即是缩小相匹配的两个高维特征向量之间的距离,增大不匹配的两个高维特征向量之间的距离。
3)损失函数优选采用对比损失函数。
通过伪孪生网络得到第一阻碍影响图对应的第一高维特征向量和第二阻碍影响图对应的第二高维特征向量之后,计算第一高维特征向量和第二高维特征向量之间的欧式距离,本发明实施例将该欧式距离作为第一阻碍影响图与第二阻碍影像图之间的差异,欧式距离越小,差异越小,也即粗定位位置和实际定位位置越匹配。
当场景中会存在多个粗定位位置时,本发明实施例基于第一阻碍影响图与第二阻碍影像图之间的差异进行多人员位置的最优匹配。
优选的,本发明实施例采用KM匹配算法以实现场景下多目标人员的实际定位位置与粗定位位置的最优匹配。
KM匹配算法的输入为成本矩阵,矩阵形状为[N1,N2],N1为粗定位位置的数量,N2为实际定位位置的数量,矩阵中的数值为第一阻碍影响图和第二阻碍影响图之间的差异,也即是欧式距离。通过KM匹配算法选取最小成本时对应的匹配方案,然后将实际定位位置作为粗定位位置的精准位置即可实现目标人员的正确位置匹配。
综上所述,本发明实施例提供了一种基于无线定位与图像处理的人位置匹配方法,该方法根据由目标人员位置与每个无线AP之间的传播路径中传播阻碍物的阻碍面积得到的传播阻碍系数和由目标人员位置与每个无线AP之间的距离得到的距离影响系数建立每个目标人员的实际定位位置对应的第一阻碍影响图和粗定位位置对应的第二阻碍影响图,进而根据第一阻碍影响图和第二阻碍影响图之间的差异来匹配粗定位位置对应的实际定位位置。根据目标人员与无线AP之间的距离影响和传播阻碍构建目标人员的实际定位位置对应的第一阻碍影响图和粗定位位置对应的第二阻碍影响图,一方面能够展现两张阻碍影响图对应的阻碍影响误差,另一方面能够通过两张阻碍影响图之间的差异准确匹配目标人员的正确位置,以提高定位精度。
基于与上述方法相同的发明构思,本发明实施例提供了一种基于无线定位与图像处理的人位置匹配装置。
参照附图2,本发明实施例提供了一种基于无线定位与图像处理的人位置匹配装置,该装置包括:实际定位单元10、第一图像获取单元20、第二图像获取单元30以及位置匹配单元40。
实际定位单元10用于获取视频图像中每个目标人员的位置坐标,将位置坐标通过透视变换得到目标人员的实际定位位置。
第一图像获取单元20用于基于实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的无线AP的传播阻碍系数;根据实际定位位置与每个无线AP之间的距离得到对应的无线AP的距离影响系数;以实际定位位置为定位节点,将定位节点与每个AP节点进行连接,根据每个无线AP的传播阻碍系数和距离影响系数得到对应连接线所对应的边权值,进而构成实际定位位置与多个无线AP之间对应的第一阻碍影响图。
第二图像获取单元30用于基于无线定位技术得到每个目标人员的粗定位位置,获取每一个粗定位位置与多个无线AP之间对应的第二阻碍影响图。
位置匹配单元40用于获取第一阻碍影响图和第二阻碍影响图之间的差异,根据差异匹配粗定位位置对应应的实际定位位置。
进一步地,请参阅附图3,其示出了本发明实施例提供的一种电子设备的示意图。该实施例中的该电子设备包括:处理器、存储器以及存储在所述存储器中并可在处理器上运行的计算机程序。处理器执行所述计算机程序时实现上述一种基于无线定位与图像处理的人位置匹配方法实施例中的步骤,例如图1所示的步骤。或者,处理器执行计算机程序时实现上述一种基于无线定位与图像处理的人位置匹配装置实施例中单元的功能。
示例性的,计算机程序可以被分割成一个或多个单元,其中一个或者多个单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。其中一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备中的执行过程。
该电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种电子设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,示意图仅仅是该电子设备的示例,并不构成对该电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如该电子设备还可以包括输入输出设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable 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。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,该处理器是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于无线定位与图像处理的人位置匹配方法,其特征在于,该方法包括:
获取视频图像中每个目标人员的实际定位位置;
基于所述实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的所述无线AP的传播阻碍系数;根据所述实际定位位置与每个所述无线AP之间的距离得到对应的所述无线AP的距离影响系数;以所述实际定位位置为定位节点,将所述定位节点与每个AP节点进行连接,根据每个所述无线AP的所述传播阻碍系数和所述距离影响系数得到对应连接线所对应的边权值,进而构成所述实际定位位置与多个所述无线AP之间对应的第一阻碍影响图;
基于无线定位技术得到每个所述目标人员的粗定位位置,获取每一个所述粗定位位置与多个所述无线AP之间对应的第二阻碍影响图;
获取所述第一阻碍影响图和所述第二阻碍影响图之间的差异,根据所述差异匹配所述粗定位位置对应的所述实际定位位置;
所述基于所述实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的所述无线AP的传播阻碍系数的方法,包括:
所述传播路径包括中心路径和邻域路径,根据所述中心路径和所述邻域路径中所述传播障碍物的所述阻碍面积得到每个所述无线AP的整体阻碍指标;
获取多个所述无线AP对应的所述整体阻碍指标的第一总和,根据所述第一总和与所述整体阻碍指标得到每个所述无线AP的传播阻碍系数。
2.如权利要求1所述的方法,其特征在于,所述阻碍面积的获取方法,包括:
获取所述传播障碍物在所述传播路径中的像素点集合,根据所述像素点集合得到所述阻碍面积。
