CN116758620B - 一种轨迹关联数据基于网格的记录方法、装置、设备 - Google Patents
一种轨迹关联数据基于网格的记录方法、装置、设备 Download PDFInfo
- Publication number
- CN116758620B CN116758620B CN202311048276.2A CN202311048276A CN116758620B CN 116758620 B CN116758620 B CN 116758620B CN 202311048276 A CN202311048276 A CN 202311048276A CN 116758620 B CN116758620 B CN 116758620B
- Authority
- CN
- China
- Prior art keywords
- track
- data
- layer
- code
- face acquisition
- 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 57
- 238000001514 detection method Methods 0.000 claims abstract description 137
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种轨迹关联数据基于网格的记录方法、装置、设备和介质,所述方法包括接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录。本实施例的轨迹关联数据基于网格的记录方法达到了图数据和码数据编码方式统一,记录方便的效果。
Description
技术领域
本发明实施例涉及通讯技术领域,尤其涉及一种轨迹关联数据基于网格的记录方法、装置、设备和介质。
背景技术
现有技术城市图码稀疏多模态轨迹中需要获取图数据和码数据。其中,图数据是指由实时相机采集到的人脸、车牌图片,码数据是指智能终端感知源数据,如手机IMSI、IMEI数据,图数据和码数据的来源通常不一致。在对图数据和码数据进行处理时,经过后台大数据与人工智能系统的分析,才能建立起抓拍对象与码之间的对应关系,并进一步建立起人、车、码三者之间的对应关系。现有技术的图数据和码数据都是超稀疏的,导致空间不连续,而且图数据和码数据的数据来源不一样不同,两者轨迹的空间语义也不同,两者轨迹数据如何使用同一空间表示方法进行表征成为难题。
发明内容
本发明实施例提供一种轨迹关联数据基于网格的记录方法、装置、设备和介质,达到了图数据和码数据编码方式统一,记录方便的效果。
根据本发明的一方面,提供了一种轨迹关联数据基于网格的记录方法,包括:
接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;
分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;
将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;
基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录。
进一步的,所述分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据,包括:
基于人脸采集设备对所述轨迹关联数据进行第一聚类以获取图轨迹数据;
基于侦码设备对所述轨迹关联数据进行第二聚类以获取码轨迹数据。
进一步的,所述将人脸采集设备和侦码设备映射至预设地图,包括:
根据所述人脸采集设备信息和所述侦码设备信息获取人脸采集设备坐标和侦码设备坐标;
基于所述人脸采集设备坐标和侦码设备坐标在所述预设地图上标记显示所述人脸采集设备和侦码设备的图标。
进一步的,所述采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内,包括:
使用最小化的矩形来圈定预设地图中的人脸采集设备和侦码设备,在该矩形内包含全部的所述人脸采集设备和侦码设备;
依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。
进一步的,所述依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2,包括:
将所述矩形进行平等四分以对所述预设地图进行第1层网格化,判断是否每个1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
将1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对1层网格进行第2层网格化,判断是否每个2层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
…
将N-2层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-2层网格进行第N-1层网格化,判断是否每个N-1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
将N-1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-1层网格进行第N层网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。
进一步的,所述基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,包括:
根据图轨迹数据按时间顺序将第1层网格连接起来得到第1层图轨迹图结构;
根据图轨迹数据按时间顺序将第2层网格连接起来得到第2层图轨迹图结构;
…
根据图轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层图轨迹图结构;
根据图轨迹数据按时间顺序将第N层网格连接起来得到第N层图轨迹图结构。
进一步的,所述基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,包括:
