CN113779171A - 对象落脚点的确定方法、装置、存储介质及电子装置 - Google Patents
对象落脚点的确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN113779171A CN113779171A CN202111130429.9A CN202111130429A CN113779171A CN 113779171 A CN113779171 A CN 113779171A CN 202111130429 A CN202111130429 A CN 202111130429A CN 113779171 A CN113779171 A CN 113779171A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- determining
- point
- foot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 206010034701 Peroneal nerve palsy Diseases 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 description 16
- 230000002354 daily effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种对象落脚点的确定方法、装置、存储介质及电子装置,其中,该方法包括:获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;确定多种数据信息中包括的属于目标对象的第一数据信息;基于第一数据信息确定目标对象在第一时间周期内的轨迹信息;基于轨迹信息确定目标对象的目标落脚点。通过本发明,解决了相关技术中存在的确定对象的落脚点不准确的问题,提高了确定对象的落脚点的准确性。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种对象落脚点的确定方法、装置、存储介质及电子装置。
背景技术
在相关技术中,在确定对象的落脚点时,通过是对一个时间周期内的对象的轨迹进行分析,得出轨迹点的加权值,再对最优轨迹上的各轨迹点时序分析,求出疑似落脚点概率矩阵。采用此方式的前提条件是有既定的目标人员,局限性较大,不能对未知的对象进行定位,且对象也只是对车辆进行识别,会遗漏在案件过程中的很多情况,对实体对象的落脚点分析的准确性不够。
由此可知,相关技术中存在确定对象的落脚点不准确的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种对象落脚点的确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在的确定对象的落脚点不准确的问题。
根据本发明的一个实施例,提供了一种对象落脚点的确定方法,包括:获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;确定多种所述数据信息中包括的属于目标对象的第一数据信息;基于所述第一数据信息确定所述目标对象在所述第一时间周期内的轨迹信息;基于所述轨迹信息确定所述目标对象的目标落脚点。
根据本发明的另一个实施例,提供了一种对象落脚点的确定装置,包括:获取模块,用于获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;第一确定模块,用于确定多种所述数据信息中包括的属于目标对象的第一数据信息;第二确定模块,用于基于所述第一数据信息确定所述目标对象在所述第一时间周期内的轨迹信息;第三确定模块,用于基于所述轨迹信息确定所述目标对象的目标落脚点。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息,在多种数据信息中确定出属于目标对象的第一数据信息,根据第一数据信息确定目标对象在第一时间周期内的轨迹信息,根据轨迹信息确定目标对象的目标落脚点。由于可以综合多种数据信息确定目标对象的轨迹信息,根据轨迹信息确定目标对象的目标落脚点,因此,可以解决相关技术中存在的确定对象的落脚点不准确的问题,提高了确定对象的落脚点的准确性。
附图说明
图1是本发明实施例的一种对象落脚点的确定方法的移动终端的硬件结构框图;
图2是根据本发明实施例的对象落脚点的确定方法的流程图;
图3是根据本发明示例性实施例的对多种数据进行目标处理示意图;
图4是根据本发明示例性实施例的将第一标识信息与标识信息表中的第二标识信息进行关联示意图;
图5是根据本发明示例性实施例的根据采集时间的差值确定第一落脚点示意图;
图6是根据本发明示例性实施例的确定第一落脚点的流程图;
图7是根据本发明示例性实施例的目标对象的轨迹示意图;
图8是根据本发明示例性实施例的根据第一落脚点和第二落脚点确定目标落脚点示意图;
图9是根据本发明示例性实施例的根据第一落脚地确定目标落脚点流程图;
图10是根据本发明具体实施方式的对象落脚点的确定方法流程图;
图11是根据本发明实施例的对象落脚点的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种对象落脚点的确定方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的对象落脚点的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。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。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种对象落脚点的确定方法,图2是根据本发明实施例的对象落脚点的确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;
步骤S204,确定多种所述数据信息中包括的属于目标对象的第一数据信息;
步骤S206,基于所述第一数据信息确定所述目标对象在所述第一时间周期内的轨迹信息;
步骤S208,基于所述轨迹信息确定所述目标对象的目标落脚点。
