CN113515982B - 轨迹还原方法及设备、设备管理方法及管理设备 - Google Patents
轨迹还原方法及设备、设备管理方法及管理设备 Download PDFInfo
- Publication number
- CN113515982B CN113515982B CN202010442705.4A CN202010442705A CN113515982B CN 113515982 B CN113515982 B CN 113515982B CN 202010442705 A CN202010442705 A CN 202010442705A CN 113515982 B CN113515982 B CN 113515982B
- Authority
- CN
- China
- Prior art keywords
- track
- target
- track segment
- position point
- determining
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例提供一种轨迹还原方法及设备,该方法包括:根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹。本申请实施例提高了轨迹还原效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种轨迹还原方法及设备、设备管理方法及管理设备。
背景技术
轨迹是对移动的目标对象的位置和时间的记录序列,作为一种重要数据和信息源可以应用于智能交通、智能追踪、异常轨迹挖掘等诸多场景。随着城市视频采集、卫星定位、无线通信以及移动互联网的快速发展,可以实时获取目标对象的位置数据,并根据目标对象的位置数据进行轨迹还原,以对目标对象的运动行为进行分析。
现有技术中,一般采用视频数据,通过视觉的行人重识别方式进行轨迹还原。通常可以利用计算机视觉技术,判断图像或者视频中是否存在特定行人,例如,给定一特定行人的图像,并获取不同摄像设备采集的视频数据,从多个视频数据中检索该特定行人,判断该特定行人是否在某个摄像设备前出现,如果在某个摄像设备前出现,之后记录目标对象的出现地,从而还原特定行人的移动轨迹。
但是,现有采用的行人重识别方式,仅能对特定行人轨迹进行还原,搜索成本较高,导致轨迹还原效率较低。
发明内容
有鉴于此,本申请实施例提供一种轨迹还原方法及设备、设备管理方法及管理设备,用以解决现有技术中仅能对特定行人轨迹进行还原,搜索成本较高,导致轨迹还原效率较低的技术问题。
第一方面,本申请实施例提供一种轨迹还原方法,包括:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;
基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;
对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹。
第二方面,本申请实施例提供一种设备管理方法,包括:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;
基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;
对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹;
确定所述目标轨迹中的多个目标位置点;其中,所述目标位置点关联有摄像设备;
计算任意两个相邻目标位置点之间的位置距离;
根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理。
第三方面,本申请实施例提供一种轨迹还原方法,包括:
根据目标对象所在的第一位置点,确定所述第一位置点对应的第一轨迹片段;
基于所述第一轨迹片段,从轨迹特征库中查找满足轨迹相似条件的第二轨迹片段;
为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面;
输出所述轨迹展示界面,以供所述目标对象基于所述轨迹展示界面,从所述第一轨迹片段以及所述第二轨迹片段中选择第三轨迹片段;
获取所述目标对象在所述轨迹展示界面中选择的第三轨迹片段;
对所述第三轨迹片段进行轨迹合成处理,获得目标轨迹。
第四方面,本申请实施例提供一种轨迹还原设备,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹。
第五方面,本申请实施例提供一种一种管理设备,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹;确定所述目标轨迹中的多个目标位置点;其中,所述目标位置点关联有摄像设备;计算任意两个相邻目标位置点之间的位置距离;根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理。
第六方面,本申请实施例提供一种轨迹还原设备,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
根据目标对象所在的第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹特征库中查找满足轨迹相似条件的第二轨迹片段;为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面;输出所述轨迹展示界面,以供所述目标对象基于所述轨迹展示界面,从所述第一轨迹片段以及所述第二轨迹片段中选择第三轨迹片段;获取所述目标对象在所述轨迹展示界面中选择的第三轨迹片段;对所述第三轨迹片段进行轨迹合成处理,获得目标轨迹。
本申请实施例,可以根据目标对象所在的第一位置点,确定该第一位置点对应的第一轨迹片段。第一轨迹片段为目标对象当前的小段轨迹,从而根据该轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段,也即从轨迹片段库中查找该目标对象的第一轨迹片段相关的一些轨迹片段,获得第二轨迹片段。通过确定第一轨迹片段以及第二轨迹片段即可以确定目标对象相关的轨迹。从而可以利用第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。实现目标对象的运动轨迹的自动生成。通过获取目标对象当前所在的位置点即可以完成目标对象的运动轨迹自动生成,提高运动轨迹的生成效率。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例提供的一种轨迹还原方法的一个实施例的流程图;
图2为本申请实施例提供的一种轨迹还原方法的又一个实施例的流程图;
图3为本申请实施例提供的一种轨迹还原方法的又一个实施例的流程图;
图4为本申请实施例提供的一种轨迹还原方法的一个应用示例图;
图5为本申请实施例提供的一种设备管理方法的一个实施例的流程图;
图6为本申请实施例提供的一种轨迹还原方法的又一个实施例的流程图;
图7为本申请实施例提供的一种轨迹还原设备的一个实施例的结构示意图;
图8为本申请实施例提供的一种管理设备的一个实施例的结构示意图;
图9为本申请实施例提供的一种轨迹还原设备的又一个实施例的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于识别”。类似地,取决于语境,短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
还需要说明的是,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商品或者系统不仅包括那些要素,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商品或者系统所固有的要素。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商品或者系统中还存在另外的相同要素。
本申请实施例的技术方案可以应用于轨迹还原场景中。通过采集对象数据,并查找该对象数据相匹配的目标对象数据,并利用对象数据以及其关联的目标对象数据进行轨迹还原,实现轨迹的自动生成,提高轨迹的生成效率。
现有技术中,对目标对象的轨迹进行轨迹还原时,一般采用重识别方法。通常提取目标对象的图像,并从多个视频中查找该目标对象的出现地,以通过该目标对象的出现时间以及出现位置绘制该目标对象的移动轨迹。但是采用重识别的识别方式,仅实现目标对象的针对性搜索,搜索成本较高,导致轨迹还原效率较低。
本申请实施例中,可以根据目标对象所在的第一位置点,确定该第一位置点对应的第一轨迹片段,也即确定目标对象当前的小段轨迹,之后,可以基于该第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。以轨迹片段为单位存储不同对象的运动轨迹,可以提高目标对象的轨迹片段的查找效率。对第一轨迹片段以及第二轨迹片段进行轨迹合成处理之后,可以获得目标对象的目标轨迹。通过获取目标对象的轨迹片段,提高目标对象的出现率的查询效率,并通过获取的轨迹片段自动实现轨迹生成,提高轨迹的生成效率。
下面将结合附图对本申请实施例进行详细描述。
如图1所示,为本申请实施例提供的一种图像处理方法的一个实施例的流程图,所述方法可以包括以下几个步骤:
101:根据目标对象所在第一位置点,确定第一位置点对应的第一轨迹片段。
其中,第一位置点可以是目标对象当前所在的位置点。
在实际应用中目标对象可以是摄像设备当前检测到的任意行人或者车辆等对象。目标对象的第一位置点,可以是采集到该目标对象的图像的摄像设备所在的位置点。
在一种可能的设计中,可以在不同的位置设置摄像设备,并为不同摄像设备设置不同设备标识,由于摄像设备的位置已知,可以为摄像设备的设备标识以及设备位置建立关联关系。摄像设备可以采集行人或者车辆等目标对象的图像,并通过将目标对象的图像、该摄像设备的设备标识以及采集目标对象的图像的时间戳等建立关联关系,在摄像设备的设备标识确定时,该可以根据摄像设备对应的设备标识来确定与所述设备标识关联的设备位置,从而将所述设备位置作为目标对象所在第一位置点。
根据第一位置点可以确定目标对象在该第一位置点对应的一小段轨迹,获得第一轨迹片段。该第一轨迹片段中可以包括该第一位置点。
第一轨迹片段可以由目标对象出现的多个位置点构成,其中,可以包括第一位置点。
102:基于第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。
第一轨迹片段可以是目标对象当前所在的轨迹,第一轨迹片段可以根据第一位置点,以及采集到的目标对象的其他位置点按照时间的先后顺序连接构成。
103:对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。
目标轨迹可以由第一轨迹片段以及第二轨迹片段合成获得。
第一轨迹片段以及第二轨迹片段按照轨迹的时间先后顺序进行合成,获得目标轨迹。