根据码轨迹数据按时间顺序将第1层网格连接起来得到第1层码轨迹图结构;
根据码轨迹数据按时间顺序将第2层网格连接起来得到第2层码轨迹图结构;
…
根据码轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层码轨迹图结构;
根据码轨迹数据按时间顺序将第N层网格连接起来得到第N层码轨迹图结构。
根据本发明的一方面,提供了一种轨迹关联数据基于网格的记录装置,包括:
数据接收模块,用于接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;
数据聚类模块,用于分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;
网格划分模块,用于将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;
数据生成模块,用于基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录。
根据本发明的另一方面,提供了一种计算机设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一轨迹关联数据基于网格的记录方法。
根据本发明的另一方面,提供了一种存储介质,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上述的任一轨迹关联数据基于网格的记录方法。
本实施例的轨迹关联数据基于网格的记录方法通过接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录,可以达到保留不同模态的空间信息,将城市图码轨迹数据使用同一空间表示,应用在图码轨迹关联系统上的效果,具体地,在图码关联中,人脸采集设备是精确采集,空间范围小,而侦码设备是范围采集,空间范围大,本实施例的方法可以使用多层次图结构进行空间建模,同时保留人脸采集设备和侦码设备的空间信息;也就是能考虑不同模态之间的设备采集空间范围,将图轨迹数据和码轨迹数据使用多层次图结构表示方法,对不同模态的数据使用同一空间表征。另外,人脸采集设备密度远大于侦码设备密度,而本实施例的方法使用多层次图结构的空间表示方法能将不同模态的设备密度同时保留下来,也就是能考虑设备布局的密度,在保留不同模态的空间信息下,对不同模态的数据使用多层次图结构进行同一空间表征。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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他的附图。
图1是本发明实施例一提供的一种轨迹关联数据基于网格的记录方法的流程图;
图2是本发明实施例一提供的一种轨迹关联数据基于网格的记录方法的原理图;
图3是本发明实施例一提供的一种轨迹关联数据基于网格的记录方法的逐层划分层网格的示意图;
图4是本发明实施例一提供的一种轨迹关联数据基于网格的记录方法中基于逐层网格化的地图生成相应的轨迹图结构的示意图;
图5是本发明实施例二提供的一种轨迹关联数据基于网格的记录装置的示意图;
图6示出了本发明的实施例三提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
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。应所述理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种轨迹关联数据基于网格的记录方法的流程图,本实施例可应用于轨迹关联数据基于网格的记录装置来执行,该装置可以由软件和/或硬件的方式来实现,并一般可集成在移动终端、边缘设备、电脑或服务器中,本发明实施例并不对移动终端、边缘设备、电脑或服务器类型进行限定。相应的,如图1所示,该方法包括如下操作:
S110、接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;
本实施例中,现场智能人脸相机和侦码设备实时获取轨迹数据和设备信息表,并将数据发送至服务端,服务端将数据预处理后存入数据库内。
一实施例中,在步骤S110前还包括:
S111、安装、连接、调试智能人脸相机(人脸采集设备),控制智能人脸相机获取稳定的人脸图像数据源。
S112、安装、连接、调试侦码设备,控制侦码设备获取稳定的IMSI和/或IMEI数据源。
S113、获取智能人脸相机信息表(人脸采集设备信息),人脸相机信息表至少包括设备的采集范围,安装所处的经纬度等信息。
S114、获取侦码设备信息表,侦码设备信息表至少包括设备的采集范围,安装所处的经纬度等信息。
本实施例的人脸采集设备信息和侦码设备信息可以根据人流量设置不同的密度,即相同面积的区域,如果人流量较多则设置较多数量的人脸采集设备和侦码设备,如果人流量较少,则设置较少数量的人脸采集设备和侦码设备。
S120、分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;
一实施例中,所述分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据,包括:
基于人脸采集设备对所述轨迹关联数据进行第一聚类以获取图轨迹数据;
基于侦码设备对所述轨迹关联数据进行第二聚类以获取码轨迹数据。
一实施例中,步骤S120中采用的聚类算法可以是基于划分的聚类算法,例如K-means聚类算法,K-medoids聚类算法;也可以是基于层次的聚类算法,HFC聚类算法,还可以是基于密度的聚类算法,例如DBSCAN聚类算法,还可以是基于网格的聚类算法,例如CLIQUE聚类算法,STING聚类算法,但并不以上述算法为限。
具体地,一实施例中,基于人脸采集设备对所述轨迹关联数据进行第一聚类以获取图轨迹数据,包括:
S121、根据获取的轨迹关联数据定义图轨迹点{(x,y,t,d)},其中x、y表示时刻t的地理坐标,d是人脸采集设备的ID。
S122、剔除人脸采集设备的ID中无设备ID、经纬度异常等图轨迹点的数据。
S123、根据预设的聚类算法对图轨迹点{(x,y,t,d)}聚类形成图轨迹。