在上述实施例中,不同种类的对象可以包括人、机动车、非机动车、手机等。目标设备可以包括前端摄像机、RFID(射频识别技术)设备、基站等。例如,可以通过前端摄像机以及RFID设备采集每个卡口出现的过车和过人数据(机动车和非机动车),以及通过基站对MAC数据采集得到以手机号为唯一标识符的轨迹信息。在获得多种数据信息后,确定多种数据信息中属于目标对象的第一数据信息,其中,第一数据信息中包括采集目标对象的人脸数据、机动车数据、非机动车数据以及目标对象的手机的基站定位数据。在得到第一数据信息后,根据第一数据信息确定出目标对象在第一时间周期内的轨迹信息,根据轨迹信息确定出目标对象的目标落脚点。其中,第一时间周期可以为1天,当第一时间周期为1天时,即确定目标对象每天的落脚点。需要说明的是,第一时间周期为1天仅是一种示例性说明,还可以为1h、2h、一周、一个月、一年等。本发明对此不作限定。
在上述实施例中,当目标设备包括多种类型的设备时,可以通过前端摄像机采集人脸图像和机动车图像,通过RFID设备采集非机动车图像,通过基站定位确定对象的终端信息。当目标设备为一种设备时,目标设备可以为前端摄像机,通过前端摄像机采集人脸图像、机动车图像、非机动车图像等。通过分析对象多维度的轨迹信息,涉及人员轨迹、车辆轨迹、RFID非机动车轨迹以及MAC虚拟终端等多种,相较于以单一种类的轨迹作为落脚点分析的依据具有更好的准确性和信服度。
在上述实施例中,可以确定目标设备采集到的任意一个对象的落脚点,无需先确定待确定落脚点的对象,再去确定待确定落脚点的对象的落脚点。因此,不仅仅可以提高在事件发生后对已知对象的落脚点分析的准确性,而且支持在事件发生前的预防监控。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类似处理能力的设备,还可以是至少集成有图像获取设备以及数据处理设备的机器,其中,图像获取设备可以包括摄像头等图形采集模块,数据处理设备可以包括计算机、手机等终端,但不限于此。
通过本发明,获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息,在多种数据信息中确定出属于目标对象的第一数据信息,根据第一数据信息确定目标对象在第一时间周期内的轨迹信息,根据轨迹信息确定目标对象的目标落脚点。由于可以综合多种数据信息确定目标对象的轨迹信息,根据轨迹信息确定目标对象的目标落脚点,因此,可以解决相关技术中存在的确定对象的落脚点不准确的问题,提高了确定对象的落脚点的准确性。
在一个示例性实施例中,确定多种所述数据信息中包括的属于目标对象的第一数据信息包括:对多种所述数据信息进行目标处理,以确定多种所述数据信息中包括的满足目标条件的第二数据信息;在所述第二数据信息中确定所述第一数据信息。在本实施例中,目标处理可以包括数据清洗、数据标识、数据提取、数据质量检测等。对数据信息进行目标处理是对前端摄像机或卡口等设备日常采集数据的数据处理工作多种数据信息包括采集的数据包括前端摄像机采集的人员轨迹信息数据、机动车轨迹信息数据以及RFID采集设备采集到的非机动车轨迹信息数据。将这些数据接入到集中处理单元,进行数据清洗工作,处理数据异常的轨迹信息以及其他数据正常的轨迹信息。得到的感知数据可与设备表碰撞后的数据进行数据集成,最终进行感知数据质量检测,得到最终有价值的轨迹信息。其中,可以通过数据预处理模块对数据进行目标处理,数据预处理模块的主要作用,是在日常大数据量的情况下,筛选出对落脚点分析有作用有影响的数据,过滤掉一些无用的数据,降低数据量。
在上述实施例中,对多种数据信息进行目标处理包括对异常数据的清洗。例如,得到的过人轨迹中经纬度为空的轨迹数据需要被过滤,过车轨迹的车牌号类型丢失也需要被过滤,过车(机动车)轨迹中车牌号和车牌类型才是判断一辆车的唯一标识符。
在上述实施例中,对多种数据信息进行目标处理也可以包括对正常数据的过滤处理,例如,得到的MAC轨迹信息,MAC轨迹众多且杂乱。可根据需要筛选出所需数据范围,比如根据MAC轨迹得到某个人登记的手机号记录,一个人只筛选出此人所属的手机号轨迹,从而得到最终的虚拟终端轨迹信息。其中,对多种数据进行目标处理示意图可参见附图3。
在一个示例性实施例中,在所述第二数据信息中确定所述第一数据信息包括:确定所述第二数据信息中包括的不同种类的对象的第一标识信息;将所述第一标识信息与标识信息表中的第二标识信息进行关联,以确定所述第一标识信息中包括的属于所述目标对象的第三标识信息,其中,所述标识信息表中包括与第一对象关联的多种标识信息,所述第一对象包括与所述目标对象类型相同的一个或多个对象;将所述第二数据信息中包括的与所述第三标识信息对应的数据信息确定为所述第一数据信息。在本实施例中,第二数据信息中包括不同种类的对象的信息,不同种类的对象信息中均包括对象的第一标识信息。将第一标识信息与标识信息表中的第二标识进行关联,以确定出第一标识信息中包括的属于目标对象的第三标识信息。其中,第一标识信息可以包括身份证号、护照号、车牌号、非机动车编号、手机号等信息。标识信息表中存储有人员的各种信息内容,例如,身份证号、车牌号、非机动车编号、手机号、姓名、住址、籍贯等信息。根据标识信息表可以确定出第一标识信息中包括的属于同一个人的数据信息,将该数据信息确定为目标对象的第一数据信息。
在上述实施例中,目标设备采集到对象的人脸图像信息后,可以识别出对象的唯一标识信息,如身份证号、护照编号等。目标设备在采集到车辆图像后,可以识别出车辆的车牌号,目标设备在采集到非机动车的图像信息后,可以识别出非机动车的编号。并把识别出的标识确定为第一标识信息。
在上述实施例中,可以对人员进行分析,车辆信息和虚拟终端手机号轨迹信息作为对人员轨迹信息的补充。目前,公安已存在一种表,用于存储人员的各种信息内容,在此,暂且称之为人口信息表(对应于上述标识信息表),机动车过车轨迹表通过车牌号码种类_车牌号关联到人口信息表,非机动车过车轨迹表通过RFID编号关联到人口信息表,过人轨迹表通过身份证件种类_证件号码关联到人口信息表,虚拟终端手机号轨迹信息通过某人登记的手机号关联到人口信息表。最终将所有的数据集成到以人员的证件号码为唯一ID的数据集,即人员、车辆(机动车和非机动车)、终端手机号为一体的融合轨迹。其中,将第一标识信息与标识信息表中的第二标识信息进行关联示意图可参见附图4。