本申请实施例中,可以根据目标对象所在的第一位置点,确定该第一位置点对应的第一轨迹片段,也即确定目标对象当前的小段轨迹,之后,可以基于该第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。以轨迹片段为单位存储不同对象的运动轨迹,可以提高目标对象的轨迹片段的查找效率。对第一轨迹片段以及第二轨迹片段进行轨迹合成处理之后,可以获得目标对象的目标轨迹。通过获取目标对象的轨迹片段,提高目标对象的出现率的查询效率,并通过获取的轨迹片段自动实现轨迹生成,提高轨迹的生成效率。
本申请实施例所提供的图像处理方法可以应用于电子设备或者服务器中。该电子设备例如可以包括:机器人、车载设备、可穿戴设备、自动定位设备、计算机、笔记本、个人终端等,本申请实施例对电子设备的具体类型不作过多限定。服务器具体可以包括:计算机、超级笔记本等普通服务器或者云服务器,本申请实施例对服务器的具体类型不作过多限定。
作为一个实施例,所述方法还可以包括:确定目标对象的第一对象位置点。
其中,确定目标对象的第一位置点可以包括:获取摄像设备采集的目标对象的图像数据。基于摄像设备的位置点确定目标对象的第一位置点。
作为又一个实施例,所述方法还可以包括:确定目标对象在第一对象位置点关联的第一对象特征。
其中,确定目标对象在第一对象位置点关联的第一对象特征可以包括:提取目标对象的图像数据对应的图像特征,获得目标对象在第一位置点对应的第一对象特征。
如图2所示,为本申请实施例提供的一种轨迹还原方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
201:根据目标对象所在第一位置点,确定第一位置点对应的第一监控区域。
其中,第一监控区域为所述第一位置点所在的第一监控区域。
可选地,可以确定多个监控区域,其中,监控区域的监控范围已知。具体可以通过第一位置点所对应的经纬度数据,从多个监控区域中确定该经纬度数据所在的第一监控区域。
202:确定第一位置点在第一监控区域中对应的第一轨迹片段。
203:基于第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。
204:对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。
本申请实施例中部分步骤与图1所示实施例相同,在此不再赘述。
本申请实施例中,根据目标对象所在的第一位置点,确定了该第一位置点对应的第一监控区域,可以将该第一监控区域中的第一轨迹片段。通过确定第一位置点对应的第一监控区域,缩小了轨迹片段的获取范围,可以提高第二轨迹片段的获取效率。从而在对第一轨迹片段以及第二轨迹片段进行轨迹合成处理之后,可以获得目标对象的目标轨迹。提高目标轨迹的获取效率。
作为一个实施例,在根据目标对象所在第一位置点,确定第一对象位置对应的第一监控区域之后,该方法还可以包括:
获取第一监控区域对应的至少一个候选位置点。
其中,确定第一位置点在第一监控区域中对应的第一轨迹片段可以包括:
确定至少一个候选位置点中与第一位置点关联的第二位置点;
确定第一位置点以及第二位置点构成的所述第一轨迹片段。
第一轨迹片段可以包括第一位置点以及第二位置点,第一位置点为新增位置点,第二位置点为第一轨迹片段原有的位置点。任意轨迹片段可以包括多个位置点,通常可以由多个位置点按照时间的先后顺序连接获得。任一位置点可以对应有时间戳,该时间戳为摄像设备采集目标对象的时间。
第一监控区域对应的至少一个候选位置点为该监控区域中的历史位置点。至少一个候选位置点为多个对象在该第一监控区域出现时,基于采集的对象图像,确定的对象位置点。通常,可以提取对象的图像对应的图像特征,获得对象的对象特征,并将对象特征与对象位置点建立关联关系,以根据各个对象特征查找目标对象的第一位置点。
可选地,可以预先建立对象位置库;该对象位置库中可以存储多个位置点。对象位置库可以包括所有监控区域中多个对象各自对应的位置点,监控区域可以根据实际的监控总区域进行区域划分获得。当确定目标对象的第一位置点时,可以查询多个监控区域,以确定该第一位置点所在的监控区域。对象位置库对应的多个监控区域的监控范围已知,可以对应有相应的经纬度数据。
在确定至少一个候选位置点中与第一位置点关联的第二位置点时,可以基于轨迹标识确定,也即,确定至少一个候选位置点中与第一位置点具有相同轨迹标识的位置点。
作为一种可能的实现方式,所述方法还包括:
确定至少一个候选位置点分别对应的轨迹标识。
基于至少一个候选对象分别对应的轨迹标识,确定第一位置点对应的第一轨迹标识。
其中,确定至少一个候选位置点中与第一位置点关联的第二位置点包括:
确定至少一个候选位置点中轨迹标识与第一轨迹标识相同的候选位置点为第二位置点。
其中,至少一个候选位置点为历史位置点,已关联对应的轨迹标识。
第一位置点为新增位置点,需要先确定第一位置点对应的第一轨迹标识。而第一位置点对应的第一轨迹标识可以基于至少一个候选对象分别对应的轨迹标识确定。
作为一种可能的实现方式,基于至少一个候选对象分别对应的轨迹标识,确定第一位置点对应的第一轨迹标识可以包括:
确定至少一个候选位置点中与第一位置点满足位置相似条件的目标位置点;
根据至少一个候选位置点分别对应的轨迹标识,确定目标位置点的目标轨迹标识;
根据目标轨迹标识,确定第一位置点的第一轨迹标识。
为了确保第一位置点的第一轨迹标识的设置的准确性,可以利用至少一个候选位置点中与第一位置点最相似的目标位置点对应的轨迹标识来确定。
其中,位置相似条件具体可以包括:至少一个候选位置点中与第一位置点最相似。通过位置相似性来确定目标位置点,可以获得与第一位置点最接近的目标位置点。
为了确定准确的目标位置点,可以查找多个候选位置点中与第一位置点在时间以及空间上最接近的位置点,作为该目标位置点。
但是由于位置点是基于不同对象来确认的,因此,不同的位置点对应的对象可能不同,如果将不属于目标对象的出现的位置点作为目标位置点,可以导致轨迹的确定误差。因此,可以为每个位置点关联其对应对象的对象特征。
在一种可能的设计中,确定至少一个候选位置点中与第一位置点满足位置相似条件的目标位置点可以包括:
确定目标对象在第一位置点对应的第一对象特征;
确定至少一个候选位置点分别关联的候选对象特征;
分别计算第一对象特征与至少一个候选对象特征的特征相似度,获得至少一个特征相似度;
确定至少一个特征相似度中相似度最大的目标特征相似度;
确定目标特征相似度对应的候选对象特征关联的候选位置点为目标位置点。
其中,至少一个候选位置点分别关联的候选对象特征可以预先建立。在实际应用中,每采集到一个对象的位置点,可以采集该对象的图像,并通过提取图像的图像特征作为该对象的对象特征,以建立对象的位置点与对象特征的关联关系。
图像特征的提取方式可以包括多种,通常可以采用神经网络模型、方向梯度直方图模型等算法模型,以提取图像的特征,图像特征的提取方式与现有技术相同,在此不再赘述。
本申请实施例中,在确定目标对象在第一位置点对应的第一对象特征,还可以确定至少一个候选位置点分别关联的候选对象特征,对象特征主要用于定义对象的某些特性,可以用于区别不同的对象。从而在计算第一对象特征与至少一个候选对象特征的特征相似度之后,可以获得至少一个特征相似度,并确定至少一个特征相似度中最大的目标特征相似度,该目标特征相似度对应的候选对象特征关联的候选位置点即为目标位置点。通过不同对象之间的特征的相似度来确定与目标对象最相似的候选对象特征,从而确定该最相似的候选对象特征关联的候选位置点为目标位置点,高效且准确地确定目标位置点。
在实际应用中,一个对象可能在某个位置点或者监控区域第一次出现,虽然可以通过以上步骤确定目标轨迹标识,但是该目标轨迹标识来标识的轨迹并非该对象的轨迹,此时,可以为目标对象的第一位置点生成一个新的轨迹标识。在第一监控区域中是否存在目标对象的历史位置点,可以对对象特征相似度来确定,如果存在与目标对象的对象特征特别相似的候选对象特征,说明目标对象已存在轨迹,如果不存在与目标对象的对象特征特别相似的候选对象特征,可以说明目标对象没有关联对象特征。可以通过相似度阈值来判别目标对象是否存在轨迹。
因此,在某些实施例中,根据目标轨迹标识,确定第一位置点的第一轨迹标识可以包括:
如果目标特征相似度大于特征相似度阈值,确定目标轨迹标识为第一位置点的第一轨迹标识;
如果目标特征相似度小于特征相似度阈值,为第一位置点生成第一轨迹标识。
在通过目标轨迹标识确定第一位置点的第一轨迹标识时,通过对目标特征相似度进行相似度阈值限制,可以提高标识确定的准确性。
在计算第一对象特征与至少一个候选对象特征分别对应的特征相似度时,可以通过计算第一对象特征与至少一个候选对象特征的特征距离确定。特征距离越小,特征相似度越高,特征距离越大,特征相似度越低。
为了确定更准确的特征相似度,可以确定至少一个候选对象特征之间的相似度,获得至少一个候选对象特征的平均特征距离,并用于确定第一对象特征与至少一个候选对象特征分别对应的特征相似度。
因此,作为一种可能的实现方式,分别计算第一对象特征与至少一个候选对象特征的特征相似度,获得至少一个特征相似度可以包括:
分别计算第一对象特征分别与至少一个候选对象特征的对象特征距离,获得至少一个对象特征距离;
根据至少一个候选对象特征,确定至少一个候选对象特征分别对应的平均特征距离;
对第一对象特征与至少一个候选对象分别对应的对象特征距离,以及至少一个候选特征分别对应的平均特征距离进行加权求和,获得第一对象特征分别与至少一个候选对象分别对应的特征距离;
根据第一对象特征分别与至少一个候选对象对应的特征距离,确定所述第一对象特征分别与所述至少一个候选对象分别对应的特征相似度。
对象特征距离可以包括:欧式距离、赫夫曼距离等,特征距离的计算方法与现有技术相同,在此不再赘述。
至少一个候选对象特征分别对应的对象特征距离可以通过至少一个候选对象特征确定。具体可以计算至少一个候选对象特征中任意两个候选对象特征的特征距离,并针对任一候选对象特征,计算所述候选对象特征与其他候选对象特征的特征距离对应的平均特征距离。
第一对象特征分别与任一个候选对象特征分别对应的特征距离可以通过所述第一对象特征与所述候选对象特征的对象特征距离,以及所述候选对象特征对应的平均特征距离进行加权计算获得。
为了便于理解,为第一对象特征表示为A,至少一个候选对象特征为三个,分别表示为B、C、D为例。在确定第一对象特征A分别与三个候选对象特征B、C、D的对象特征距离为D1、D2、D3,三个候选对象特征分别对应的平均特征距离为A1、A2、A3。第一对象特征A与候选对象特征B的特征距离可以为D1+A1,第一对象特征A与候选对象特征C的特征距离可以为D2+A2,第一对象特征A与候选对象特征D的特征距离可以为D3+A3。
其中,第一对象特征A分别与三个候选对象特征B、C、D的对象特征距离D1、D2、D3,可以通过计算第一对象特征A与候选对象特征B的特征距离,获得对象特征距离D1,计算第一对象特征A与候选对象特征C的特征距离,获得对象特征距离D2,计算第一对象特征A与候选对象特征D的特征距离,获得对象特征距离D3。