{(x1,y1,t1,d1),(x2,y2,t2,d2),...,(xN,yN,tN,dN)},其中N代表轨迹中元素个数。
进一步的,其他实施例中,基于侦码设备对所述轨迹关联数据进行第二聚类以获取码轨迹数据,包括:
S124、根据获取的轨迹关联数据定义码轨迹点{(x,y,t,I)},其中x、y表示时刻t的地理坐标,I是侦码设备的ID。
S124、剔除侦码设备的ID中无设备ID、经纬度异常等码轨迹点的数据。
S126、根据预设的聚类算法对码轨迹点{(x,y,t,I)}聚类形成码轨迹。
{(x1,y1,t1,I1),(x2,y2,t2,I2),...,(xN,yN,tN,IN)},其中N代表轨迹中元素个数。
S130、将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;
一实施例中,如图2所示,所述将人脸采集设备210和侦码设备220映射至预设地图230,包括:
S131、根据所述人脸采集设备信息和所述侦码设备信息获取人脸采集设备坐标和侦码设备坐标;
S132、基于所述人脸采集设备坐标和侦码设备坐标在所述预设地图230上标记显示所述人脸采集设备210和侦码设备220的图标。
进一步的,一并参考图3,所述采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内,包括:
S133、使用最小化的矩形310来圈定预设地图中的人脸采集设备210和侦码设备220,在该矩形310内包含全部的所述人脸采集设备和侦码设备;
本实施例中,最小化的矩形310圈定的区域可以是预设地图中某一地理区域、某一自定义区域,也可以是预设地图的全部,本实施例不做限定。
S134、依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。其中,β1为网格化区域内最大人脸采集设备的个数,β2为网格化区域内最大侦码设备的个数。
较佳地,一实施例中,所述依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2,包括:
S1341、将所述矩形进行平等四分以对所述预设地图进行第1层网格化,判断是否每个1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
S1342、将1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对1层网格进行第2层网格化,判断是否每个2层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
…
S1343、将N-2层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-2层网格进行第N-1层网格化,判断是否每个N-1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
S1344、将N-1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-1层网格进行第N层网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。
具体地,一并参考图3,以N=3为例进一步进行说明:先在地图使用最小化的矩形310来圈定预设地图中的人脸采集设备(图3未示出)和侦码设备(图3未示出)上,将地图230上的所述矩形310进行平等四分形成4个区域310A、310B、310C、310D,以对所述预设地图进行第1层网格化,判断是否每个1层网格310A、310B、310C、310D内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
S1342、将1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形,例如图3中的310B、310C、310D区域进行平等四分以对1层网格进行第2层网格化,形成多个2层网格区域,例如图3中所示区域310B1、310B2、310B3、310B4、310C1、310C2、310C3、310C4、310D1、310D2、310D3、310D4,判断是否每个2层网格区域310B1、310B2、310B3、310B4、310C1、310C2、310C3、310C4、310D1、310D2、310D3内的人脸采集设备数量大于β1或侦码设备的数量大于β2;
S1343、将2层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形,例如2层网格区域310C1、310C3进行平等四分以对2层网格进行第3层网格化,形成多个3层网格区域,例如图3中所示3层网格区域310C11、310C12、310C13、310C14、310C31、310C32、310C33、310C34,判断是否每个3层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
S1344、本实施例中,到第3层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2,因此流程结束,不在对区域进一步分割。
S140、基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录。
一实施例中,进一步参考图4,所述基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,包括:
S141、根据图轨迹数据按时间顺序将第1层网格连接起来得到第1层图轨迹图结构;
S142、根据图轨迹数据按时间顺序将第2层网格连接起来得到第2层图轨迹图结构;
…
S143、根据图轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层图轨迹图结构;
S144、根据图轨迹数据按时间顺序将第N层网格连接起来得到第N层图轨迹图结构。
可替代地,所述基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,包括:
S145、根据码轨迹数据按时间顺序将第1层网格连接起来得到第1层码轨迹图结构;
S146、根据码轨迹数据按时间顺序将第2层网格连接起来得到第2层码轨迹图结构;
…
S147、根据码轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层码轨迹图结构;
S148、根据码轨迹数据按时间顺序将第N层网格连接起来得到第N层码轨迹图结构。
具体地,一并参考图4,以N=3为例和码轨迹进一步进行说明,图轨迹的记录方式原理相同,因此不再赘述。本实施例的码轨迹数据按时间顺序依次经过A、B、C、D、E这几个位置,其中,
根据码轨迹数据按时间顺序将第1层网格连接起来得到第1层码轨迹图结构为:310B-310C。
根据码轨迹数据按时间顺序将第2层网格连接起来得到第2层码轨迹图结构为:310B1-310B4-310C1-310C3。
根据码轨迹数据按时间顺序将第三层网格连接起来得到第3层码轨迹图结构为:310C12-310C13-310C34。
相对于现有技术,本实提供的轨迹关联数据基于网格的记录方法,通过接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录。可以达到保留不同模态的空间信息,将城市图码轨迹数据使用同一空间表示,应用在图码轨迹关联系统上的效果,具体地,在图码关联中,人脸采集设备是精确采集,空间范围小,而侦码设备是范围采集,空间范围大,本实施例的方法可以使用多层次图结构进行空间建模,同时保留人脸采集设备和侦码设备的空间信息;也就是能考虑不同模态之间的设备采集空间范围,将图轨迹数据和码轨迹数据使用多层次图结构表示方法,对不同模态的数据使用同一空间表征。另外,人脸采集设备密度远大于侦码设备密度,而本实施例的方法使用多层次图结构的空间表示方法能将不同模态的设备密度同时保留下来,也就是能考虑设备布局的密度,在保留不同模态的空间信息下,对不同模态的数据使用多层次图结构进行同一空间表征。
实施例二
图5是本发明实施例二提供的一种轨迹关联数据基于网格的记录装置的示意图,该装置500可以由软件和/或硬件的方式来实现,并一般可集成于服务器,如图5所示,所述装置500包括:
数据接收模块510,用于接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;
数据聚类模块520,用于分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;
网格划分模块530,用于将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;
数据生成模块540,用于基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录。
进一步的,所述数据聚类模块520还用于:
基于人脸采集设备对所述轨迹关联数据进行第一聚类以获取图轨迹数据;
基于侦码设备对所述轨迹关联数据进行第二聚类以获取码轨迹数据。
进一步的,网格划分模块530还用于:
根据所述人脸采集设备信息和所述侦码设备信息获取人脸采集设备坐标和侦码设备坐标;
基于所述人脸采集设备坐标和侦码设备坐标在所述预设地图上标记显示所述人脸采集设备和侦码设备的图标。
进一步的,网格划分模块530,还用于:
使用最小化的矩形来圈定预设地图中的人脸采集设备和侦码设备,在该矩形内包含全部的所述人脸采集设备和侦码设备;
依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。
进一步的,网格划分模块530,还用于:
将所述矩形进行平等四分以对所述预设地图进行第1层网格化,判断是否每个1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
将1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对1层网格进行第2层网格化,判断是否每个2层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
…
将N-2层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-2层网格进行第N-1层网格化,判断是否每个N-1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
将N-1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-1层网格进行第N层网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。
进一步的,所述数据生成模块540还用于:
根据图轨迹数据按时间顺序将第1层网格连接起来得到第1层图轨迹图结构;
根据图轨迹数据按时间顺序将第2层网格连接起来得到第2层图轨迹图结构;
…
根据图轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层图轨迹图结构;
根据图轨迹数据按时间顺序将第N层网格连接起来得到第N层图轨迹图结构。
进一步的,所述数据生成模块540还用于:
根据码轨迹数据按时间顺序将第1层网格连接起来得到第1层码轨迹图结构;
根据码轨迹数据按时间顺序将第2层网格连接起来得到第2层码轨迹图结构;
…
根据码轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层码轨迹图结构;
根据码轨迹数据按时间顺序将第N层网格连接起来得到第N层码轨迹图结构。
上述轨迹关联数据基于网格的记录装置可执行本发明任意实施例所提供的轨迹关联数据基于网格的记录方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的轨迹关联数据基于网格的记录方法。由于上述所介绍的轨迹关联数据基于网格的记录装置为可以执行本发明实施例中的轨迹关联数据基于网格的记录方法的装置,故而基于本发明实施例中所介绍的轨迹关联数据基于网格的记录方法,本领域所属技术人员能够了解本实施例的轨迹关联数据基于网格的记录装置的具体实施方式以及其各种变化形式,所以在此对于该轨迹关联数据基于网格的记录装置如何实现本发明实施例中的轨迹关联数据基于网格的记录方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中轨迹关联数据基于网格的记录方法所采用的装置,都属于本申请所欲保护的范围。