在一个示例性实施例中,基于所述轨迹信息确定所述目标对象的目标落脚点包括:确定采集所述轨迹信息中包括的每个目标位置信息对应的目标数据信息的目标采集时间;针对每个所述目标位置信息,执行以下操作,以确定第一落脚点:确定所述轨迹信息中是否存在第一位置信息和第二位置信息;其中,所述第一位置信息为在采集所述目标位置信息之前所采集的,且所述第一位置信息的第一采集时间距离所述目标采集时间最近,所述第二位置信息为在采集所述目标位置信息之后所采集的,且第二位置信息的第二采集时间距离所述目标采集时间最近,所述第一位置信息对应的位置和所述目标位置信息对应的位置不同且所述第二位置信息对应的位置和所述目标位置信息对应的位置不同;在确定所述轨迹信息中存在所述第一位置信息和所述第二位置信息,且所述第一采集时间与所述目标采集时间的差值大于第一阈值,所述第二采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述目标位置信息对应的位置确定为所述第一落脚点;在确定所述轨迹信息中仅存在所述第一位置信息,且所述第一采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述第一位置信息对应的位置确定为所述第一落脚点;在确定所述轨迹信息中仅存在所述第二位置信息,且所述第二采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述第二位置信息对应的位置确定为所述第一落脚点;基于所述第一落脚点确定所述目标落脚点。在本实施例中,在确定出第一数据信息后,可以按照时间的先后顺序对第一数据信息进行排序,以得到目标对象的轨迹信息。查看同一身份证号码人员在某点前后相差X分钟(对应于上述第一阈值)内是否有数据,若没有数据,则将此数据落地到日表落脚点表中。此处X分钟是可配值时间,模型可以根据实际需要更改X值。在判断前后相差X分钟时,是将某地点的采集时间与上一时间的上一地点时间作为比较,比对差值是否大于X分钟。
在上述实施例中,根据采集时间的差值确定第一落脚点示意图可参见附图5,如图5所示,对轨迹信息中的每个目标位置信息均执行以下操作:确定目标位置信息的上(下)一个位置信息的轨迹时间,即采集时间,确定上(下)一个位置信息的位置与目标位置信息对应的位置是否为同一个位置。当不是同一个位置时,比对上(下)一个位置信息的采集时间与目标位置信息的采集时间的差值是否超过X分钟。如果目标位置仅有上一个位置,则把上一个位置信息对应的地点确定为第一落脚点;如果目标位置仅有下一个位置,则把下一个位置信息对应的地点确定为第一落脚点;如果目标位置的上一个位置和下一个位置均存在,且采集时间的差值均大于X分钟,则将目标位置信息对应的位置确定为第一落脚点。其中,上一个位置信息对应于上述第一位置信息,下一个位置信息对应于上述第二位置信息。
例如,获取同一人的轨迹,取某一地点的抓拍时间,查找出这条轨迹记录上(下)地点抓拍轨迹记录,此处可能产生上(下)时间地点仍然是同一地点的情况,所以需要将两处地点作对比,校验得出上(下)地点的时间再进行时间差比对。由于查询上(下)地点可能产生查不到上地点或者下地点的情况,此处,若没有上地点或者没有下地点,则只看对上地点或下地点时间比对差值。若存在上地点和下地点,则必须上地点和下地点差值同时满足差值大于X的情况。
在一个示例性实施例中,在确定第一位置信息和第二位置信息之后,所述方法还包括:在所述第一采集时间与所述目标采集时间的差值小于或等于所述第一阈值和/或所述第二采集时间与所述目标采集时间的差值小于或等于所述第一阈值的情况下,确定所述第一数据信息中包括的位置信息;在所述位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,基于所述轨迹信息确定所述第一落脚点;基于所述第一落脚点确定所述目标落脚点。在本实施例中,当第一采集时间与目标采集时间的差值和/或第二采集时间与目标采集时间的差值小于或等于第一阈值的情况下,可以认为目标位置信息在前后X分钟是存在数据的,因此,可以确定第一数据信息中包括的位置信息,确定位置信息中属于同一位置的信息的第一数量,在第一数量大于第二阈值的情况下,再根据轨迹信息确定第一落脚点。即,除满足采集时间差值大于X的情况,将数据存储到日表落脚点的情况外,数据均满足某点前后相差X分钟内有数据的情况下,对第一数据信息进行重新获取,包括过人数据、过车数据(机动车数据和非机动车数据)、终端定位数据等。确定过人数据、过车数据、终端定位数据等中包括的属于同一位置的第一数量,在第一数量大于第二阈值的情况下,再根据轨迹信息确定第一落脚点。
在上述实施例中,确定第一落脚点的流程图可参见附图6,如图6所示,该流程包括:
步骤S602,提取昨日(对应于上述第一时间周期)所有过车过人虚拟终端手机号轨迹融合数据。
步骤S604,按照唯一标识符、地点、时间排序轨迹融合数据。
步骤S606,获取同一身份证号码的过人轨迹以及关联此身份证号码的车辆过车轨迹按照时间排序后的数据,数据可存储在一个虚拟的中间表,中间表较过人轨迹表增加过车轨迹中的一些必要数据,例如车牌号码、车牌号码种类、RFID标签编号、手机号等字段。
步骤S608,对步骤S606获取的数据进行分析,查看同一身份证号码人员在某点前后相差X分钟内是否有数据。此处X分钟是可配值时间,模型根据实际需要更改X值。在判断前后相差X分钟时,是将某地点的采集时间与上一时间的上一地点时间作为比较,比对差值是否大于X分钟。在判断结果为没有数据的情况下,执行步骤S610,若判断结果为有数据,则执行步骤S612。
步骤S610,没有数据,则将此数据落地到日表落脚点表中。
步骤S612,对步骤S608进行判断,除满足差值大于X将数据存储到日表落脚点的情况外,数据均满足某点前后相差X分钟内有数据的情况。在此情况下,对步骤S602的数据进行重新获取,同步骤S604的操作,区别是提取同一人昨日内出现所有地点的轨迹数据,包括过人、过车轨迹。
步骤S614,对步骤S602获取的数据分析,统计同一身份证号码人员所出现的所有地点以及出现总次数。此处Y次是可配值次数,模型根据实际需要更改Y值。若出现次数超过Y,则执行步骤S616;若出现次数低于Y,则过滤此人出现的轨迹数据,不作为此身份证号码人员分析落脚点参考数据,执行步骤S618。
步骤S616,将同一人昨日落脚地点和落脚次数数据存储到日表落脚轨迹中。
步骤S618,过滤数据。