候选对象特征B对应的平均特征距离A1可以通过候选对象特征B与候选对象特征C的特征距离b1以及候选对象特征B与候选对象特征D的特征距离b2,进行均值计算获得。候选对象特征C对应的平均特征距离A2,可以通过候选对象特征C与候选对象特征B的特征距离c1以及候选对象特征C与候选对象特征D的特征距离c2进行均值计算获得。候选对象特征D对应的平均特征距离A3可以通过候选对象特征D与候选对象特征B的特征距离d1以及候选对象特征D与候选对象特征C的特征距离d2进行均值计算获得。
在实际应用中,摄像设备采集目标对象的图像,并提取图像特征以获得对象特征,并以摄像设备对应的位置点获得目标对象的第一位置点时,可以为所述第一位置点生成时间戳,以标识目标对象在该对象位置点的出现时间。作为一个实施例,位置点可以对应有时间戳。该方法还包括:
确定目标对象在第一位置点对应的第一时间戳;
根据第一时间戳,确定监控时间段;
其中,确定第一监控区域中的至少一个候选位置点可以包括:
确定第一监控区域中,时间戳处于监控时间段内的至少一个候选位置点。
本申请实施例中,在确定第一监控区域中的至少一个候选位置点时,可以确定目标对象当前所对应第一时间戳对应的监控时间段的至少一个候选位置点。通过对时间以及监控区域的限定,可以缩小位置点的查找范围,提高查找的准确率以及效率。
如图3所示,为本申请实施例提供的一种轨迹还原方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
301:根据目标对象所在第一位置点,确定第一位置点对应的第一轨迹片段。
302:确定轨迹片段库中的至少一个候选轨迹片段。
303:基于第一轨迹片段,从至少一个候选轨迹片段中查找满足轨迹相似条件的第二轨迹片段。
304:对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。
本申请实施例中,在根据目标对象的第一位置点,确定第一位置点对应的第一轨迹片段。在确定轨迹片段库中的至少一个候选轨迹片段之后,可以基于第一轨迹片段,从至少一个候选轨迹片段中查找满足轨迹相似条件的第二轨迹片段,从而对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。轨迹片段库提供候选轨迹片段,可以实现对轨迹的实时查询,以提高第一轨迹片段关联轨迹的查询效率,而促使目标轨迹的合成效率的提高。
作为一个实施例,基于第一轨迹片段,从至少一个候选轨迹片段中查找满足轨迹相似条件的第二轨迹片段包括:
确定至少一个候选轨迹片段分别对应的用户标识;
基于至少一个候选轨迹片段分别对应的用户标识,确定第一轨迹片段的第一用户标识;
确定至少一个候选轨迹片段中用户标识与第一用户标识相同的候选轨迹片段为第二轨迹片段。
本申请实施例中,通过为轨迹片段设置相应的用户标识,以利用用户标识对轨迹片段的所属对象进行标识,从而确定属于同一对象的轨迹片段,并利用该对象对应用户标识的轨迹片段进行轨迹合成处理,获得该对象的目标轨迹。通过用户标识可以实现对不同对象的轨迹的区分,以实现轨迹片段的查询,提高查询效率。
作为一种可能的实现方式,基于至少一个候选轨迹片段分别对应的用户标识,确定第一轨迹片段的第一用户标识包括:
确定至少一个候选轨迹片段中与第一轨迹片段满足轨迹相似条件的目标轨迹片段;
根据至少一个候选轨迹片段分别对应的用户标识,确定目标轨迹片段对应的目标用户标识;
根据目标用户标识,确定第一轨迹片段的第一用户标识。
本申请实施例中,通过确定至少一个候选轨迹片段中与第一轨迹片段满足轨迹相似条件的目标轨迹片段的用户标识来确定第一轨迹片段的第一用户标识。提高第一用户标识的有效性以及准确性。
为了查找到准确的目标轨迹片段,以提高第一轨迹片段对应第一用户标识的准确度,在某些实施例中,确定至少一个候选轨迹片段中与第一轨迹片段满足轨迹相似条件的目标轨迹片段可以包括:
确定第一轨迹片段对应的第一轨迹特征;
确定至少一个候选轨迹片段分别关联的候选轨迹特征;
分别计算第一轨迹特征与至少一个候选轨迹特征的轨迹相似度,获得至少一个轨迹相似度;
确定至少一个轨迹相似度中相似度最大的目标轨迹相似度;
确定目标轨迹相似度对应的候选轨迹特征关联的候选轨迹片段为目标轨迹片段。
通过为各个轨迹片段生成轨迹特征,以计算第一轨迹片段与至少一个候选轨迹特征之间的轨迹相似度,可以使得轨迹片段的相似度衡量标准量化,提高轨迹相似度的确定准确度。
在根据目标用户标识确定第一轨迹片段的第一用户标识时,如果目标轨迹相似度过低,可以确定第一轨迹片段与该目标轨迹相似度对应的候选轨迹判断相似度很低,因此,轨迹特征库中可能并不存在与第一轨迹片段十分相似的候选轨迹,此时可以为第一轨迹片段生成新的用户标识。
为了获取第一轨迹片段更准确的第一用户标识,在一些实施例中,根据目标用户标识,确定第一轨迹片段的第一用户标识可以包括:
如果目标轨迹相似度大于轨迹相似度阈值,确定目标用户标识为第一轨迹片段的第一用户标识;
如果目标轨迹相似度小于轨迹相似度阈值,为第一轨迹片段生成第一用户标识。
由于各个轨迹片段包括多个位置点,以及各个位置点关联有对象特征,可以通过轨迹片段的多个位置点分别关联的对象特征确定轨迹特征。作为一种可能的实现方式,任意轨迹片段可以包括至少一个位置点,所述至少一个位置点分别对应有对象特征;
所述轨迹片段的轨迹特征可以通过以下方式确定:
确定轨迹片段的至少一个位置点分别对应的对象特征;
对至少一个位置点分别对应的对象特征进行特征均值计算,获得轨迹片段对应的轨迹特征。
为了获得准确的轨迹特征,在一种可能的设计中,对至少一个位置点分别对应的对象特征进行特征均值计算,获得轨迹片段对应的轨迹特征可以包括:
从至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征;
对至少一个目标对象特征进行特征均值计算,获得轨迹片段对应的轨迹特征。
由于轨迹片段的位置点包括至少一个,每个位置点对应有对象特征,而轨迹特征的特征质量并不相同,例如,可能存在一些噪声图像对应的对象特征,如果将该对象特征用于计算轨迹特征,会导致轨迹特征不够准确。因此,通过对轨迹片段中的多个位置点分别对应的对象特征进行筛选,以使用质量更高的对象特征进行轨迹特征的计算,以提高轨迹特征的准确度。
在从轨迹片段的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征时,可以对该位置点进行节点噪声判断,将属于早上的位置点对应的对象特征进行去除。作为一个实施例,从至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征可以包括:
对至少一个位置点进行节点去噪处理,获得去噪处理后的至少一个位置点;
从去噪处理后的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征。
在一些实施例中,轨迹片段的节点数量较多,如直接使用所有满足计算条件的早上一个目标对象特征进行轨迹特征计算,可能会导致计算过程较为复杂。且一些目标对象特征可能满足质量分数评估,但是质量分数较差,也可能会导致计算的轨迹特征误差较大。因此,为了提高计算效率并提高计算准确度,进一步,可选地,从去噪处理后的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征包括:
对去噪处理后的至少一个位置点分别对应的对象特征进行质量分数评估,获得至少一个对象特征分别对应的质量分数;
根据至少一个对象特征分别对应的质量分数,从至少一个对象特征中选择满足计算条件的至少一个目标对象特征。
作为一种可能的实现方式,在判断一个位置点是否为噪声点时,可以将该位置点对应的评价特征距离确定。对至少一个位置点进行节点去噪处理,获得去噪处理后的至少一个位置点可以包括:
根据至少一个位置点分别对应的对象特征,计算至少一个位置点分别对应的平均特征距离;
针对任一个位置点,如果位置点的平均特征距离小于预设节点距离阈值,确定位置点为正常位置点,如果位置点的平均距离大于预设节点距离阈值,确定位置点为噪声位置点;
确定至少一个所述正常位置点为去噪处理后的至少一个位置点。
进一步,可选地,根据至少一个位置点分别对应的对象特征,计算至少一个位置点分别对应的平均特征距离包括:
根据至少一个位置点中任意两个对象分别对应的对象特征,计算任意两个位置点对应的特征距离;
根据任一位置点分别与其他位置点之间的特征距离,确定对位置点对应的平均特征距离,以获得至少一个位置点分别对应的平均特征距离。
对于任一位置点而言,在计算该位置点对应的平均特征距离时,可以通过该位置点与其对应的轨迹片段中的其他位置点的特征距离进行均值计算获得。平均特征距离可以衡量一个位置点与其所在轨迹片段上的其他位置点之间的特征距离,通过平均特征距离,可以获得一个轨迹片段上特征较为相似的位置点,减少特征计算误差,实现轨迹特征的准确性提取。
作为一个实施例,对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹可以包括:
确定第一轨迹片段对应第一时间段以及第二轨迹片段对应的第二时间段;
根据第一时间段以及第二时间段的时间先后顺序,对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象对应的目标轨迹。
轨迹片段对应的时间段可以由该轨迹片段中最小时间戳,以及最大时间戳之间的时间段构成。
本申请实施例中,在对第一轨迹片段以及第二轨迹片段进行轨迹合成处理时,可以按照时间先后顺序进行轨迹合成,以获得更精准的目标轨迹。
在一种可能的应用场景中,在确定目标对象的目标轨迹之后,可以将目标对象对应的轨迹在地图上显示。该方法还包括:
将目标轨迹与地图数据进行融合处理,获取轨迹地图数据;
输出具有目标轨迹的轨迹地图数据。
可以直接通过显示屏输出轨迹地图数据。
本申请实施例的技术方案可以应用于多种领域中,例如可以应用于公共安全、交通、零售领域、互联网医疗、大数据等领域。对于不同的应用领域,目标轨迹的作用不同,例如,在公共安全、交通等领域主要是对轨迹的查询以及监控等需求,在零售、互联网医疗、大数据领域主要是对目标轨迹进行行为分析,以对目标对象的运动行为进行分析,获得运动分析结果,从而利用运动分析结果实现货架智能管理、用户个性推荐或者运动效果分析等功能。在目标对象存在轨迹查看需求时,可以通过该目标对象的用户端输出轨迹地图数据,作为一个实施例,所述方法还可以包括:
确定目标对象关联的用户端;
其中,输出具有所述目标轨迹的所述轨迹地图数据可以包括:
将轨迹地图数据发送至用户端,以供用户端输出轨迹地图数据,供目标对象查看目标轨迹。
在零售领域的用户购物行为分析、货架智能管理、用户个性推荐等场景中,作为一个实施例,所述方法还包括:
基于所述目标轨迹,对所述目标对象的运动行为进行分析,获得运动分析结果;
输出所述运动分析结果。
其中,运动分析结果可以包括目标对象的停留地、运动时长、运动速度和/或停留时间等。
在一些实施例中,目标对象还可以查询其运动分析结果,所述方法还可以包括:
建立目标对象与运动分析结果的关联关系;
检测针对目标对象的运动分析结果发起的结果获取请求;