实施例三
图6示出了本发明的实施例三提供的一种计算机设备的结构示意图。如图6所示,计算机设备60包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储计算机设备60操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
计算机设备60中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许计算机设备60通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如轨迹关联数据基于网格的记录方法。
在一些实施例中,轨迹关联数据基于网格的记录方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到计算机设备60上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的轨迹关联数据基于网格的记录方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行轨迹关联数据基于网格的记录方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在移动终端上实施此处描述的系统和技术,该移动终端具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给移动终端。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
实施例四
本发明实施例四还提供一种存储计算机程序的计算机存储介质,所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的轨迹关联数据基于网格的记录方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read OnlyMemory,EPROM,或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、射频(Radio Frequency,RF)等等,或者上述的任意合适的组合。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应所述明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (5)
1.一种轨迹关联数据基于网格的记录方法,其特征在于,包括:
接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;
分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;
将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;
基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录;
其中,所述分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据,包括:
基于人脸采集设备对所述轨迹关联数据进行第一聚类以获取图轨迹数据;
基于侦码设备对所述轨迹关联数据进行第二聚类以获取码轨迹数据;
其中,所述将人脸采集设备和侦码设备映射至预设地图,包括:
根据所述人脸采集设备信息和所述侦码设备信息获取人脸采集设备坐标和侦码设备坐标;
基于所述人脸采集设备坐标和侦码设备坐标在所述预设地图上标记显示所述人脸采集设备和侦码设备的图标;
其中,所述采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内,包括:
使用最小化的矩形来圈定预设地图中的人脸采集设备和侦码设备,在该矩形内包含全部的所述人脸采集设备和侦码设备;
依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2;
其中,所述基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,包括:
根据图轨迹数据按时间顺序将第1层网格连接起来得到第1层图轨迹图结构;
根据图轨迹数据按时间顺序将第2层网格连接起来得到第2层图轨迹图结构;
…
根据图轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层图轨迹图结构;
根据图轨迹数据按时间顺序将第N层网格连接起来得到第N层图轨迹图结构
其中,所述基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,或包括:
根据码轨迹数据按时间顺序将第1层网格连接起来得到第1层码轨迹图结构;
根据码轨迹数据按时间顺序将第2层网格连接起来得到第2层码轨迹图结构;
…
根据码轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层码轨迹图结构;
根据码轨迹数据按时间顺序将第N层网格连接起来得到第N层码轨迹图结构。
2.根据权利要求1所述的轨迹关联数据基于网格的记录方法,其特征在于,所述依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2,包括:
将所述矩形进行平等四分以对所述预设地图进行第1层网格化,判断是否每个1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
将1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对1层网格进行第2层网格化,判断是否每个2层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