在一个示例性实施例中,在所述位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,基于所述轨迹信息确定所述第一落脚点包括:基于所述轨迹信息确定是否存在第一预定时间段,其中,所述第一预定时间段为采集第三位置信息的第三采集时间到采集第四位置信息的第四采集时间的时间段,所述第三位置信息为在采集所述目标位置信息之前所采集的,且所述第三采集时间距离采集所述目标采集时间最近,所述第四位置信息为在采集所述目标位置信息之后所采集的,且所述第四采集时间距离所述目标采集时间最近,所述第三位置信息对应的位置和所述目标位置信息对应的位置不同且所述第四位置信息对应的位置和所述目标位置信息对应的位置不同,所述第三采集时间以及所述第四采集时间与所述目标采集时间的时间差均大于所述第一阈值;在确定不存在所述第一预定时间段的情况下,将所述轨迹信息中包括的第一次采集到所述目标对象的位置以及最后一次采集到所述目标对象的位置确定为所述第一落脚点;在确定存在所述第一预定时间段的情况下,确定所述目标采集时间与所述第一预定时间段的时间关系,基于所述时间关系以及所述第一预定时间段确定所述第一落脚点。在本实施例中,在确定第一采集时间和/或第二采集时间与目标采集时间的差值小于第一阈值,且位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,可以首先确定轨迹信息中是否存在第一预定时间段,即确定轨迹信息中是否存在某一位置信息,该位置信息的采集时间与该位置的前一个位置(对应于上述第三位置信息对应的位置)的采集时间差大于第一阈值,且该位置信息的采集时间与该位置的后一个位置(对应于上述第四位置信息对应为位置)的采集时间差大于第一阈值。在存在这一位置信息的情况下,将该位置的前一个位置的采集时间到该位置的后一个位置的采集时间确定为第一预定时间段。在确定存在第一预定时间段的情况下,确定目标采集时间和第一预定时间段的时间关系,根据时间关系确定第一落脚点。在确定轨迹信息中不存在第一预定时间段的情况下,则将轨迹信息中的第一次采集到目标对象的位置和最后一次采集到目标对象的位置确定为目标对象的第一落脚点。
在一个示例性实施例中,基于所述时间关系以及所述第一预定时间段确定所述第一落脚点包括:在确定所述时间关系指示所述目标采集时间处于所述第一预定时间段中包括的任意相邻的第二预定时间段和第三预定时间段之间的情况下,将所述第二预定时间段的终止时间点和所述第三预定时间段的起始时间点所采集的位置确定为所述第一落脚点;在确定所述时间关系指示所述目标采集时间处于所述轨迹信息的第一个采集时间点与所述第一预定时间段中包括的采集时间最早的第四预定时间段的情况下,将所述第一个采集时间点和所述第四预定时间段的起始时间点所采集到的位置确定为所述第一落脚点;在确定所述时间关系指示所述目标采集时间处于所述第一预定时间段中包括的采集时间最晚的第五预定时间段与所述轨迹信息的最后一个采集时间点之间情况下,将所述第五预定时间段的终止时间点和所述最后一个采集时间点所采集到的位置确定为所述第一落脚点。在本实施例中,目标对象的轨迹示意图可参见附图7,如图7所示,同一人在某点前后相差X分钟内没有数据则认为此点作为此人的疑似落脚点。且前后相差的X分钟分别作为前一段轨迹时间段的起点和终点,即,每日的时间范围为前日22点—次日22点,每日24小时被存在的2X分钟切分为每个轨迹段时间,每个轨迹段时间的起点和终点分别为存在的2X分钟前后时间点。该轨迹中包括两个预定时间段,即图7中的“2X分钟”时间段为预定时间段,也就是说,在图7中,第一预定时间段包括第二预定时间段和第三预定时间段。
在上述实施例中,当同一人在某点前后相差X分钟内有数据,24小时内存在2X时间段,切分后剩下的轨迹时间段,按照时间顺序分别将起点和终点时间和时间点作为落脚点。即当目标采集时间在第二预定时间段和第三预定时间段之间时,即图7中的“20201029”表示的时间,则将第二预定时间段的结束时间和第三预定时间段的开始时间所采集的位置信息对应的位置确定为第一落脚点。若目标采集时间在第一时间周期的起点与第一时间周期内的第一个预定时间段,即第四预定时间段之间的情况下,将起点对应的位置和第四预定时间段的起点所采集的位置信息对应的位置确定为第一落脚点。若目标采集时间在第一时间周期的终端与第一时间周期内的最后一个预定时间段,即第五预定时间段之间的情况下,将终点对应的位置和第五预定时间段的终点所采集的位置信息对应的位置确定为第一落脚点。
在上述实施例中,若24小时内不存在2X时间段,则每日数据按照时间顺序,只存储每日的起点数据和终点数据作为落脚点数据。
需要说明的是,2X分钟内存在数据是指以某点为中心,前后X分钟内存在非此地点经纬度或地址抓拍的数据。
在一个示例性实施例中,基于所述第一落脚点确定所述目标落脚点包括:获取所述目标对象在第二时间周期内的第二落脚点;基于所述第一落脚点以及所述第二落脚点确定所述目标落脚点。在本实施例中,第一落脚点为目标对象在第一时间周期内的落脚点,第一落脚点为在第一时间周期内的疑似落脚点。若要确定更为准确的目标落脚点,则需要获取第二时间周期内的第二落脚点,其中,当第一时间周期为1天时,第二时间周期可以为7天,第二时间周期包括第一时间周期。即可以确定7天内目标对象在每天的第一落脚点,将第一落脚点确定为第二落脚点,再根据第二落脚点确定目标落脚点。将一个时间周期分成段时间处理,再提取一个时间周期进行落脚点分析,极大的降低数据量,减少数据冗余,降低资源消耗。
需要说明的是,第二时间周期为7天仅是一种示例性说明,第二时间周期可以是大于第一时间周期的周期。例如,当第一时间周期为2h时,第二时间周期可以为5h、24h、48h等;当第一时间周期为1天时,第二时间周期可以为5天、7天、10天、15天、30天等;当第一时间周期为7天时,第二时间周期可以为14天、21天、30天等,本发明对第二时间周期不做限制。
在上述实施例中,将一个时间周期进行分段分析,例如,以日作为段时间分析等。取上一个时间段即昨日时间进行数据分析,并对数据打标,得到一个预落脚点结果数据。相关技术中是对一个时间周期内的车辆轨迹数据进行轨迹分析,数据冗余陈杂,且准确性不高,算子性能没有优势。此部分即可解决直接提取一个时间周期带来大数据的弊端、数据冗余的问题,过滤影响落脚点分析的数据,缩小大数据分析的数据范围。
在一个示例性实施例中,基于所述第一落脚点以及所述第二落脚点确定所述目标落脚点包括:确定所述第一落脚点和所述第二落脚点中包括的每个位置的第二数量;确定所述第二数量大于第二阈值的目标位置;将所述目标位置中除预定位置之外的位置确定为所述目标落脚点,其中,所述预定位置为与所述目标对象关联的位置。在本实施例中,根据第一落脚点和第二落脚点确定目标落脚点示意图可参见附图8,如图8所示,可以获取分析的每日第一落脚点数据,按照证件类型_证件号码和落脚次数排序,判断同一人,在某点的落脚次数是否大约M次,M次为可配置次数。若在某点的落脚点次数小于M次,则不认为此点为最大可能性落脚点,若落脚点次数大于M次,则认为此点为同一人的最大可能性落脚点。存储同一人的最大可能性落脚点相关数据。根据人口信息登记表(对应于上述标识信息表),过滤出证件类型_证件号码的住址和公司地点数据。过滤后的落脚点,作为分析得出的最后最大可能性落脚点,即目标落脚点。