3.如权利要求1所述的方法,其特征在于,所述根据所述实际定位位置与每个所述无线AP之间的距离得到对应的所述无线AP的距离影响系数的方法,包括:
获取多个所述无线AP对应的所述距离的第二总和,根据所述第二总和与所述距离得到每个所述无线AP的距离影响系数。
4.如权利要求1所述的方法,其特征在于,所述获取所述实际定位位置与每个所述无线AP之间的距离的方法,包括:
将所述定位节点和每个所述AP节点之间的所述连接线的长度作为对应的所述实际定位位置与所述无线AP之间的距离;所述连接线的长度是根据所述实际定位位置与所述无线AP之间的实际距离同比例缩放得到的。
5.如权利要求1所述的方法,其特征在于,所述获取所述第一阻碍影响图和所述第二阻碍影响图之间的差异的方法,包括:
根据所述边权值获取所述第一阻碍影响图的第一嵌入向量、所述第二阻碍影响图的第二嵌入向量;
根据所述第一嵌入向量和所述第二嵌入向量得到所述差异。
6.如权利要求5所述的方法,其特征在于,所述根据所述第一嵌入向量和所述第二嵌入向量得到所述差异的方法,包括:
将所述第一嵌入向量和所述第二嵌入向量通过伪孪生网络对应得到第一高维特征向量和第二高维特征向量;所述伪孪生网络是由两个分支都为全连接网络构成的网络;
计算所述第一高维特征向量和所述第二高维特征向量的欧式距离,将所述欧氏距离作为所述差异。
7.如权利要求1所述的方法,其特征在于,所述根据每个所述无线AP的所述传播阻碍系数和所述距离影响系数得到对应连接线所对应的边权值的方法,包括:
将所述传播阻碍系数和所述距离影响系数之和作为所述边权值。
8.一种基于无线定位与图像处理的人位置匹配装置,其特征在于,该装置包括:
实际定位单元,用于获取视频图像中每个目标人员的位置坐标,将所述位置坐标通过透视变换得到所述目标人员的实际定位位置;
第一图像获取单元,用于基于所述实际定位位置与每个无线AP之间的传播路径中传播障碍物的阻碍面积得到对应的所述无线AP的传播阻碍系数;根据所述实际定位位置与每个所述无线AP之间的距离得到对应的所述无线AP的距离影响系数;以所述实际定位位置为定位节点,将所述定位节点与每个AP节点进行连接,根据每个所述无线AP的所述传播阻碍系数和所述距离影响系数得到对应连接线所对应的边权值,进而构成所述实际定位位置与多个所述无线AP之间对应的第一阻碍影响图;
第二图像获取单元,用于基于无线定位技术得到每个所述目标人员的粗定位位置,获取每一个所述粗定位位置与多个所述无线AP之间对应的第二阻碍影响图;
位置匹配单元,用于获取所述第一阻碍影响图和所述第二阻碍影响图之间的差异,根据所述差异匹配所述粗定位位置对应的所述实际定位位置。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1~7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632899.9A CN113376574B (zh) | 2021-06-07 | 2021-06-07 | 基于无线定位与图像处理的人位置匹配方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632899.9A CN113376574B (zh) | 2021-06-07 | 2021-06-07 | 基于无线定位与图像处理的人位置匹配方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113376574A CN113376574A (zh) | 2021-09-10 |
CN113376574B true CN113376574B (zh) | 2023-06-30 |
Family
ID=77576096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110632899.9A Active CN113376574B (zh) | 2021-06-07 | 2021-06-07 | 基于无线定位与图像处理的人位置匹配方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376574B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113993074B (zh) * | 2021-11-19 | 2022-08-05 | 深圳市佳贤通信设备有限公司 | 一种5g基站信号收发装置及目标定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104284418A (zh) * | 2014-10-08 | 2015-01-14 | 海南大学 | 一种商业中心内部移动节点用户信号的定位方法 |
CN106231552A (zh) * | 2016-08-02 | 2016-12-14 | 南京信息工程大学 | 一种基于混合方式的非合作目标定位方法 |
CN106792772A (zh) * | 2016-12-20 | 2017-05-31 | 北京邮电大学 | 室内定位无线信号的补偿方法及装置和定位方法及装置 |
CN108761391A (zh) * | 2018-05-29 | 2018-11-06 | 南京信息工程大学 | 一种模型类无设备目标定位方法 |
CN112020027A (zh) * | 2020-08-17 | 2020-12-01 | 浙江华消科技有限公司 | 室内对象定位方法及电子设备 |
CN112528846A (zh) * | 2020-12-11 | 2021-03-19 | 北京百度网讯科技有限公司 | 障碍物检测的测评方法、装置、设备以及存储介质 |
CN112817337A (zh) * | 2021-04-16 | 2021-05-18 | 北京三快在线科技有限公司 | 获取路径的方法、装置、设备和可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7734298B2 (en) * | 1998-09-22 | 2010-06-08 | Polaris Wireless, Inc. | Estimating the location of a wireless terminal based on signal path impairment |