…
将N-2层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-2层网格进行第N-1层网格化,判断是否每个N-1层网格内的人脸采集设备数量大于β1且侦码设备的数量大于β2;
将N-1层网格内的人脸采集设备数量大于β1或侦码设备的数量大于β2的网格矩形进行平等四分以对N-1层网格进行第N层网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2。
3.一种轨迹关联数据基于网格的记录装置,其特征在于,包括:
数据接收模块,用于接收轨迹关联数据,所述轨迹关联数据至少包括人脸图像数据、人脸采集设备信息、IMSI/IMEI数据以及侦码设备信息;
数据聚类模块,用于分别基于人脸采集设备和侦码设备对所述轨迹关联数据进行聚类以获取聚类轨迹数据;
网格划分模块,用于将人脸采集设备和侦码设备映射至预设地图,采用多层的方式网格化所述预设地图,以将所述人脸采集设备和侦码设备划分至大小相同或不同的网格内;
数据生成模块,用于基于所述聚类轨迹数据和网格化的预设地图生成相应的轨迹图结构,以对所述轨迹关联数据进行记录;
其中,所述数据聚类模块还用于:
基于人脸采集设备对所述轨迹关联数据进行第一聚类以获取图轨迹数据;
基于侦码设备对所述轨迹关联数据进行第二聚类以获取码轨迹数据;
其中,网格划分模块还用于:
根据所述人脸采集设备信息和所述侦码设备信息获取人脸采集设备坐标和侦码设备坐标;
基于所述人脸采集设备坐标和侦码设备坐标在所述预设地图上标记显示所述人脸采集设备和侦码设备的图标;
其中,网格划分模块,还用于:
使用最小化的矩形来圈定预设地图中的人脸采集设备和侦码设备,在该矩形内包含全部的所述人脸采集设备和侦码设备;
依次对所述预设地图进行第1层至第N层的网格化,直到第N层网格内的人脸采集设备数量不大于β1且侦码设备的数量不大于β2;
其中,所述数据生成模块还用于:
根据图轨迹数据按时间顺序将第1层网格连接起来得到第1层图轨迹图结构;
根据图轨迹数据按时间顺序将第2层网格连接起来得到第2层图轨迹图结构;
…
根据图轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层图轨迹图结构;
根据图轨迹数据按时间顺序将第N层网格连接起来得到第N层图轨迹图结构;
其中,所述数据生成模块或还用于:
根据码轨迹数据按时间顺序将第1层网格连接起来得到第1层码轨迹图结构;
根据码轨迹数据按时间顺序将第2层网格连接起来得到第2层码轨迹图结构;
…
根据码轨迹数据按时间顺序将第N-1层网格连接起来得到第N-1层码轨迹图结构;
根据码轨迹数据按时间顺序将第N层网格连接起来得到第N层码轨迹图结构。
4.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-2中任一所述的轨迹关联数据基于网格的记录方法。
5.一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1-2中任一所述的轨迹关联数据基于网格的记录方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311048276.2A CN116758620B (zh) | 2023-08-21 | 2023-08-21 | 一种轨迹关联数据基于网格的记录方法、装置、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311048276.2A CN116758620B (zh) | 2023-08-21 | 2023-08-21 | 一种轨迹关联数据基于网格的记录方法、装置、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116758620A CN116758620A (zh) | 2023-09-15 |
CN116758620B true CN116758620B (zh) | 2023-11-28 |
Family
ID=87951930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311048276.2A Active CN116758620B (zh) | 2023-08-21 | 2023-08-21 | 一种轨迹关联数据基于网格的记录方法、装置、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116758620B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986814A (zh) * | 2014-05-26 | 2014-08-13 | 深圳市中兴移动通信有限公司 | 创建通话记录的方法和移动终端 |
CN103984763A (zh) * | 2014-05-30 | 2014-08-13 | 厦门云朵网络科技有限公司 | 一种轨迹图显示设备、方法和监控终端 |
CN109325429A (zh) * | 2018-09-11 | 2019-02-12 | 深圳前海中电慧安科技有限公司 | 一种关联特征数据的方法、装置、存储介质及终端 |
CN110008298A (zh) * | 2019-03-28 | 2019-07-12 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
CN112654035A (zh) * | 2020-11-20 | 2021-04-13 | 深圳市先创数字技术有限公司 | 基于移动终端特征码的图码关联方法、系统及存储介质 |
CN113743772A (zh) * | 2021-09-01 | 2021-12-03 | 厦门精图信息技术有限公司 | 基于KingMap GIS的智慧城市管理方法、系统及设备 |
CN114663960A (zh) * | 2022-04-12 | 2022-06-24 | 重庆紫光华山智安科技有限公司 | 人脸与imsi匹配方法、装置、电子设备和存储介质 |
CN115130768A (zh) * | 2022-07-05 | 2022-09-30 | 中国科学院计算技术研究所 | 移动目标长轨迹预测方法、装置 |
WO2023123893A1 (zh) * | 2021-12-27 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 对象轨迹相似度的获得方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4762364B2 (ja) * | 2008-06-13 | 2011-08-31 | パイオニア株式会社 | 地図データ記録装置、地図表示装置、地図データ記録方法、地図表示方法、地図データ記録プログラム、地図表示プログラムおよび記録媒体 |
-
2023
- 2023-08-21 CN CN202311048276.2A patent/CN116758620B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986814A (zh) * | 2014-05-26 | 2014-08-13 | 深圳市中兴移动通信有限公司 | 创建通话记录的方法和移动终端 |
CN103984763A (zh) * | 2014-05-30 | 2014-08-13 | 厦门云朵网络科技有限公司 | 一种轨迹图显示设备、方法和监控终端 |
CN109325429A (zh) * | 2018-09-11 | 2019-02-12 | 深圳前海中电慧安科技有限公司 | 一种关联特征数据的方法、装置、存储介质及终端 |
CN110008298A (zh) * | 2019-03-28 | 2019-07-12 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
CN112654035A (zh) * | 2020-11-20 | 2021-04-13 | 深圳市先创数字技术有限公司 | 基于移动终端特征码的图码关联方法、系统及存储介质 |
CN113743772A (zh) * | 2021-09-01 | 2021-12-03 | 厦门精图信息技术有限公司 | 基于KingMap GIS的智慧城市管理方法、系统及设备 |
WO2023123893A1 (zh) * | 2021-12-27 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 对象轨迹相似度的获得方法、装置、电子设备及存储介质 |
CN114663960A (zh) * | 2022-04-12 | 2022-06-24 | 重庆紫光华山智安科技有限公司 | 人脸与imsi匹配方法、装置、电子设备和存储介质 |
CN115130768A (zh) * | 2022-07-05 | 2022-09-30 | 中国科学院计算技术研究所 | 移动目标长轨迹预测方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116758620A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113886181B (zh) | 应用于AIOps故障预警的动态阈值预测方法、设备及介质 | |
CA3167981C (en) | Offloading statistics collection | |
CN109388458A (zh) | 界面控件的管理方法、终端设备及计算机可读存储介质 | |
CN110647318A (zh) | 一种有状态应用的实例创建方法、装置、设备及介质 | |
CN113177088B (zh) | 一种材料辐照损伤多尺度模拟大数据管理系统 | |
CN116758620B (zh) | 一种轨迹关联数据基于网格的记录方法、装置、设备 | |
CN113808134B (zh) | 油罐布局信息生成方法、装置、电子设备、介质 | |
CN116723090A (zh) | 告警根因的定位方法、装置、电子设备及可读存储介质 | |
CN115544653A (zh) | 刚度仿真测试方法、装置、电子设备以及存储介质 | |
CN115563522A (zh) | 交通数据的聚类方法、装置、设备及介质 | |
CN115220131A (zh) | 气象数据质检方法及系统 | |
Belcastro et al. | Evaluation of large scale roi mining applications in edge computing environments | |
CN112734962B (zh) | 考勤信息生成方法、装置、计算机设备和可读存储介质 | |
CN112860811B (zh) | 数据血缘关系的确定方法、装置、电子设备和存储介质 | |
CN115100536A (zh) | 建筑物识别方法、装置、电子设备和计算机可读介质 | |
CN114756301A (zh) | 日志处理方法、装置和系统 | |
CN110321435B (zh) | 一种数据源划分方法、装置、设备和存储介质 | |
CN112667614A (zh) | 一种数据处理方法、装置及计算机设备 | |
CN113780239A (zh) | 虹膜识别方法、装置、电子设备和计算机可读介质 | |
CN112579402A (zh) | 一种应用系统故障定位的方法和装置 | |
CN112163127A (zh) | 关系图谱构建方法、装置、电子设备及存储介质 | |
CN112131248B (zh) | 一种数据分析方法、装置、设备及存储介质 | |
CN115588244B (zh) | 一种车联网大数据实时分析方法、装置、设备及介质 | |
CN115309923B (zh) | 一种空间目标的数据处理方法及装置 | |
CN115858325B (zh) | 一种项目日志的调整方法、装置、设备和存储介质 |
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 |