响应结果获取请求,发送目标对象关联的运动分析结果至发起所述结果获取请求的用户端,以供所述用户端获取所述目标对象的所述运动分析结果。
任一用户端可以发起针对目标对象的运动分析结果的获取请求。用户端可以配置于电子设备或者服务器中。
在获得目标对象的运动分析结果之后,可以根据该运动分析结果进行针对性的内容推荐。作为一种可能的实现方式,运动分析结果中可以包括:停留时间超过预定时间阈值的停留地点。
在基于目标轨迹,对目标对象的运动行为进行分析,获得运动分析结果之后,该方法还可以包括:
确定停留地点关联的推荐内容;
将停留地点以及其关联的推荐内容发送至内容发布对象,以供该内容发布对象在该停留地点发布该推荐内容。
将内容推荐按照用户的停留地点进行针对性推荐,可以提高推荐效率以及有效性,避免盲目推荐。
内容发布对象可以为目标对象所在地的推荐内容的管理者,例如商超环境中的员工,管理者可以将推荐内容设置于该停留地点。在智能化推荐场景中,内容发布对象还可以为内容推荐的管理终端,管理终端可以根据停留地点,将推荐内容在该停留地点关联的内容显示设备中播放。内容显示设备例如可以包括:显示屏幕、带有显示屏幕的电子设备、音箱等。
为了便于理解,以商超便利店为应用场景,目标对象为商超中的消费者为例对本申请的技术方案进行详细介绍。
如图4所示,在商超便利店中,可以设置多个货架S1,货架S1中可以摆放不同的产品P1。多个摄像设备M1可以位于商超室内的两个货架之间的天花板上,且每个摄像设备M1的位置点已知,摄像设备对应有设备标识,每个摄像设备的设备标识与其对应位置点建立关联关系。
当消费者U1在货架中行走时,摄像设备M1可以采集消费者U1的图像数据,并在采集图像数据时,生成时间戳。之后,摄像设备将消费者U1的图像数据、时间戳以及其对应的设备标识发401至对应的电子设备,该电子设备例如为云服务器M2。
云服务器M2接收到摄像设备M1发送的图像数据、时间戳以及设备标识之后,可以根据图像数据提取该用户U1的对象特征,可以根据设备标识关联的位置点,确定402该用户U1所在的第一位置点。
之后,云服务器M2可以根据时间戳以及第一位置点,确定第一监控区域,并获取第一监控区域中的至少一个候选位置点。每个候选位置点关联有候选对象特征以及时间戳。每个候选位置点还关联有轨迹标识。
之后,云服务器M2可以根据用户U1的对象特征,从至少一个候选位置点中查找候选对象特征与用户U1的对象特征最相似的候选对象特征关联的候选位置点,获得目标位置点。并根据目标位置点关联的轨迹标识,确定该第一位置点对应的第一轨迹标识,从而获得403具有第一轨迹标识对应的第一轨迹片段。从而可以利用第一轨迹片段,从轨迹特征库中查找404满足轨迹相似条件的第二轨迹片段。
云服务器M2可以对第一轨迹片段以及第二轨迹片段进行轨迹合成处理405,获得用户U1的目标轨迹。
云服务器M2在获得用户U1的目标轨迹之后,可以根据该目标轨迹,对用户U1的运动行为进行分析,获得运动分析结果。例如,对用户的停留地以及停留时长进行分析,获得用户U1停留超过预定时长的停留地,从而可以确定该停留地对应的货架。可以根据货架中的产品进行用户的产品偏好分析,以根据产品偏好分析结果进行产品推荐。或者,还可以根据货架中的产品进行产品销量分析,以确认该产品是否与受用户U1的欢迎。
如图5所示,为本申请实施例提供的一种设备管理方法的一个实施例的流程图,该方法可以包括:
501:根据目标对象所在第一位置点,确定第一位置点对应的第一轨迹片段。
502:基于第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。
503:对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。
504:确定目标轨迹中的多个目标位置点。
其中,目标位置点关联有摄像设备。
目标轨迹中的多个目标位置点可以基于设置于该目标轨迹的所有摄像设备确定。具体可以获取该目标轨迹上所有设置的摄像设备,以获得所有摄像设备对应的位置点为目标位置点。
505:计算任意两个相邻目标位置点之间的位置距离。
任意两个相邻目标位置点之间的位置距离为目标轨迹在所述两个相邻目标位置点之间的轨迹片段对应的轨迹长度。
在又一些实施例中,任意两个相邻目标位置点之间的位置距离为该两个相邻位置点之间的直线距离。可以通过两个目标位置点各自的经纬度数据进行两点的距离计算获得。
506:根据任意两个相邻目标位置点之间的位置距离,对多个目标位置点分别关联的摄像设备进行设备管理处理。
本申请实施例中,在获取目标对象所在第一位置点对应的第一轨迹片段之后,可以基于该第一轨迹片段,从轨迹片段库中查询满足轨迹相似条件的第二轨迹片段,从而可以对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。其中,目标轨迹中可以包括多个目标位置点,多个目标位置点可以分别关联有摄像设备,从而可以基于任意两个目标位置点之间的位置距离,对该目标轨迹上的摄像设备进行设备管理处理,以提高设备管理处理效率,提高设备利用率。
如果任意两个摄像设备之间的距离非常近,可以删除其中一个摄像设备。
作为一个实施例,所述根据任意两个相邻目标位置点之间的位置距离,对多个目标位置点分别关联的摄像设备进行设备管理处理可以包括:
如果任意两个相邻目标位置点之间的位置距离小于预设第一距离阈值,确定所述两个相邻的目标位置点中的冗余位置点;
为所述冗余位置点关联的目标摄像设备生成设备冗余信息;
输出所述设备冗余信息,以供设备管理对象消除所述冗余位置点关联的摄像设备。
设备冗余信息中可以包括冗余位置点,以及该冗余位置点关联的目标摄像设备的设备标识。设备管理对象可以查看设备冗余信息以获得冗余的目标摄像设备以及该目标摄像设备所在的位置点。
如果任意两个摄像设备之间的距离非常远,可以在这两个摄像设备中间增加摄像设备。
作为又一个实施例,所述根据任意两个相邻目标位置点之间的位置距离,对多个目标位置点分别关联的摄像设备进行设备管理处理可以包括:
如果任意两个相邻目标位置点之间的位置距离大于预设第二距离阈值,确定所述两个相邻的目标位置点之间的补充位置点;
为所述补充位置点生成设备补充信息;
输出所述设备补充信息,以供设备管理对象在所述补充位置点增加补充摄像设备。
在补充摄像设备之后,可以为补充的摄像设备关联其对应的位置点。
作为一种可能的实现方式,在输出所述设备补充信息,以供设备管理对象在所述补充位置点增加补充摄像设备之后,该方法还可以包括:
建立补充位置点与所述补充摄像设备的关联关系。
如图6所示,为本申请实施例提供的一种轨迹还原方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
601:根据目标对象所在第一位置点,确定第一位置点对应的第一轨迹片段。
602:基于第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。
603:为第一轨迹片段以及第二轨迹片段生成轨迹展示界面。
轨迹展示界面中包括第一轨迹片段以及第二轨迹片段对应的轨迹线。轨迹展示界面中还可以包含地图数据,将第一轨迹片段以及第二轨迹片段对应的轨迹线在地图数据中关联显示。
604:输出轨迹展示界面,以供目标对象基于轨迹展示界面,从第一轨迹片段以及第二轨迹片段中选择第三轨迹片段;
其中,目标对象从第一轨迹片段以及第二轨迹片段中选择的第三轨迹片段用于轨迹合成。
605:获取目标对象在轨迹展示界面中选择的第三轨迹片段。
606:对第三轨迹片段进行轨迹合成处理,获得目标轨迹。
可选地,第三轨迹片段可以包括至少一个。可以将至少一个第三轨迹片段进行轨迹合成处理,获得目标轨迹。
可选地,在获得目标轨迹之后,还可以基于目标轨迹生成,目标轨迹的展示界面,输出该目标轨迹的展示界面,以供目标对象查看该目标轨迹对应的展示界面。
本申请实施例中,在根据目标对象所在的第一位置点,确定第一位置点对应的第一轨迹片段之后,可以基于第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段,从而为第一轨迹片段以及第二轨迹片段生成轨迹展示界面。通过输出轨迹展示界面,可以供目标对象基于轨迹展示界面,从第一轨迹片段以及第二轨迹片段中选择第三轨迹片段。在获取目标对象选择的第三轨迹片段之后,可以对第三轨迹片段进行轨迹合成处理,获得目标轨迹。通过将筛选获得的第一轨迹片段以及第二轨迹片段展示给用户,以供用户选择与其需求相匹配的第三轨迹片段,使得合成的目标轨迹与目标对象的展示需求更匹配,提高轨迹的准确度。
为了使用户明确选择的第三轨迹片段,可以使用不同的显示方式显示选择之前的轨迹片段以及选择之后的轨迹片段,以提高轨迹片段的选择效率及精度。
作为一个实施例,所述为第一轨迹片段以及第二轨迹片段生成轨迹展示界面包括:
基于第一显示方式,为第一轨迹片段以及第二轨迹片段生成轨迹展示界面。
在获取目标对象在轨迹展示界面中选择的第三轨迹片段之后,所述方法还可以包括:
基于第二显示方式,在轨迹展示界面中更新第三轨迹片段,以供目标对象在更新后的轨迹展示界面中查看以第二显示方式显示的第三轨迹片段。
基于第二显示方式,在轨迹展示界面中更新第三轨迹片段具体可以包括:生成基于第一显示方式显示的除第三轨迹片段之外的第一轨迹片段以及第二轨迹片段,以及基于第二显示方式显示的第三轨迹片段对应的轨迹展示界面。发送更新之后的轨迹展示界面至目标对象,以供目标对象查看以第二显示方式显示的第三轨迹片段以及以第一显示方式显示的除第三轨迹片段之外的第一轨迹片段以及第二轨迹片段。
可选地,第一显示方式以及第二显示方式均为定义轨迹展示界面中轨迹线的显示方式。第一显示方式与第二显示方式不同。例如,第一显示方式规定轨迹线为虚线时,第二显示方式可以规定轨迹线为实线。第一显示方式规定轨迹线为黑色时,第二显示方式可以规定轨迹线为红色。
如图7所示,为本申请实施例提供的一种轨迹还原设备的又一个实施例的流程图,该轨迹还原设备可以包括:存储组件701与处理组件702;所述存储组件701用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件702调用;
所述处理组件702可以用于:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹。
本申请实施例中,可以根据目标对象所在的第一位置点,确定该第一位置点对应的第一轨迹片段,也即确定目标对象当前的小段轨迹,之后,可以基于该第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段。以轨迹片段为单位存储不同对象的运动轨迹,可以提高目标对象的轨迹片段的查找效率。对第一轨迹片段以及第二轨迹片段进行轨迹合成处理之后,可以获得目标对象的目标轨迹。通过获取目标对象的轨迹片段,提高目标对象的出现率的查询效率,并通过获取的轨迹片段自动实现轨迹生成,提高轨迹的生成效率。
作为一个实施例,所述处理组件根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段包括:
根据所述目标对象所在第一位置点,确定所述第一位置点对应的第一监控区域;
确定所述第一位置点在所述第一监控区域中对应的第一轨迹片段。