-
2021
- 2021-06-07 CN CN202110632899.9A patent/CN113376574B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104284418A (zh) * | 2014-10-08 | 2015-01-14 | 海南大学 | 一种商业中心内部移动节点用户信号的定位方法 |
CN106231552A (zh) * | 2016-08-02 | 2016-12-14 | 南京信息工程大学 | 一种基于混合方式的非合作目标定位方法 |
CN106792772A (zh) * | 2016-12-20 | 2017-05-31 | 北京邮电大学 | 室内定位无线信号的补偿方法及装置和定位方法及装置 |
CN108761391A (zh) * | 2018-05-29 | 2018-11-06 | 南京信息工程大学 | 一种模型类无设备目标定位方法 |
CN112020027A (zh) * | 2020-08-17 | 2020-12-01 | 浙江华消科技有限公司 | 室内对象定位方法及电子设备 |
CN112528846A (zh) * | 2020-12-11 | 2021-03-19 | 北京百度网讯科技有限公司 | 障碍物检测的测评方法、装置、设备以及存储介质 |
CN112817337A (zh) * | 2021-04-16 | 2021-05-18 | 北京三快在线科技有限公司 | 获取路径的方法、装置、设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113376574A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8725416B2 (en) | Apparatus for recognizing position using range signals and method thereof | |
CN106444757B (zh) | 基于直线特征地图的ekf-slam方法 | |
CN111931764B (zh) | 一种目标检测方法、目标检测框架及相关设备 | |
CN110363817B (zh) | 目标位姿估计方法、电子设备和介质 | |
CN107907124A (zh) | 基于场景重识的定位方法、电子设备、存储介质、系统 | |
CN112847343A (zh) | 动态目标跟踪定位方法、装置、设备和存储介质 | |
CN109934857B (zh) | 一种基于卷积神经网络与orb特征的回环检测方法 | |
CN112325883A (zh) | 一种WiFi和视觉多源融合的移动机器人室内定位方法 | |
CN110287775A (zh) | 手掌图像裁剪方法、装置、计算机设备及存储介质 | |
CN110967019A (zh) | 一种规划机器人局部路径的方法及机器人 | |
CN113376574B (zh) | 基于无线定位与图像处理的人位置匹配方法、装置及设备 | |
CN112336342A (zh) | 手部关键点检测方法、装置及终端设备 | |
CN111678516B (zh) | 一种基于激光雷达的有界区域快速全局定位方法 | |
CN111709988B (zh) | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 | |
CN114088081A (zh) | 一种基于多段联合优化的用于精确定位的地图构建方法 | |
CN111024082A (zh) | 一种规划机器人局部路径的方法、装置及机器人 | |
Yu et al. | A deep-learning-based strategy for kidnapped robot problem in similar indoor environment | |
CN111474560B (zh) | 一种障碍物定位方法、装置及设备 | |
CN114708309A (zh) | 基于建筑平面图先验信息的视觉室内定位方法及系统 | |
CN112393735A (zh) | 定位方法及装置、存储介质、电子装置 | |
Shoukat et al. | Cognitive robotics: Deep learning approaches for trajectory and motion control in complex environment | |
US20210201525A1 (en) | Augmented reality device and positioning method | |
Unicomb et al. | A monocular indoor localiser based on an extended kalman filter and edge images from a convolutional neural network | |
CN111291611A (zh) | 一种基于贝叶斯查询扩展的行人重识别方法及装置 | |
JP5928240B2 (ja) | 3次元形状解釈装置及びプログラム |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231205 Address after: 518000, Building 1, 505, South Taiyun Chuanggu Park, southeast of the intersection of Guangming Avenue and Dongchang Road, Tangwei Community, Fenghuang Street, Guangming District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Haina Automation Technology Co.,Ltd. Address before: 450000 No.1 Xianghe Road, Longhu, Xinzheng, Zhengzhou, Henan Province Patentee before: HENAN INSTITUTE OF ENGINEERING |