在上述实施例中,根据第一落脚地确定目标落脚点流程图可参见附图9,如图9所示,该流程包括:
步骤S902,提取第二部分每日落脚点分析得到的中间表轨迹数据。
步骤S904,对同一证件号码人员的每日轨迹数据碰撞集成,按照时间排序,输出“虚拟轨迹”。
步骤S906,对步骤S904中的“虚拟轨迹”进一步分析得出每日疑似落脚点数据。此处详细的处理逻辑同图5所示的日差值对比逻辑图所示,对每日数据的日表落脚轨迹分析。
步骤S908,获取步骤S906分析的每日疑似落脚点数据,按照证件类型_证件号码和落脚次数排序。
步骤S910,判断同一人,在某点的落脚次数是否大于M次,M次为可配置次数。若判断结果为是,则执行步骤S912,若判断结果为否,则执行步骤S916。
步骤S912,落脚点次数大于M次,则认为此点为同一人的最大可能性落脚点。存储同一人的最大可能性落脚点相关数据。根据人口信息登记表,过滤出证件类型_证件号码的住址和公司地点数据。
步骤S914,过滤后的落脚点,作为本次方案分析得出的最后最大可能性落脚点。
步骤S916,在某点的落脚点次数小于M次,则不认为此点为最大可能性落脚点,过滤数据。
下面结合具体实施方式对对象落脚点的确定方法进行说明:
图10是根据本发明具体实施方式的对象落脚点的确定方法流程图,如图10所示,方案分为三部分,第一部分是数据处理,对原始数据进行数据质量检测;第二部分是对数据进行每日数据分析统计存储;第三部分是取一段时间分析出落脚点。通过前端摄像机以及RFID设备采集每个卡口出现的过人和过车数据(机动车和非机动车),以及通过基站对MAC数据采集得到以手机号为唯一标识符的轨迹信息,将数据传输到集中处理单元,通过聚类算法对数据进行融合、清洗等处理得到预处理数据。对预处理数据进行分析,通过人口信息表将车辆实体对象与人员实体对象进行匹配关联,达成预处理数据以人员实体对象为主、车辆作为附属的情况,扩大分析对象的活动轨迹,更好的提高落脚点分析的准确性。
步骤S1002,从前端摄像机以及RFID采集设备获取过人数据、过车数据,过车数据包括机动车和非机动车的数据,对所获取的数据进行预处理得到过人记录和过车记录;
步骤S1004,提取前一段时间譬如以日为单位,取昨日所有的过车记录和过人记录,每日对昨日数据进行分析处理,得到每日的落脚轨迹记录,且通过关联人口信息表过滤掉普通人在现住址和所在公司等一些地方的人口数据;
步骤S1006,提取一个时间周期内每日的轨迹信息,进行轨迹碰撞,得出人员实体对象的落脚点。
最终结果是得到一个落脚点库,形成一个落脚点算子模型,可在系统平台中进行融合展示。
在前述实施例中,基于大数据对人员、车辆(机动车和非机动车)、MAC虚拟终端等信息提高了落脚点分析准确性,能够实现更好的获取对象得到落脚点数据,以及更好的监控未知的对象。
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根据上述实施例的方法可借助软件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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种对象落脚点的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图11是根据本发明实施例的对象落脚点的确定装置的结构框图,如图11所示,该装置包括:
获取模块1102,用于获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;
第一确定模块1104,用于确定多种所述数据信息中包括的属于目标对象的第一数据信息;
第二确定模块1106,用于基于所述第一数据信息确定所述目标对象在所述第一时间周期内的轨迹信息;
第三确定模块1108,用于基于所述轨迹信息确定所述目标对象的目标落脚点。
在一个示例性实施例中,第一确定模块1104可以通过如下方式实现确定多种所述数据信息中包括的属于目标对象的第一数据信息:对多种所述数据信息进行目标处理,以确定多种所述数据信息中包括的满足目标条件的第二数据信息;在所述第二数据信息中确定所述第一数据信息。
在一个示例性实施例中,第一确定模块1104可以通过如下方式实现在所述第二数据信息中确定所述第一数据信息:确定所述第二数据信息中包括的不同种类的对象的第一标识信息;将所述第一标识信息与标识信息表中的第二标识信息进行关联,以确定所述第一标识信息中包括的属于所述目标对象的第三标识信息,其中,所述标识信息表中包括与第一对象关联的多种标识信息,所述第一对象包括与所述目标对象类型相同的一个或多个对象;将所述第二数据信息中包括的与所述第三标识信息对应的数据信息确定为所述第一数据信息。
在一个示例性实施例中,第三确定模块1108可以通过如下方式实现基于所述轨迹信息确定所述目标对象的目标落脚点:确定采集所述轨迹信息中包括的每个目标位置信息对应的目标数据信息的目标采集时间;针对每个所述目标位置信息,执行以下操作,以确定第一落脚点:确定所述轨迹信息中是否存在第一位置信息和第二位置信息;其中,所述第一位置信息为在采集所述目标位置信息之前所采集的,且所述第一位置信息的第一采集时间距离所述目标采集时间最近,所述第二位置信息为在采集所述目标位置信息之后所采集的,且第二位置信息的第二采集时间距离所述目标采集时间最近,所述第一位置信息对应的位置和所述目标位置信息对应的位置不同且所述第二位置信息对应的位置和所述目标位置信息对应的位置不同;在确定所述轨迹信息中存在所述第一位置信息和所述第二位置信息,且所述第一采集时间与所述目标采集时间的差值大于第一阈值,所述第二采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述目标位置信息对应的位置确定为所述第一落脚点;在确定所述轨迹信息中仅存在所述第一位置信息,且所述第一采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述第一位置信息对应的位置确定为所述第一落脚点;在确定所述轨迹信息中仅存在所述第二位置信息,且所述第二采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述第二位置信息对应的位置确定为所述第一落脚点;基于所述第一落脚点确定所述目标落脚点。