在某些实施例中,所述处理组件还用于:
获取所述第一监控区域对应的至少一个候选位置点;
所述确定所述第一位置点在所述第一监控区域中对应的第一轨迹片段包括:
确定所述至少一个候选位置点中与所述第一位置点关联的第二位置点;
确定所述第一位置点以及所述第二位置点构成的所述第一轨迹片段。
作为一种可能的实现方式,所述处理组件还可以用于:
确定所述至少一个候选位置点分别对应的轨迹标识;
基于所述至少一个候选对象分别对应的轨迹标识,确定所述第一位置点对应的第一轨迹标识;
所述处理组件确定所述至少一个候选位置点中与所述第一位置点关联的第二位置点具体可以包括:
确定所述至少一个候选位置点中轨迹标识与所述第一轨迹标识相同的候选位置点为所述第二位置点。
作为又一种可能的实现方式,所述处理组件基于所述至少一个候选对象分别对应的轨迹标识,确定所述第一位置点对应的第一轨迹标识具体可以包括:
确定所述至少一个候选位置点中与所述第一位置点满足位置相似条件的目标位置点;
根据所述至少一个候选位置点分别对应的轨迹标识,确定所述目标位置点的目标轨迹标识;
根据所述目标轨迹标识,确定所述第一位置点的第一轨迹标识。
在某些实施例中,所述处理组件确定所述至少一个候选位置点中与所述第一位置点满足位置相似条件的目标位置点具体可以包括:
确定所述目标对象在第一位置点对应的第一对象特征;
确定所述至少一个候选位置点分别关联的候选对象特征;
分别计算所述第一对象特征与至少一个候选对象特征的特征相似度,获得至少一个特征相似度;
确定所述至少一个特征相似度中相似度最大的目标特征相似度;
确定所述目标特征相似度对应的候选对象特征关联的候选位置点为所述目标位置点。
作为一种可能的实现方式,所述处理组件根据所述目标轨迹标识,确定所述第一位置点的第一轨迹标识具体可以包括:
如果所述目标特征相似度大于特征相似度阈值,确定所述目标轨迹标识为所述第一位置点的第一轨迹标识;
如果所述目标特征相似度小于特征相似度阈值,为所述第一位置点生成第一轨迹标识。
进一步,可选地,所述处理组件分别计算所述第一对象特征与至少一个候选对象特征的特征相似度,获得至少一个特征相似度具体可以包括:
分别计算所述第一对象特征分别与所述至少一个候选对象特征的对象特征距离,获得至少一个对象特征距离;
根据所述至少一个候选对象特征,确定所述至少一个候选对象特征分别对应的平均特征距离;
对所述第一对象特征与所述至少一个候选对象分别对应的对象特征距离,以及所述至少一个候选特征分别对应的平均特征距离进行加权求和,获得所述第一对象特征分别与所述至少一个候选对象分别对应的特征距离;
根据所述第一对象特征分别与所述至少一个候选对象对应的特征距离,确定所述第一对象特征分别与所述至少一个候选对象分别对应的特征相似度。
在某些实施例中,所述位置点对应有时间戳;所述处理组件还可以用于:
确定所述目标对象在所述第一位置点对应的第一时间戳;
根据所述第一时间戳,确定监控时间段;
所述处理组件确定所述第一监控区域中的至少一个候选位置点具体可以包括:
确定所述第一监控区域中,时间戳处于所述监控时间段内的所述至少一个候选位置点。
作为一个实施例,所述处理组件基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段具体可以包括:
确定所述轨迹片段库中的至少一个候选轨迹片段;
基于所述第一轨迹片段,从所述至少一个候选轨迹片段中查找满足轨迹相似条件的所述第二轨迹片段。
在某些实施例中,所述处理组件基于所述第一轨迹片段,从所述至少一个候选轨迹片段中查找满足轨迹相似条件的所述第二轨迹片段具体可以包括:
确定所述至少一个候选轨迹片段分别对应的用户标识;
基于所述至少一个候选轨迹片段分别对应的用户标识,确定所述第一轨迹片段的第一用户标识;
确定所述至少一个候选轨迹片段中用户标识与所述第一用户标识相同的候选轨迹片段为所述第二轨迹片段。
作为一种可能的实现方式,所述处理组件基于所述至少一个候选轨迹片段分别对应的用户标识,确定所述第一轨迹片段的第一用户标识具体可以包括:
确定所述至少一个候选轨迹片段中与所述第一轨迹片段满足轨迹相似条件的目标轨迹片段;
根据所述至少一个候选轨迹片段分别对应的用户标识,确定所述目标轨迹片段对应的目标用户标识;
根据所述目标用户标识,确定所述第一轨迹片段的第一用户标识。
在某些实施例中,所述处理组件确定所述至少一个候选轨迹片段中与所述第一轨迹片段满足轨迹相似条件的目标轨迹片段具体可以包括:
确定所述第一轨迹片段对应的第一轨迹特征;
确定所述至少一个候选轨迹片段分别关联的候选轨迹特征;
分别计算所述第一轨迹特征与至少一个候选轨迹特征的轨迹相似度,获得至少一个轨迹相似度;
确定所述至少一个轨迹相似度中相似度最大的目标轨迹相似度;
确定所述目标轨迹相似度对应的候选轨迹特征关联的候选轨迹片段为所述目标轨迹片段。
进一步,可选地,所述处理组件根据所述目标用户标识,确定所述第一轨迹片段的第一用户标识具体可以包括:
如果所述目标轨迹相似度大于轨迹相似度阈值,确定所述目标用户标识为所述第一轨迹片段的第一用户标识;
如果所述目标轨迹相似度小于所述轨迹相似度阈值,为所述第一轨迹片段生成所述第一用户标识。
在一种可能的设计中,任意轨迹片段包括至少一个位置点,所述至少一个位置点分别对应有对象特征;
所述处理组件通过以下方式确定轨迹片段的轨迹特征:
确定所述轨迹片段的至少一个位置点分别对应的对象特征;
对所述至少一个位置点分别对应的对象特征进行特征均值计算,获得所述轨迹片段对应的轨迹特征。
作为一个实施例,所述处理组件对所述至少一个位置点分别对应的对象特征进行特征均值计算,获得所述轨迹片段对应的轨迹特征具体可以包括:
从所述至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征;
对所述至少一个目标对象特征进行特征均值计算,获得所述轨迹片段对应的轨迹特征。
在某些实施例中,所述处理组件从所述至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征具体可以包括:
对所述至少一个位置点进行节点去噪处理,获得去噪处理后的至少一个位置点;
从所述去噪处理后的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征。
在某些实施例中,所述处理组件从去噪处理后的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征具体可以包括:
对所述去噪处理后的至少一个位置点分别对应的对象特征进行质量分数评估,获得至少一个对象特征分别对应的质量分数;
根据所述至少一个对象特征分别对应的质量分数,从所述至少一个对象特征中选择满足计算条件的至少一个目标对象特征。
作为一种可能的实现方式,所述处理组件对所述至少一个位置点进行节点去噪处理,获得去噪处理后的至少一个位置点具体可以包括:
根据所述至少一个位置点分别对应的对象特征,计算所述至少一个位置点分别对应的平均特征距离;
针对任一个位置点,如果所述位置点的平均特征距离小于预设节点距离阈值,确定所述位置点为正常位置点,如果所述位置点的平均距离大于预设节点距离阈值,确定所述位置点为噪声位置点;
确定至少一个所述正常位置点为所述去噪处理后的至少一个位置点。
在某些实施例中,所述处理组件根据所述至少一个位置点分别对应的对象特征,计算所述至少一个位置点分别对应的平均特征距离具体可以包括:
根据所述至少一个位置点中任意两个对象分别对应的对象特征,计算任意两个位置点对应的特征距离;
根据任一位置点分别与其他位置点之间的特征距离,确定所述对位置点对应的平均特征距离,以获得所述至少一个位置点分别对应的平均特征距离。
作为一个实施例,所述处理组件对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹具体可以包括:
确定所述第一轨迹片段对应第一时间段以及所述第二轨迹片段对应的第二时间段;
根据所述第一时间段以及所述第二时间段对应时间的先后顺序,对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象对应的目标轨迹。
作为又一个实施例,所述处理组件还可以用于:
将所述目标轨迹与地图数据进行融合处理,获取轨迹地图数据;
输出具有所述目标轨迹的所述轨迹地图数据。
在某些实施例中,所述处理组件还可以用于:
确定所述目标对象关联的用户端;
所述处理组件输出具有所述目标轨迹的所述轨迹地图数据可以包括:
将所述轨迹地图数据发送至所述用户端,以供所述用户端输出所述轨迹地图数据,供所述目标对象查看所述目标轨迹。
作为又一个实施例,所述处理组件还可以用于:
基于所述目标轨迹,对所述目标对象的运动行为进行分析,获得运动分析结果;
输出所述运动分析结果。
进一步,可选地,所述处理组件还可以用于:
建立所述目标对象与所述运动分析结果的关联关系;
检测针对所述目标对象的运动分析结果发起的结果获取请求;
响应所述结果获取请求,发送所述目标对象关联的所述运动分析结果至发起所述结果获取请求的用户端,以供所述用户端获取所述目标对象的所述运动分析结果。
在某些实施例中,运动分析结果可以包括:停留时间超过预定时间阈值的停留地点;
所述处理组件还可以用于:
确定所述停留地点关联的推荐内容;
将所述停留地点以及其关联的所述推荐内容发送至内容发布对象,以供所述内容发布对象在所述停留地点发布所述推荐内容。
图7所述的实现轨迹还原设备可以执行图1所示实施例所述的轨迹还原方法,其实现原理和技术效果不再赘述。对于上述实施例中的处理组件所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
此外,本申请实施例还提供一种计算机可读存储介质,该存储介质用于存储计算机程序,所述计算机程序执行时可以执行如前述实施例中轨迹还原方法。
如图8所示,为本申请实施例提供的一种管理设备的一个实施例的结构示意图,该管理设备可以包括:存储组件801与处理组件802;所述存储组件801用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件802调用;
所述处理组件801用于:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹;确定所述目标轨迹中的多个目标位置点;其中,所述目标位置点关联有摄像设备;计算任意两个相邻目标位置点之间的位置距离;根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理。
本申请实施例中,在获取目标对象所在第一位置点对应的第一轨迹片段之后,可以基于该第一轨迹片段,从轨迹片段库中查询满足轨迹相似条件的第二轨迹片段,从而可以对第一轨迹片段以及第二轨迹片段进行轨迹合成处理,获得目标对象的目标轨迹。其中,目标轨迹中可以包括多个目标位置点,多个目标位置点可以分别关联有摄像设备,从而可以基于任意两个目标位置点之间的位置距离,对该目标轨迹上的摄像设备进行设备管理处理,以提高设备管理处理效率,提高设备利用率。
作为一个实施例,所述处理组件根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理具体可以包括:
如果任意两个相邻目标位置点之间的位置距离小于预设第一距离阈值,确定所述两个相邻的目标位置点中的冗余位置点;
为所述冗余位置点关联的目标摄像设备生成设备冗余信息;
输出所述设备冗余信息,以供设备管理对象消除所述冗余位置点关联的摄像设备。
作为又一个实施例,所述处理组件根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理具体可以包括:
如果任意两个相邻目标位置点之间的位置距离大于预设第二距离阈值,确定所述两个相邻的目标位置点之间的补充位置点;
为所述补充位置点生成设备补充信息;
输出所述设备补充信息,以供设备管理对象在所述补充位置点增加补充摄像设备。
在某些实施例中,所述处理组件还可以用于:
建立补充位置点与所述补充摄像设备的关联关系。
图8所述的实现管理设备可以执行图5所示实施例所述的设备管理方法,其实现原理和技术效果不再赘述。对于上述实施例中的处理组件所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
此外,本申请实施例还提供一种计算机可读存储介质,该存储介质用于存储计算机程序,所述计算机程序执行时可以执行如前述实施例中设备管理方法。
如图9所示,为本申请实施例提供的一种轨迹还原设备的又一个实施例的结构示意图,该设备可以包括:存储组件901与处理组件902;所述存储组件901用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件902调用;
所述处理组件901用于:
根据目标对象所在的第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹特征库中查找满足轨迹相似条件的第二轨迹片段;为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面;输出所述轨迹展示界面,以供所述目标对象基于所述轨迹展示界面,从所述第一轨迹片段以及所述第二轨迹片段中选择第三轨迹片段;获取所述目标对象在所述轨迹展示界面中选择的第三轨迹片段;对所述第三轨迹片段进行轨迹合成处理,获得目标轨迹。
作为一个实施例,所述处理组件为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示页面具体可以包括:
基于第一显示方式,为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面,以供所述目标对象在所述轨迹展示界面中查看以所述第一显示方式显示的所述第一轨迹片段以及所述第二轨迹片段;
所述处理组件还可以用于:
基于第二显示方式,在所述轨迹展示界面中更新所述第三轨迹片段,以供所述目标对象在更新后的轨迹展示界面中查看以所述第二显示方式显示的所述第三轨迹片段。
图9所述的实现轨迹还原设备可以执行图6所示实施例所述的轨迹还原方法,其实现原理和技术效果不再赘述。对于上述实施例中的处理组件所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
此外,本申请实施例还提供一种计算机可读存储介质,该存储介质用于存储计算机程序,所述计算机程序执行时可以执行如前述实施例中轨迹还原方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述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计算机产品的形式体现出来,本申请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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (35)
1.一种轨迹还原方法,其特征在于,包括:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;所述第一位置点包括检测所述目标对象的摄像设备所在的位置点,所述第一轨迹片段包括所述目标对象出现的多个位置点;
基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;所述轨迹片段库以轨迹片段为单位存储不同对象的运动轨迹;
对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹。
2.根据权利要求1所述的方法,其特征在于,所述根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段包括:
根据所述目标对象所在第一位置点,确定所述第一位置点对应的第一监控区域;
确定所述第一位置点在所述第一监控区域中对应的第一轨迹片段。
3.根据权利要求2所述的方法,其特征在于,还包括:
获取所述第一监控区域对应的至少一个候选位置点;
所述确定所述第一位置点在所述第一监控区域中对应的第一轨迹片段包括:
确定所述至少一个候选位置点中与所述第一位置点关联的第二位置点;
确定所述第一位置点以及所述第二位置点构成的所述第一轨迹片段。
4.根据权利要求3所述的方法,其特征在于,还包括:
确定所述至少一个候选位置点分别对应的轨迹标识;
基于所述至少一个候选对象分别对应的轨迹标识,确定所述第一位置点对应的第一轨迹标识;
所述确定所述至少一个候选位置点中与所述第一位置点关联的第二位置点包括:
确定所述至少一个候选位置点中轨迹标识与所述第一轨迹标识相同的候选位置点为所述第二位置点。
5.根据权利要求3所述的方法,其特征在于,所述基于所述至少一个候选对象分别对应的轨迹标识,确定所述第一位置点对应的第一轨迹标识包括:
确定所述至少一个候选位置点中与所述第一位置点满足位置相似条件的目标位置点;
根据所述至少一个候选位置点分别对应的轨迹标识,确定所述目标位置点的目标轨迹标识;
根据所述目标轨迹标识,确定所述第一位置点的第一轨迹标识。
6.根据权利要求5所述的方法,其特征在于,所述确定所述至少一个候选位置点中与所述第一位置点满足位置相似条件的目标位置点包括:
确定所述目标对象在第一位置点对应的第一对象特征;
确定所述至少一个候选位置点分别关联的候选对象特征;
分别计算所述第一对象特征与至少一个候选对象特征的特征相似度,获得至少一个特征相似度;
确定所述至少一个特征相似度中相似度最大的目标特征相似度;
确定所述目标特征相似度对应的候选对象特征关联的候选位置点为所述目标位置点。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标轨迹标识,确定所述第一位置点的第一轨迹标识包括:
如果所述目标特征相似度大于特征相似度阈值,确定所述目标轨迹标识为所述第一位置点的第一轨迹标识;
如果所述目标特征相似度小于特征相似度阈值,为所述第一位置点生成第一轨迹标识。
8.根据权利要求6所述的方法,其特征在于,所述分别计算所述第一对象特征与至少一个候选对象特征的特征相似度,获得至少一个特征相似度包括:
分别计算所述第一对象特征分别与所述至少一个候选对象特征的对象特征距离,获得至少一个对象特征距离;
根据所述至少一个候选对象特征,确定所述至少一个候选对象特征分别对应的平均特征距离;
对所述第一对象特征与所述至少一个候选对象分别对应的对象特征距离,以及所述至少一个候选特征分别对应的平均特征距离进行加权求和,获得所述第一对象特征分别与所述至少一个候选对象分别对应的特征距离;
根据所述第一对象特征分别与所述至少一个候选对象对应的特征距离,确定所述第一对象特征分别与所述至少一个候选对象分别对应的特征相似度。
9.根据权利要求3所述的方法,其特征在于,所述位置点对应有时间戳;所述方法还包括:
确定所述目标对象在所述第一位置点对应的第一时间戳;
根据所述第一时间戳,确定监控时间段;
所述确定所述第一监控区域中的至少一个候选位置点包括:
确定所述第一监控区域中,时间戳处于所述监控时间段内的所述至少一个候选位置点。
10.根据权利要求1所述的方法,其特征在于,所述基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段包括:
确定所述轨迹片段库中的至少一个候选轨迹片段;
基于所述第一轨迹片段,从所述至少一个候选轨迹片段中查找满足轨迹相似条件的所述第二轨迹片段。
11.根据权利要求10所述的方法,其特征在于,所述基于所述第一轨迹片段,从所述至少一个候选轨迹片段中查找满足轨迹相似条件的所述第二轨迹片段包括:
确定所述至少一个候选轨迹片段分别对应的用户标识;
基于所述至少一个候选轨迹片段分别对应的用户标识,确定所述第一轨迹片段的第一用户标识;
确定所述至少一个候选轨迹片段中用户标识与所述第一用户标识相同的候选轨迹片段为所述第二轨迹片段。
12.根据权利要求11所述的方法,其特征在于,所述基于所述至少一个候选轨迹片段分别对应的用户标识,确定所述第一轨迹片段的第一用户标识包括:
确定所述至少一个候选轨迹片段中与所述第一轨迹片段满足轨迹相似条件的目标轨迹片段;
根据所述至少一个候选轨迹片段分别对应的用户标识,确定所述目标轨迹片段对应的目标用户标识;
根据所述目标用户标识,确定所述第一轨迹片段的第一用户标识。
13.根据权利要求12所述的方法,其特征在于,所述确定所述至少一个候选轨迹片段中与所述第一轨迹片段满足轨迹相似条件的目标轨迹片段包括:
确定所述第一轨迹片段对应的第一轨迹特征;
确定所述至少一个候选轨迹片段分别关联的候选轨迹特征;
分别计算所述第一轨迹特征与至少一个候选轨迹特征的轨迹相似度,获得至少一个轨迹相似度;
确定所述至少一个轨迹相似度中相似度最大的目标轨迹相似度;
确定所述目标轨迹相似度对应的候选轨迹特征关联的候选轨迹片段为所述目标轨迹片段。
14.根据权利要求13所述的方法,其特征在于,所述根据所述目标用户标识,确定所述第一轨迹片段的第一用户标识包括:
如果所述目标轨迹相似度大于轨迹相似度阈值,确定所述目标用户标识为所述第一轨迹片段的第一用户标识;
如果所述目标轨迹相似度小于所述轨迹相似度阈值,为所述第一轨迹片段生成所述第一用户标识。
15.根据权利要求13所述的方法,其特征在于,任意轨迹片段包括至少一个位置点,所述至少一个位置点分别对应有对象特征;
所述轨迹片段的轨迹特征通过以下方式确定:
确定所述轨迹片段的至少一个位置点分别对应的对象特征;
对所述至少一个位置点分别对应的对象特征进行特征均值计算,获得所述轨迹片段对应的轨迹特征。
16.根据权利要求15所述的方法,其特征在于,所述对所述至少一个位置点分别对应的对象特征进行特征均值计算,获得所述轨迹片段对应的轨迹特征包括:
从所述至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征;
对所述至少一个目标对象特征进行特征均值计算,获得所述轨迹片段对应的轨迹特征。
17.根据权利要求16所述的方法,其特征在于,所述从所述至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征包括:
对所述至少一个位置点进行节点去噪处理,获得去噪处理后的至少一个位置点;
从所述去噪处理后的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征。
18.根据权利要求17所述的方法,其特征在于,所述从所述去噪处理后的至少一个位置点分别对应的对象特征中选择满足计算条件的至少一个目标对象特征包括:
对所述去噪处理后的至少一个位置点分别对应的对象特征进行质量分数评估,获得至少一个对象特征分别对应的质量分数;
根据所述至少一个对象特征分别对应的质量分数,从所述至少一个对象特征中选择满足计算条件的至少一个目标对象特征。
19.根据权利要求17所述的方法,其特征在于,所述对所述至少一个位置点进行节点去噪处理,获得去噪处理后的至少一个位置点包括:
根据所述至少一个位置点分别对应的对象特征,计算所述至少一个位置点分别对应的平均特征距离;
针对任一个位置点,如果所述位置点的平均特征距离小于预设节点距离阈值,确定所述位置点为正常位置点,如果所述位置点的平均距离大于预设节点距离阈值,确定所述位置点为噪声位置点;
确定至少一个所述正常位置点为所述去噪处理后的至少一个位置点。
20.根据权利要求19所述的方法,其特征在于,所述根据所述至少一个位置点分别对应的对象特征,计算所述至少一个位置点分别对应的平均特征距离包括:
根据所述至少一个位置点中任意两个对象分别对应的对象特征,计算任意两个位置点对应的特征距离;
根据任一位置点分别与其他位置点之间的特征距离,确定所述对位置点对应的平均特征距离,以获得所述至少一个位置点分别对应的平均特征距离。
21.根据权利要求1所述的方法,其特征在于,所述对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹包括:
确定所述第一轨迹片段对应第一时间段以及所述第二轨迹片段对应的第二时间段;
根据所述第一时间段以及所述第二时间段对应时间的先后顺序,对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象对应的目标轨迹。
22.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述目标轨迹与地图数据进行融合处理,获取轨迹地图数据;
输出具有所述目标轨迹的所述轨迹地图数据。
23.根据权利要求22所述的方法,其特征在于,所述方法还包括:
确定所述目标对象关联的用户端;
所述输出具有所述目标轨迹的所述轨迹地图数据包括:
将所述轨迹地图数据发送至所述用户端,以供所述用户端输出所述轨迹地图数据,供所述目标对象查看所述目标轨迹。
24.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标轨迹,对所述目标对象的运动行为进行分析,获得运动分析结果;
输出所述运动分析结果。
25.根据权利要求24所述的方法,其特征在于,所述方法还包括:
建立所述目标对象与所述运动分析结果的关联关系;
检测针对所述目标对象的运动分析结果发起的结果获取请求;
响应所述结果获取请求,发送所述目标对象关联的所述运动分析结果至发起所述结果获取请求的用户端,以供所述用户端获取所述目标对象的所述运动分析结果。
26.根据权利要求24所述的方法,其特征在于,所述运动分析结果包括:停留时间超过预定时间阈值的停留地点;所述方法还包括:
确定所述停留地点关联的推荐内容;
将所述停留地点以及其关联的所述推荐内容发送至内容发布对象,以供所述内容发布对象在所述停留地点发布所述推荐内容。
27.一种设备管理方法,其特征在于,包括:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;
基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;
对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹;
确定所述目标轨迹中的多个目标位置点;其中,所述目标位置点关联有摄像设备;
计算任意两个相邻目标位置点之间的位置距离;
根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理。
28.根据权利要求27所述的方法,其特征在于,所述根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理包括:
如果任意两个相邻目标位置点之间的位置距离小于预设第一距离阈值,确定所述两个相邻的目标位置点中的冗余位置点;
为所述冗余位置点关联的目标摄像设备生成设备冗余信息;
输出所述设备冗余信息,以供设备管理对象消除所述冗余位置点关联的摄像设备。
29.根据权利要求27所述的方法,其特征在于,所述根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理包括:
如果任意两个相邻目标位置点之间的位置距离大于预设第二距离阈值,确定所述两个相邻的目标位置点之间的补充位置点;
为所述补充位置点生成设备补充信息;
输出所述设备补充信息,以供设备管理对象在所述补充位置点增加补充摄像设备。
30.根据权利要求29所述的方法,其特征在于,还包括:
建立补充位置点与所述补充摄像设备的关联关系。
31.一种轨迹还原方法,其特征在于,包括:
根据目标对象所在的第一位置点,确定所述第一位置点对应的第一轨迹片段;
基于所述第一轨迹片段,从轨迹特征库中查找满足轨迹相似条件的第二轨迹片段;
为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面;
输出所述轨迹展示界面,以供所述目标对象基于所述轨迹展示界面,从所述第一轨迹片段以及所述第二轨迹片段中选择第三轨迹片段;
获取所述目标对象在所述轨迹展示界面中选择的第三轨迹片段;
对所述第三轨迹片段进行轨迹合成处理,获得目标轨迹。
32.根据权利要求31所述的方法,其特征在于,所述为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示页面包括:
基于第一显示方式,为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面,以供所述目标对象在所述轨迹展示界面中查看以所述第一显示方式显示的所述第一轨迹片段以及所述第二轨迹片段;
所述获取所述目标对象在所述轨迹展示界面中选择的第三轨迹片段之后,该方法还包括:
基于第二显示方式,在所述轨迹展示界面中更新所述第三轨迹片段,以供所述目标对象在更新后的轨迹展示界面中查看以所述第二显示方式显示的所述第三轨迹片段。
33.一种轨迹还原设备,其特征在于,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;所述第一位置点包括检测所述目标对象的摄像设备所在的位置点,所述第一轨迹片段包括所述目标对象出现的多个位置点;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;所述轨迹片段库以轨迹片段为单位存储不同对象的运动轨迹;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹。
34.一种管理设备,其特征在于,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
根据目标对象所在第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹片段库中查找满足轨迹相似条件的第二轨迹片段;对所述第一轨迹片段以及所述第二轨迹片段进行轨迹合成处理,获得所述目标对象的目标轨迹;确定所述目标轨迹中的多个目标位置点;其中,所述目标位置点关联有摄像设备;计算任意两个相邻目标位置点之间的位置距离;根据所述任意两个相邻目标位置点之间的位置距离,对所述多个目标位置点分别关联的摄像设备进行设备管理处理。
35.一种轨迹还原设备,其特征在于,包括:存储组件与处理组件;所述存储组件用于存储一条或多条计算机指令;所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
根据目标对象所在的第一位置点,确定所述第一位置点对应的第一轨迹片段;基于所述第一轨迹片段,从轨迹特征库中查找满足轨迹相似条件的第二轨迹片段;为所述第一轨迹片段以及所述第二轨迹片段生成轨迹展示界面;
输出所述轨迹展示界面,以供所述目标对象基于所述轨迹展示界面,从所述第一轨迹片段以及所述第二轨迹片段中选择第三轨迹片段;获取所述目标对象在所述轨迹展示界面中选择的第三轨迹片段;对所述第三轨迹片段进行轨迹合成处理,获得目标轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442705.4A CN113515982B (zh) | 2020-05-22 | 2020-05-22 | 轨迹还原方法及设备、设备管理方法及管理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442705.4A CN113515982B (zh) | 2020-05-22 | 2020-05-22 | 轨迹还原方法及设备、设备管理方法及管理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113515982A CN113515982A (zh) | 2021-10-19 |
CN113515982B true CN113515982B (zh) | 2022-06-14 |
Family
ID=78061076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010442705.4A Active CN113515982B (zh) | 2020-05-22 | 2020-05-22 | 轨迹还原方法及设备、设备管理方法及管理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515982B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270067A (zh) * | 2011-06-17 | 2011-12-07 | 清华大学 | 交互表面上层级式多摄像头的触点轨迹融合方法 |
CN104094279A (zh) * | 2014-04-30 | 2014-10-08 | 中国科学院自动化研究所 | 大范围优先的跨摄像机视觉目标再识别方法 |
CN105093926A (zh) * | 2015-07-27 | 2015-11-25 | 浙江工业大学 | 一种迭代学习控制参考轨迹的优化匹配组合方法 |
CN105761279A (zh) * | 2016-02-18 | 2016-07-13 | 西北工业大学 | 基于轨迹分割与拼接的目标跟踪方法 |
CN105843919A (zh) * | 2016-03-24 | 2016-08-10 | 云南大学 | 一种基于多特征融合与聚类集成的移动对象轨迹聚类方法 |
WO2016202027A1 (zh) * | 2015-06-18 | 2016-12-22 | 中兴通讯股份有限公司 | 一种物体移动轨迹识别方法及系统 |
CN106295594A (zh) * | 2016-08-17 | 2017-01-04 | 北京大学 | 一种基于动态路径树的跨摄像头目标跟踪方法及装置 |
CN107392937A (zh) * | 2017-07-14 | 2017-11-24 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置及电子设备 |
CN108509896A (zh) * | 2018-03-28 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 一种轨迹跟踪方法、装置和存储介质 |
CN108875666A (zh) * | 2018-06-27 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 运动轨迹的获取方法、装置、计算机设备及存储介质 |
CN108924507A (zh) * | 2018-08-02 | 2018-11-30 | 高新兴科技集团股份有限公司 | 一种基于多摄像头场景的人员轨迹生成系统及方法 |
CN110162586A (zh) * | 2019-05-24 | 2019-08-23 | 中国科学院地理科学与资源研究所 | 一种适用于移动目标分支轨迹的相似度查询系统及方法 |
CN110223329A (zh) * | 2019-05-10 | 2019-09-10 | 华中科技大学 | 一种多摄像机多目标跟踪方法 |
CN110490911A (zh) * | 2019-08-14 | 2019-11-22 | 西安宏规电子科技有限公司 | 基于约束条件下非负矩阵分解的多摄像头多目标追踪方法 |
CN110969644A (zh) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 人员轨迹追踪方法、装置及系统 |
CN111027462A (zh) * | 2019-12-06 | 2020-04-17 | 长沙海格北斗信息技术有限公司 | 跨多摄像头的行人轨迹识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8929588B2 (en) * | 2011-07-22 | 2015-01-06 | Honeywell International Inc. | Object tracking |
CN110533013A (zh) * | 2019-10-30 | 2019-12-03 | 图谱未来(南京)人工智能研究院有限公司 | 一种轨迹检测方法及装置 |
CN111178161B (zh) * | 2019-12-12 | 2022-08-23 | 重庆邮电大学 | 一种基于fcos的车辆追踪方法及系统 |
-
2020
- 2020-05-22 CN CN202010442705.4A patent/CN113515982B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270067A (zh) * | 2011-06-17 | 2011-12-07 | 清华大学 | 交互表面上层级式多摄像头的触点轨迹融合方法 |
CN104094279A (zh) * | 2014-04-30 | 2014-10-08 | 中国科学院自动化研究所 | 大范围优先的跨摄像机视觉目标再识别方法 |
WO2016202027A1 (zh) * | 2015-06-18 | 2016-12-22 | 中兴通讯股份有限公司 | 一种物体移动轨迹识别方法及系统 |
CN105093926A (zh) * | 2015-07-27 | 2015-11-25 | 浙江工业大学 | 一种迭代学习控制参考轨迹的优化匹配组合方法 |
CN105761279A (zh) * | 2016-02-18 | 2016-07-13 | 西北工业大学 | 基于轨迹分割与拼接的目标跟踪方法 |
CN105843919A (zh) * | 2016-03-24 | 2016-08-10 | 云南大学 | 一种基于多特征融合与聚类集成的移动对象轨迹聚类方法 |
CN106295594A (zh) * | 2016-08-17 | 2017-01-04 | 北京大学 | 一种基于动态路径树的跨摄像头目标跟踪方法及装置 |
CN107392937A (zh) * | 2017-07-14 | 2017-11-24 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置及电子设备 |
CN108509896A (zh) * | 2018-03-28 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 一种轨迹跟踪方法、装置和存储介质 |
CN108875666A (zh) * | 2018-06-27 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 运动轨迹的获取方法、装置、计算机设备及存储介质 |
CN108924507A (zh) * | 2018-08-02 | 2018-11-30 | 高新兴科技集团股份有限公司 | 一种基于多摄像头场景的人员轨迹生成系统及方法 |
CN110969644A (zh) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 人员轨迹追踪方法、装置及系统 |
CN110223329A (zh) * | 2019-05-10 | 2019-09-10 | 华中科技大学 | 一种多摄像机多目标跟踪方法 |
CN110162586A (zh) * | 2019-05-24 | 2019-08-23 | 中国科学院地理科学与资源研究所 | 一种适用于移动目标分支轨迹的相似度查询系统及方法 |
CN110490911A (zh) * | 2019-08-14 | 2019-11-22 | 西安宏规电子科技有限公司 | 基于约束条件下非负矩阵分解的多摄像头多目标追踪方法 |
CN111027462A (zh) * | 2019-12-06 | 2020-04-17 | 长沙海格北斗信息技术有限公司 | 跨多摄像头的行人轨迹识别方法 |
Non-Patent Citations (2)
Title |
---|
Multi-Target Multi-Camera Tracking by Tracklet-to-Target Assignment;Yuhang He 等;《 IEEE Transactions on Image Processing》;20200319;第29卷;第5191-5205页 * |
基于深度学习的运动目标检测与跟踪研究;周祥增;《中国博士学位论文全文数据库》;20180615;第2018年卷(第6期);I138-116 * |
Also Published As
Publication number | Publication date |
---|---|
CN113515982A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Segment as points for efficient online multi-object tracking and segmentation | |
CN108229456B (zh) | 目标跟踪方法和装置、电子设备、计算机存储介质 | |
CN107909443B (zh) | 信息推送方法、装置及系统 | |
US10430667B2 (en) | Method, device, and computer program for re-identification of objects in images obtained from a plurality of cameras | |
CN110706247B (zh) | 一种目标跟踪方法、装置及系统 | |
CN109740573B (zh) | 视频分析方法、装置、设备及服务器 | |
CN111383039A (zh) | 信息推送方法、装置及信息展示系统 | |
US11172168B2 (en) | Movement or topology prediction for a camera network | |
CN108388649B (zh) | 处理音视频的方法、系统、设备及存储介质 | |
CN111091025B (zh) | 图像处理方法、装置和设备 | |
CN112383756B (zh) | 一种视频监控报警处理方法和装置 | |
JP2023505864A (ja) | ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体 | |
CN111325954A (zh) | 人员走失预警方法、装置、系统及服务器 | |
CN113256731A (zh) | 基于单目视觉的目标检测方法及装置 | |
JP6077425B2 (ja) | 映像管理装置及びプログラム | |
CN114783037A (zh) | 目标重识别方法、目标重识别装置和计算机可读存储介质 | |
Seidenari et al. | Dense spatio-temporal features for non-parametric anomaly detection and localization | |
CN113515982B (zh) | 轨迹还原方法及设备、设备管理方法及管理设备 | |
CN114913470B (zh) | 一种事件检测方法及装置 | |
CN111753766A (zh) | 一种图像处理方法、装置、设备及介质 | |
KR20190091214A (ko) | 동영상으로부터 장소 정보를 추출하는 장치 및 방법 | |
CN111008294A (zh) | 交通图像处理、图像检索方法及装置 | |
Sreekumar et al. | TPCAM: Real-time traffic pattern collection and analysis model based on deep learning | |
CN111666786B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111277745B (zh) | 目标人员的追踪方法、装置、电子设备及可读存储介质 |
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 |