在一个示例性实施例中,所述装置可以用于在确定第一位置信息和第二位置信息之后,在所述第一采集时间与所述目标采集时间的差值小于或等于所述第一阈值和/或所述第二采集时间与所述目标采集时间的差值小于或等于所述第一阈值的情况下,确定所述第一数据信息中包括的位置信息;在所述位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,基于所述轨迹信息确定所述第一落脚点;基于所述第一落脚点确定所述目标落脚点。
在一个示例性实施例中,所述装置可以通过如下方式实现在所述位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,基于所述轨迹信息确定所述第一落脚点:基于所述轨迹信息确定是否存在第一预定时间段,其中,所述第一预定时间段为采集第三位置信息的第三采集时间到采集第四位置信息的第四采集时间的时间段,所述第三位置信息为在采集所述目标位置信息之前所采集的,且所述第三采集时间距离采集所述目标采集时间最近,所述第四位置信息为在采集所述目标位置信息之后所采集的,且所述第四采集时间距离所述目标采集时间最近,所述第三位置信息对应的位置和所述目标位置信息对应的位置不同且所述第四位置信息对应的位置和所述目标位置信息对应的位置不同,所述第三采集时间以及所述第四采集时间与所述目标采集时间的时间差均大于所述第一阈值;在确定不存在所述第一预定时间段的情况下,将所述轨迹信息中包括的第一次采集到所述目标对象的位置以及最后一次采集到所述目标对象的位置确定为所述第一落脚点;在确定存在所述第一预定时间段的情况下,确定所述目标采集时间与所述第一预定时间段的时间关系,基于所述时间关系以及所述第一预定时间段确定所述第一落脚点。
在一个示例性实施例中,所述装置可以通过如下方式实现基于所述时间关系以及所述第一预定时间段确定所述第一落脚点:在确定所述时间关系指示所述目标采集时间处于所述第一预定时间段中包括的任意相邻的第二预定时间段和第三预定时间段之间的情况下,将所述第二预定时间段的终止时间点和所述第三预定时间段的起始时间点所采集的位置确定为所述第一落脚点;在确定所述时间关系指示所述目标采集时间处于所述轨迹信息的第一个采集时间点与所述第一预定时间段中包括的采集时间最早的第四预定时间段的情况下,将所述第一个采集时间点和所述第四预定时间段的起始时间点所采集到的位置确定为所述第一落脚点;在确定所述时间关系指示所述目标采集时间处于所述第一预定时间段中包括的采集时间最晚的第五预定时间段与所述轨迹信息的最后一个采集时间点之间情况下,将所述第五预定时间段的终止时间点和所述最后一个采集时间点所采集到的位置确定为所述第一落脚点。
在一个示例性实施例中,所述装置可以通过如下方式实现基于所述第一落脚点确定所述目标落脚点:获取所述目标对象在第二时间周期内的第二落脚点;基于所述第一落脚点以及所述第二落脚点确定所述目标落脚点。
在一个示例性实施例中,所述装置可以通过如下方式实现基于所述第一落脚点以及所述第二落脚点确定所述目标落脚点:确定所述第一落脚点和所述第二落脚点中包括的每个位置的第二数量;确定所述第二数量大于第二阈值的目标位置;将所述目标位置中除预定位置之外的位置确定为所述目标落脚点,其中,所述预定位置为与所述目标对象关联的位置。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,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 (12)
1.一种对象落脚点的确定方法,其特征在于,包括:
获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;
确定多种所述数据信息中包括的属于目标对象的第一数据信息;
基于所述第一数据信息确定所述目标对象在所述第一时间周期内的轨迹信息;
基于所述轨迹信息确定所述目标对象的目标落脚点。
2.根据权利要求1所述的方法,其特征在于,确定多种所述数据信息中包括的属于目标对象的第一数据信息包括:
对多种所述数据信息进行目标处理,以确定多种所述数据信息中包括的满足目标条件的第二数据信息;
在所述第二数据信息中确定所述第一数据信息。
3.根据权利要求2所述的方法,其特征在于,在所述第二数据信息中确定所述第一数据信息包括:
确定所述第二数据信息中包括的不同种类的对象的第一标识信息;
将所述第一标识信息与标识信息表中的第二标识信息进行关联,以确定所述第一标识信息中包括的属于所述目标对象的第三标识信息,其中,所述标识信息表中包括与第一对象关联的多种标识信息,所述第一对象包括与所述目标对象类型相同的一个或多个对象;
将所述第二数据信息中包括的与所述第三标识信息对应的数据信息确定为所述第一数据信息。
4.根据权利要求1所述的方法,其特征在于,基于所述轨迹信息确定所述目标对象的目标落脚点包括:
确定采集所述轨迹信息中包括的每个目标位置信息对应的目标数据信息的目标采集时间;
针对每个所述目标位置信息,执行以下操作,以确定第一落脚点:确定所述轨迹信息中是否存在第一位置信息和第二位置信息;其中,所述第一位置信息为在采集所述目标位置信息之前所采集的,且所述第一位置信息的第一采集时间距离所述目标采集时间最近,所述第二位置信息为在采集所述目标位置信息之后所采集的,且第二位置信息的第二采集时间距离所述目标采集时间最近,所述第一位置信息对应的位置和所述目标位置信息对应的位置不同且所述第二位置信息对应的位置和所述目标位置信息对应的位置不同;在确定所述轨迹信息中存在所述第一位置信息和所述第二位置信息,且所述第一采集时间与所述目标采集时间的差值大于第一阈值,所述第二采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述目标位置信息对应的位置确定为所述第一落脚点;在确定所述轨迹信息中仅存在所述第一位置信息,且所述第一采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述第一位置信息对应的位置确定为所述第一落脚点;在确定所述轨迹信息中仅存在所述第二位置信息,且所述第二采集时间与所述目标采集时间的差值大于所述第一阈值的情况下,将所述第二位置信息对应的位置确定为所述第一落脚点;
基于所述第一落脚点确定所述目标落脚点。
5.根据权利要求4所述的方法,其特征在于,在确定第一位置信息和第二位置信息之后,所述方法还包括:
在所述第一采集时间与所述目标采集时间的差值小于或等于所述第一阈值和/或所述第二采集时间与所述目标采集时间的差值小于或等于所述第一阈值的情况下,确定所述第一数据信息中包括的位置信息;
在所述位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,基于所述轨迹信息确定所述第一落脚点;
基于所述第一落脚点确定所述目标落脚点。
6.根据权利要求5所述的方法,其特征在于,在所述位置信息中包括的属于同一位置的信息的第一数量大于第二阈值的情况下,基于所述轨迹信息确定所述第一落脚点包括:
基于所述轨迹信息确定是否存在第一预定时间段,其中,所述第一预定时间段为采集第三位置信息的第三采集时间到采集第四位置信息的第四采集时间的时间段,所述第三位置信息为在采集所述目标位置信息之前所采集的,且所述第三采集时间距离采集所述目标采集时间最近,所述第四位置信息为在采集所述目标位置信息之后所采集的,且所述第四采集时间距离所述目标采集时间最近,所述第三位置信息对应的位置和所述目标位置信息对应的位置不同且所述第四位置信息对应的位置和所述目标位置信息对应的位置不同,所述第三采集时间以及所述第四采集时间与所述目标采集时间的时间差均大于所述第一阈值;
在确定不存在所述第一预定时间段的情况下,将所述轨迹信息中包括的第一次采集到所述目标对象的位置以及最后一次采集到所述目标对象的位置确定为所述第一落脚点;
在确定存在所述第一预定时间段的情况下,确定所述目标采集时间与所述第一预定时间段的时间关系,基于所述时间关系以及所述第一预定时间段确定所述第一落脚点。
7.根据权利要求6所述的方法,其特征在于,基于所述时间关系以及所述第一预定时间段确定所述第一落脚点包括:
在确定所述时间关系指示所述目标采集时间处于所述第一预定时间段中包括的任意相邻的第二预定时间段和第三预定时间段之间的情况下,将所述第二预定时间段的终止时间点和所述第三预定时间段的起始时间点所采集的位置确定为所述第一落脚点;
在确定所述时间关系指示所述目标采集时间处于所述轨迹信息的第一个采集时间点与所述第一预定时间段中包括的采集时间最早的第四预定时间段的情况下,将所述第一个采集时间点和所述第四预定时间段的起始时间点所采集到的位置确定为所述第一落脚点;
在确定所述时间关系指示所述目标采集时间处于所述第一预定时间段中包括的采集时间最晚的第五预定时间段与所述轨迹信息的最后一个采集时间点之间情况下,将所述第五预定时间段的终止时间点和所述最后一个采集时间点所采集到的位置确定为所述第一落脚点。
8.根据权利要求5所述的方法,其特征在于,基于所述第一落脚点确定所述目标落脚点包括:
获取所述目标对象在第二时间周期内的第二落脚点;
基于所述第一落脚点以及所述第二落脚点确定所述目标落脚点。
9.根据权利要求8所述的方法,其特征在于,基于所述第一落脚点以及所述第二落脚点确定所述目标落脚点包括:
确定所述第一落脚点和所述第二落脚点中包括的每个位置的第二数量;
确定所述第二数量大于第二阈值的目标位置;
将所述目标位置中除预定位置之外的位置确定为所述目标落脚点,其中,所述预定位置为与所述目标对象关联的位置。
10.一种对象落脚点的确定装置,其特征在于,包括:
获取模块,用于获取目标设备在第一时间周期对不同种类的对象的信息进行采集所得到的多种数据信息;
第一确定模块,用于确定多种所述数据信息中包括的属于目标对象的第一数据信息;
第二确定模块,用于基于所述第一数据信息确定所述目标对象在所述第一时间周期内的轨迹信息;
第三确定模块,用于基于所述轨迹信息确定所述目标对象的目标落脚点。
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中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至9任一项中所述的方法的步骤。
12.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至9任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111130429.9A CN113779171A (zh) | 2021-09-26 | 2021-09-26 | 对象落脚点的确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111130429.9A CN113779171A (zh) | 2021-09-26 | 2021-09-26 | 对象落脚点的确定方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113779171A true CN113779171A (zh) | 2021-12-10 |
Family
ID=78853422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111130429.9A Pending CN113779171A (zh) | 2021-09-26 | 2021-09-26 | 对象落脚点的确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113779171A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663691A (zh) * | 2022-05-24 | 2022-06-24 | 浙江大华技术股份有限公司 | 一种落脚点定位方法、装置及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846538A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN108875835A (zh) * | 2018-06-26 | 2018-11-23 | 北京旷视科技有限公司 | 对象落脚点确定方法、装置、电子设备和计算机可读介质 |
CN109547748A (zh) * | 2018-12-07 | 2019-03-29 | 苏州科达科技股份有限公司 | 对象落脚点确定方法、装置及存储介质 |
CN110390232A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视系统技术有限公司 | 确认违法驾驶的方法、装置、服务器和系统 |
CN111241149A (zh) * | 2019-12-13 | 2020-06-05 | 北京明略软件系统有限公司 | 一种人员异常判定方法、装置、电子设备及存储介质 |
WO2020181879A1 (zh) * | 2019-03-12 | 2020-09-17 | 北京嘀嘀无限科技发展有限公司 | 一种与车辆相关联的数据处理方法及系统 |
CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 |
CN112419366A (zh) * | 2020-11-30 | 2021-02-26 | 深圳力维智联技术有限公司 | 车辆的追踪方法、系统及计算机可读存储介质 |
CN112733047A (zh) * | 2020-11-05 | 2021-04-30 | 浙江大华技术股份有限公司 | 车辆落脚点生成方法、装置、设备及计算机存储介质 |
CN112926639A (zh) * | 2021-02-20 | 2021-06-08 | 浙江大华技术股份有限公司 | 一种轨迹跟踪方法、装置、存储介质及电子装置 |
-
2021
- 2021-09-26 CN CN202111130429.9A patent/CN113779171A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846538A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN110390232A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视系统技术有限公司 | 确认违法驾驶的方法、装置、服务器和系统 |
CN108875835A (zh) * | 2018-06-26 | 2018-11-23 | 北京旷视科技有限公司 | 对象落脚点确定方法、装置、电子设备和计算机可读介质 |
CN109547748A (zh) * | 2018-12-07 | 2019-03-29 | 苏州科达科技股份有限公司 | 对象落脚点确定方法、装置及存储介质 |
WO2020181879A1 (zh) * | 2019-03-12 | 2020-09-17 | 北京嘀嘀无限科技发展有限公司 | 一种与车辆相关联的数据处理方法及系统 |
CN111241149A (zh) * | 2019-12-13 | 2020-06-05 | 北京明略软件系统有限公司 | 一种人员异常判定方法、装置、电子设备及存储介质 |
CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 |
CN112733047A (zh) * | 2020-11-05 | 2021-04-30 | 浙江大华技术股份有限公司 | 车辆落脚点生成方法、装置、设备及计算机存储介质 |
CN112419366A (zh) * | 2020-11-30 | 2021-02-26 | 深圳力维智联技术有限公司 | 车辆的追踪方法、系统及计算机可读存储介质 |
CN112926639A (zh) * | 2021-02-20 | 2021-06-08 | 浙江大华技术股份有限公司 | 一种轨迹跟踪方法、装置、存储介质及电子装置 |
Non-Patent Citations (1)
Title |
---|
魏威: "基于卡口数据的车辆追踪系统的设计与实现", 中国优秀硕士学位论文电子全文数据库工程科技II辑, no. 2, 15 February 2020 (2020-02-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663691A (zh) * | 2022-05-24 | 2022-06-24 | 浙江大华技术股份有限公司 | 一种落脚点定位方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
CN110888884B (zh) | 基于geohash匹配的车码拟合方法及系统 | |
CN108446681B (zh) | 行人分析方法、装置、终端及存储介质 | |
CN111291682A (zh) | 确定目标对象的方法、装置、存储介质及电子装置 | |
CN112818173A (zh) | 关联对象的识别方法、装置及计算机可读存储介质 | |
EP2495696A1 (en) | Management server, population information calculation management server, zero population distribution area management method, and population information calculation method | |
CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
CN113779171A (zh) | 对象落脚点的确定方法、装置、存储介质及电子装置 | |
CN111476685A (zh) | 行为分析方法、装置及设备 | |
CN111984806A (zh) | 一种确定车辆与终端关联程度的方法、装置和存储介质 | |
CN112183161B (zh) | 人脸数据库的处理方法、装置及设备 | |
CN112434049A (zh) | 表格数据存储方法、装置、存储介质及电子装置 | |
CN112991804B (zh) | 停留区域确定方法以及相关装置 | |
CN114283361A (zh) | 状态信息的确定方法和装置、存储介质及电子装置 | |
CN114202919A (zh) | 一种非机动车电子车牌遮挡的识别方法、装置及系统 | |
CN113537087A (zh) | 一种智慧交通信息处理方法、装置及服务器 | |
CN113449563A (zh) | 一种人员跟踪标记方法、装置、电子设备及存储介质 | |
CN111064796B (zh) | 伴随关系的分析方法及装置、分析模型的训练方法 | |
CN116543242B (zh) | 基于高速收费数据的车型检测方法、装置、设备及介质 | |
CN116431459B (zh) | 分布式日志链路跟踪数据处理方法及装置 | |
CN111369803B (zh) | 边际卡口的检测方法、装置及计算机可读存储介质 | |
CN112464978B (zh) | 一种车联网异常终端识别方法及装置 | |
CN116631198B (zh) | 基于物联网设备的交通综合执法研判系统 | |
CN116311080B (zh) | 监控影像检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |