CN117454199A - 轨迹关联方法、系统、电子设备及可读存储介质 - Google Patents

轨迹关联方法、系统、电子设备及可读存储介质 Download PDF

Info

Publication number
CN117454199A
CN117454199A CN202311754974.4A CN202311754974A CN117454199A CN 117454199 A CN117454199 A CN 117454199A CN 202311754974 A CN202311754974 A CN 202311754974A CN 117454199 A CN117454199 A CN 117454199A
Authority
CN
China
Prior art keywords
track
wireless
visual
target
node
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
Application number
CN202311754974.4A
Other languages
English (en)
Inventor
刘敏
于晓菲
唐舟进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Digital City Research Center
Original Assignee
Beijing Digital City Research Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Digital City Research Center filed Critical Beijing Digital City Research Center
Priority to CN202311754974.4A priority Critical patent/CN117454199A/zh
Publication of CN117454199A publication Critical patent/CN117454199A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种轨迹关联方法、系统、电子设备及可读存储介质，涉及无线通信技术领域，接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据；根据视觉数据确定至少一条视觉轨迹以及视觉轨迹关联的行人服饰特征和行人动作特征，根据无线信号数据确定至少一条无线轨迹；计算每一视觉轨迹与每一无线轨迹之间的相似度；根据相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；将目标视觉轨迹和目标无线轨迹关联到同一个行人。将同一行人的无线轨迹和视觉轨迹关联一起，再将该行人的视觉轨迹关联的行人服饰特征和行人动作特征补充给该行人，从而增加在利用无线射频信号对行人进行被动感知时获取的信息维度。

Description

轨迹关联方法、系统、电子设备及可读存储介质
技术领域
本发明涉及无线通信技术领域，尤其涉及一种轨迹关联方法、系统、电子设备及可读存储介质。
背景技术
伴随着对于行人感知需求的日益增强，再加上无线设备的设置成本较低以及无线信号数据的覆盖范围也较为广泛，利用无线信号数据对行人的轨迹进行持续感知，成为一大趋势。
常见的无线信号数据通常包括无线保真（Wireless Fidelity，Wi-Fi）、射频识别（Radio Frequency Identification，RFID）、蓝牙、紫峰协议ZigBee以及广播电视信号等。而利用无线信号数据对行人的轨迹进行感知，通常只能获得行人的轨迹数据，对行人感知的信息维度十分有限。
因此，可见在利用无线射频信号对行人进行被动感知时，存在获取的信息维度较少的问题。
发明内容
本发明实施例提供一种轨迹关联方法、系统、电子设备及可读存储介质，以解决现有技术中利用无线射频信号对行人进行被动感知时，存在获取的信息维度较少的问题。具体技术方案如下：
在本发明实施例的第一方面，首先提供了一种轨迹关联方法，包括以下步骤：
接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；
根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹，其中，每一条所述视觉轨迹用于表示一个行人在第一区域内的行为轨迹，所述无线轨迹用于表示一个行人在第二区域内的行为轨迹；
计算每一视觉轨迹与每一无线轨迹之间的相似度；
根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；
将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。
在本发明实施例的第二方面，还提供了一种轨迹关联系统，多个摄像头获取第一区域的视觉数据，多个无线感知器获取第二区域的无线信号数据，所述第二区域包括所述第一区域，包括：
接收模块，用于接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；
第一确定模块，用于根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹，其中，每一条所述视觉轨迹用于表示一个行人在第一区域内的行为轨迹，所述无线轨迹用于表示一个行人在第二区域内的行为轨迹；
计算模块，用于计算每一视觉轨迹与每一无线轨迹之间的相似度；
第二确定模块，用于根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；
关联模块，用于将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。
在本发明实施例的第三方面，还提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
在本发明实施例的第四方面，还提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
在本发明实施例中，接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹；计算每一视觉轨迹与每一无线轨迹之间的相似度；根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。通过上述方式，可以将同一行人的无线轨迹和视觉轨迹关联一起，再将该行人的视觉轨迹关联的行人服饰特征和行人动作特征补充给该行人，从而增加在利用无线射频信号对行人进行被动感知时获取的信息维度。
附图说明
为了更清楚地说明本发明实施例的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的轨迹关联方法的流程图；
图2是本发明实施例提供的一种摄像头和无线感知器的布局示意图；
图3是本发明实施例提供的一种区域连通关系示意图；
图4是本发明实施例提供的一种轨迹匹配二分图；
图5是本发明实施例提供的一种轨迹关联系统的结构示意图；
图6是本发明实施例提供的电子设备的结构示意图。
具体实施方式
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。
本实施例提供的轨迹关联方法可以应用在轨迹关联系统，该轨迹关联系统用于将同一行人的无线轨迹和视觉轨迹关联到一起。
应理解，上述轨迹关联系统可以对多个行人的无线轨迹和视觉轨迹进行关联，这种情况下轨迹关联系统可以根据视觉数据确定出至少一条视觉轨迹以及根据所述无线信号数据确定至少一条无线轨迹。
其中，所述视觉轨迹的表达式可以为：Tc={(sc1，ec1，pc1)，...，(scj，ecj，pcj)，...，(scn，ecn，pcn)}，所述无线轨迹的表达式可以为：Tw={(sw1，ew1，pw1),...,(swi，ewi，pwi)，...，(swm，ewm，pwm)}；所述s为起始时刻，所述e为终止时刻，所述p为区域代号，所述c为视觉轨迹的代号，所述w为无线轨迹的代号；
需要说明的是，轨迹关联系统接收来自摄像头获取的第一区域的视觉数据可以是实时地接收，也可以是周期性地接收；轨迹关联系统接收来自无线感知器获取的第二区域的无线信号数据可以是实时地接收，也可以是周期性的接收。
具体而言，本发明实施例提供了一种轨迹关联方法。请参阅图1，图1为本发明实施例中轨迹关联方法的流程图。本实施例提供的轨迹关联方法包括：
步骤101、接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；
本步骤中，所述视觉数据可以是某一时段的视频，也可以是某一时段内的多个时刻对应的照片。所述无线信号数据可以是某一时段内的多个时刻接收的无线信号。
进一步地，所述视觉数据和所述无线信号数据可以是同一时段内分别由摄像头和无线感知器获取。
应理解，所述无线信号数据可以是无线局域网（Wireless Fidelity，WiFi）数据、射频识别（Radio Frequency Identification，RFID）数据、蓝牙数据、低能耗无线区域网技术ZigBee数据以及广播电视信号数据。
应理解，所述无线感知器可以是路由器、蓝牙接收器、天线以及射频接收器等。
如图2所示，图2为本发明实施例提供的一种摄像头和无线感知器的布局图。如图3所示，图3为本发明实施例提供的一种区域连通关系示意图；
参照图2和图3进行描述，图3中共有区域1、区域2、区域3、区域4、区域5、区域6、区域7和区域8；其中，区域1、区域2、区域3、区域6和区域8通过区域5连通，区域5和区域7通过区域4连通。
示例性地，所述第二区域包括上述区域1、区域2、区域3、区域4、区域5、区域6、区域7和区域8，所述第一区域包括上述区域4和区域5。
步骤102、根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹，其中，每一条所述视觉轨迹用于表示一个行人在第一区域内的行为轨迹，所述无线轨迹用于表示一个行人在第二区域内的行为轨迹；
如上所述，根据所述视觉数据确定至少一条视觉轨迹以及视觉轨迹关联的行人服饰特征和行人动作特征可以是通过视觉重识别技术来确定。根据所述无线信号数据确定至少一条无线轨迹可以是通过无线定位技术，也可以是利用所述无线信号数据中的信号强度，采用指纹定位算法或多边定位算法，得到所述无线轨迹。
步骤103、计算每一视觉轨迹与每一无线轨迹之间的相似度；
本步骤中，计算每一视觉轨迹与每一无线轨迹之间的相似度可以理解为拿出其中一个视觉轨迹去与每一无线轨迹遍历计算相似度，再然后拿出另一个视觉轨迹去与每一无线轨迹遍历计算相似度，直到所有的视觉轨迹都已拿完。
示例性地，共有5条视觉轨迹和5条无线轨迹，将5条视觉轨迹中的每一条视觉轨迹依次与5条无线轨迹中每一条无线轨迹依次进行相似度计算，得到25个相似度。
应理解，计算每一视觉轨迹与每一无线轨迹之间的相似度采用的方法可以是动态时间归整 (Dynamic Time Warping，DTW)算法或者其他轨迹相似度计算方法。
步骤104、根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；
应理解，一个行人的目标视觉轨迹与其对应的目标无线轨迹之间相似度要高于该行人的目标视觉轨迹与其对应的无线轨迹之间相似度。
步骤105、将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。
本步骤中，将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人，可以理解为所述目标视觉轨迹和所述目标无线轨迹分别是基于同一个行人的视觉数据得到的视觉轨迹，以及基于无线信号数据得到的无线轨迹。
在本发明实施例中，通过接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据；根据视觉数据确定至少一条视觉轨迹以及视觉轨迹关联的行人服饰特征和行人动作特征，并根据无线信号数据确定至少一条无线轨迹；计算每一视觉轨迹与每一无线轨迹之间的相似度；根据相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；将目标视觉轨迹和目标无线轨迹关联到同一个行人。可以将同一行人的无线轨迹和视觉轨迹关联一起，再将该行人的视觉轨迹关联的行人服饰特征和行人动作特征补充给该行人，从而增加在利用无线射频信号对行人进行被动感知时获取的信息维度。
可选地，在一些实施例中，所述视觉轨迹包括按时间序列排列的n个视觉轨迹节点，每一所述视觉轨迹节点包括视觉轨迹数据集合，所述无线轨迹包括按时间序列排列的m个无线轨迹节点，每一所述无线轨迹节点包括无线轨迹数据集合，所述视觉轨迹数据集合和所述无线轨迹数据集合均包括起始时刻、终止时刻和区域代号，m和n均为正整数，所述计算每一视觉轨迹与每一无线轨迹之间的相似度包括：
针对每一所述视觉轨迹与每一所述无线轨迹，确定满足预设条件的目标节点对的数量；
基于满足预设条件的目标节点的数量确定所述视觉轨迹和所述无线轨迹之间的相似度；
其中，所述满足预设条件的目标节点对包括：目标视觉轨迹节点和目标无线轨迹节点，所述目标视觉轨迹节点对应的区域代号和目标无线轨迹节点对应的区域代号相同；且满足以下任一项：
所述目标视觉轨迹节点对应的所述终止时刻位于所述目标无线轨迹节点对应的所述起始时刻和终止时刻之间，或者所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔小于或等于第一预设值；
所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔大于第一预设值且小于或等于第二预设值，所述目标视觉轨迹节点的下一个视觉轨迹节点对应的区域代号和目标无线轨迹节点的下一个无线轨迹节点对应的区域代号相同。
示例性地，在本发明实施例中，由于无线信号对位置的判断存在一定的时延，因此，在计算每一视觉轨迹与每一无线轨迹之间的相似度时，不仅考虑无线轨迹和视觉轨迹在时间维度上的匹配，即两条轨迹在同一位置出现的时间存在交集；同时也考虑位置变化的一致性。
所述无线轨迹的表达式为：
Tw={(sw1，ew1，pw1),...,(swi，ewi，pwi)，...，(swm，ewm，pwm)}，其中，无线轨迹中各个节点按时间顺序进行排列；
所述视觉轨迹的表达式为：
Tc={(sc1，ec1，pc1)，...，(scj，ecj，pcj)，...，(scn，ecn，pcn)}，视觉轨迹表达式中各个节点按时间顺序进行排列；
具体地，相似度match_score计算步骤如下：
a.按顺序交替遍历Tw和Tc，计算match_score，i，j初始均为0；
b.给定Tw上的一个节点(swi，ewi，pwi)和Tc上的一个节点(scj，ecj，pcj)，若[swi，ewi]和[scj，ecj]两个时间窗口有交集或者时间差在一定误差范围内（根据先验知识，无线定位结果通常存在一定的滞后）且pwi与pcj对应的区域代号相同，match_score加1，并跳转到d；否则跳转到c
c.若pwi与pcj 相同且pw（i+1）与pc(j+1)相同，可以将b中时间窗口误差阈值适当调大再进行一次判断，若在误差范围内，则match_score加1，并跳转到d
d.若ewi < ecj，i递加；否则j递加。直到i大于等于m或者j大于等于n。
在本发明实施例中，通过利用同一行人的无线轨迹和视觉轨迹的相似度明显高于不同行人的无线轨迹和视觉轨迹的相似度，从而找出同一行人的目标视觉轨迹和目标无线轨迹。
可选地，在一些实施例中，所述根据所述相似度，确定属于同一行人的目标视觉轨迹和目标无线轨迹，包括：
根据所述相似度，构建轨迹匹配二分图，所述轨迹匹配二分图的第一侧的顶点对应所述视觉轨迹，所述轨迹匹配二分图的第二侧的顶点对应所述无线轨迹，所述第一侧的任一顶点与所述第二侧的任一顶点之间的连线表示所述相似度；
根据所述轨迹匹配二分图，确定属于同一行人的目标视觉轨迹和目标无线轨迹。
一种具体的实施方式如下：
如图4所示，图4为一种轨迹匹配二分图，参照图4进行描述，图4中的上方对应所述第一侧，图4中的下方对应所述第二侧，图4中的每一个圆圈对应一个顶点，图4中上方的每一顶点分别表示一条无线轨迹，图4中下方的每一顶点分别表示一条视觉轨迹。图4中上方的任一顶点与图4中下方的任一顶点之间的连线具有权重值。例如，上方顶点的TW1 与下方顶点的TC1、TC2和TC4之间分别具有权重值4、2和9。
应理解，图4中部分上方顶点与下方顶点之间没有连线，视为该上方顶点对应的无线轨迹与该下方顶点对应的视觉轨迹之间的相似度小于预设相似度阈值。
需要进行说明的是，图4中的目标视觉轨迹和目标无线轨迹分别有：(Tw1，Tc4)，(Tw2，Tc1)，(Tw3，Tc3)，(Tw4，Tc5)。
在本实施例中，通过上述方式，可以更直观地确定同一行人的目标视觉轨迹和目标无线轨迹，可以提高确定属于同一行人的目标视觉轨迹和目标无线轨迹的效率。
可选地，在一些实施例中，根据所述相似度，构建轨迹匹配二分图；
根据所述相似度，确定至少两个第一相似度，所述第一相似度为大于预设相似度阈值的所述相似度；
根据所述至少两个第一相似度，构建所述轨迹匹配二分图。
示例性地，上方顶点的TW1 与下方顶点的TC1、TC2和TC4之间分别具有权重值4、2和9，权重值4、2和9可视为所述第一相似度。
在本实施例中，通过上述方式，可以简化轨迹匹配二分图的连接关系，从而简化计算过程，提高效率。
可选地，在一些实施例中，所述根据所述轨迹匹配二分图，确定属于同一行人的目标视觉轨迹和目标无线轨迹包括：
利用匈牙利算法计算所述轨迹匹配二分图的最大匹配；
根据所述最大匹配，确定属于同一行人的目标视觉轨迹和目标无线轨迹。
在本实施例中，所述最大匹配可以理解为：(Tw1，Tc4)，(Tw2，Tc1)，(Tw3，Tc3)，(Tw4，Tc5)。
在本实施例中，通过上述方式迅速确定同一行人的目标视觉轨迹和目标无线轨迹。
可选地，在一些实施例中，在所述计算每一条所述视觉轨迹和每一条无线轨迹的相似度之前，所述方法还包括：
获取无线感知器的分布位置；
根据所述无线感知器的分布位置，确定所述无线感知器对应的区域之间的连通关系；
在所述无线轨迹中的相邻两个轨迹节点对应的区域不存在连通关系的情况下，基于所述连通关系在所述相邻两个轨迹节点增加轨迹节点，得到所述无线轨迹。
在本申请实施例中，参照图3进行描述，根据完整的无线定位数据可知，该测试人员先后经过了以下区域：
区域4 --> 区域1 --> 区域7 --> 区域5 --> 区域6 --> 区域2 --> 区域3 -->区域8；
根据连通关系，将上述路径补全后的结果如下：
区域4 --> 区域5 --> 区域1 --> 区域5 --> 区域4 --> 区域7 --> 区域4 -->区域5 --> 区域6 --> 区域5 --> 区域2 --> 区域5 --> 区域3 --> 区域5 --> 区域8。
根据补全后的路径才能提取所述无线轨迹，否则只能提取出所述无线轨迹中的部分节点。
在本发明实施例中，通过上述方式，降低了实验过程中对于感知数据完整性的要求，从而提高了本发明在获取无线轨迹时对于无线信号数据的普适性。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
如图5所示，图5是本发明实施例提供的一种轨迹关联系统500的结构示意图，本发明实施例提供一种轨迹关联系统500，多个摄像头获取第一区域的视觉数据，多个无线感知器获取第二区域的无线信号数据，所述第二区域包括所述第一区域，所述轨迹关联系统500包括：
接收模块501，用于接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；
第一确定模块502，用于根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹，其中，每一条所述视觉轨迹用于表示一个行人在第一区域内的行为轨迹，所述无线轨迹用于表示一个行人在第二区域内的行为轨迹；
计算模块503，用于计算每一视觉轨迹与每一无线轨迹之间的相似度；
第二确定模块504，用于根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；
关联模块505，用于将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。
可选地，所述视觉轨迹包括按时间序列排列的n个视觉轨迹节点，每一所述视觉轨迹节点包括视觉轨迹数据集合，所述无线轨迹包括按时间序列排列的m个无线轨迹节点，每一所述无线轨迹节点包括无线轨迹数据集合，所述视觉轨迹数据集合和所述无线轨迹数据集合均包括起始时刻、终止时刻和区域代号，所述计算模块503包括：
第一确定子模块，用于针对每一所述视觉轨迹与每一所述无线轨迹，确定满足预设条件的目标节点对的数量；
第二确定子模块，用于基于满足预设条件的目标节点的数量确定所述视觉轨迹和所述无线轨迹之间的相似度；
其中，所述满足预设条件的目标节点对包括：目标视觉轨迹节点和目标无线轨迹节点，所述目标视觉轨迹节点对应的区域代号和目标无线轨迹节点对应的区域代号相同；且满足以下任一项：
所述目标视觉轨迹节点对应的所述终止时刻位于所述目标无线轨迹节点对应的所述起始时刻和终止时刻之间，或者所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔小于或等于第一预设值；
所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔大于第一预设值且小于或等于第二预设值，所述目标视觉轨迹节点的下一个视觉轨迹节点对应的区域代号和目标无线轨迹节点的下一个无线轨迹节点对应的区域代号相同。
可选地，所述第二确定模块504，包括：
构建单元，用于根据所述相似度，构建轨迹匹配二分图，所述轨迹匹配二分图的第一侧的顶点对应所述视觉轨迹，所述轨迹匹配二分图的第二侧的顶点对应所述无线轨迹，所述第一侧的任一顶点与所述第二侧的任一顶点之间的连线表示所述相似度；
确定单元，用于根据所述轨迹匹配二分图，确定属于同一行人的目标视觉轨迹和目标无线轨迹。
可选地，所述构建单元，还用于：
根据所述相似度，确定至少两个第一相似度，所述第一相似度为大于预设相似度阈值的所述相似度；
根据所述至少两个第一相似度，构建所述轨迹匹配二分图。
可选地，所述确定单元，还用于：
利用匈牙利算法计算所述轨迹匹配二分图的最大匹配；
根据所述最大匹配，确定属于同一行人的目标视觉轨迹和目标无线轨迹。
可选地，所述轨迹关联系统500，还包括：
获取模块，用于获取无线感知器的分布位置；
确定模块，用于根据所述无线感知器的分布位置，确定所述无线感知器对应的区域之间的连通关系；
增加模块，用于在所述无线轨迹中的相邻两个轨迹节点对应的区域不存在连通关系的情况下，基于所述连通关系在所述相邻两个轨迹节点增加轨迹节点，得到所述无线轨迹。
所述轨迹关联系统500能够实现本发明实施例中图1方法实施例的各个过程，以及达到相同的有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种电子设备。请参见图6，电子设备可以包括处理器601、存储器602及存储在存储器602上并可在处理器601上运行的程序6021。
程序6021被处理器601执行时可实现图1对应的方法实施例中的任意步骤及达到相同的有益效果，此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成，所述的程序可以存储于一可读取介质中。
本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，在本文中，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过程、方法、物品或者装置不仅包括那些要素，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过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本发明实施方式中的方法和装置的范围不限于按所讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (10)

1.一种轨迹关联方法，其特征在于，所述方法包括：
接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；
根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹，其中，每一条所述视觉轨迹用于表示一个行人在第一区域内的行为轨迹，所述无线轨迹用于表示一个行人在第二区域内的行为轨迹；
计算每一视觉轨迹与每一无线轨迹之间的相似度；
根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；
将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。
2.根据权利要求1所述的轨迹关联方法，其特征在于，所述视觉轨迹包括按时间序列排列的n个视觉轨迹节点，每一所述视觉轨迹节点包括视觉轨迹数据集合，所述无线轨迹包括按时间序列排列的m个无线轨迹节点，每一所述无线轨迹节点包括无线轨迹数据集合，所述视觉轨迹数据集合和所述无线轨迹数据集合均包括起始时刻、终止时刻和区域代号，m和n均为正整数，所述计算每一视觉轨迹与每一无线轨迹之间的相似度包括：
针对每一所述视觉轨迹与每一所述无线轨迹，确定满足预设条件的目标节点对的数量；
基于满足预设条件的目标节点的数量确定所述视觉轨迹和所述无线轨迹之间的相似度；
其中，所述满足预设条件的目标节点对包括：目标视觉轨迹节点和目标无线轨迹节点，所述目标视觉轨迹节点对应的区域代号和目标无线轨迹节点对应的区域代号相同；且满足以下任一项：
所述目标视觉轨迹节点对应的所述终止时刻位于所述目标无线轨迹节点对应的所述起始时刻和终止时刻之间，或者所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔小于或等于第一预设值；
所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔大于第一预设值且小于或等于第二预设值，所述目标视觉轨迹节点的下一个视觉轨迹节点对应的区域代号和目标无线轨迹节点的下一个无线轨迹节点对应的区域代号相同。
3.根据权利要求1所述的轨迹关联方法，其特征在于，所述根据所述相似度，确定属于同一行人的目标视觉轨迹和目标无线轨迹，包括：
根据所述相似度，构建轨迹匹配二分图，所述轨迹匹配二分图的第一侧的顶点对应所述视觉轨迹，所述轨迹匹配二分图的第二侧的顶点对应所述无线轨迹，所述第一侧的任一顶点与所述第二侧的任一顶点之间的连线表示所述相似度；
根据所述轨迹匹配二分图，确定属于同一行人的目标视觉轨迹和目标无线轨迹。
4.根据权利要求3所述的轨迹关联方法，其特征在于，所述根据所述相似度，构建轨迹匹配二分图，包括：
根据所述相似度，确定至少两个第一相似度，所述第一相似度为大于预设相似度阈值的所述相似度；
根据所述至少两个第一相似度，构建所述轨迹匹配二分图。
5.根据权利要求3所述的轨迹关联方法，其特征在于，所述根据所述轨迹匹配二分图，确定属于同一行人的目标视觉轨迹和目标无线轨迹包括：
利用匈牙利算法计算所述轨迹匹配二分图的最大匹配；
根据所述最大匹配，确定属于同一行人的目标视觉轨迹和目标无线轨迹。
6.根据权利要求1所述的轨迹关联方法，其特征在于，在所述计算每一条所述视觉轨迹和每一条无线轨迹的相似度之前，所述方法还包括：
获取无线感知器的分布位置；
根据所述无线感知器的分布位置，确定所述无线感知器对应的区域之间的连通关系；
在所述无线轨迹中的相邻两个轨迹节点对应的区域不存在连通关系的情况下，基于所述连通关系在所述相邻两个轨迹节点增加轨迹节点，得到所述无线轨迹。
7.一种轨迹关联系统，其特征在于，多个摄像头获取第一区域的视觉数据，多个无线感知器获取第二区域的无线信号数据，所述第二区域包括所述第一区域，所述轨迹关联系统包括：
接收模块，用于接收来自摄像头获取的第一区域的视觉数据和无线感知器获取的第二区域的无线信号数据，所述第二区域包括所述第一区域；
第一确定模块，用于根据所述视觉数据确定至少一条视觉轨迹以及所述视觉轨迹关联的行人服饰特征和行人动作特征，并根据所述无线信号数据确定至少一条无线轨迹，其中，每一条所述视觉轨迹用于表示一个行人在第一区域内的行为轨迹，所述无线轨迹用于表示一个行人在第二区域内的行为轨迹；
计算模块，用于计算每一视觉轨迹与每一无线轨迹之间的相似度；
第二确定模块，用于根据所述相似度，确定属于同一个行人的目标视觉轨迹和目标无线轨迹；
关联模块，用于将所述目标视觉轨迹和所述目标无线轨迹关联到同一个行人。
8.根据权利要求7所述的轨迹关联系统，其特征在于，所述视觉轨迹包括按时间序列排列的n个视觉轨迹节点，每一所述视觉轨迹节点包括视觉轨迹数据集合，所述无线轨迹包括按时间序列排列的m个无线轨迹节点，每一所述无线轨迹节点包括无线轨迹数据集合，所述视觉轨迹数据集合和所述无线轨迹数据集合均包括起始时刻、终止时刻和区域代号，所述计算模块包括：
第一确定子模块，用于针对每一所述视觉轨迹与每一所述无线轨迹，确定满足预设条件的目标节点对的数量；
第二确定子模块，用于基于满足预设条件的目标节点的数量确定所述视觉轨迹和所述无线轨迹之间的相似度；
其中，所述满足预设条件的目标节点对包括：目标视觉轨迹节点和目标无线轨迹节点，所述目标视觉轨迹节点对应的区域代号和目标无线轨迹节点对应的区域代号相同；且满足以下任一项：
所述目标视觉轨迹节点对应的所述终止时刻位于所述目标无线轨迹节点对应的所述起始时刻和终止时刻之间，或者所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔小于或等于第一预设值；
所述目标视觉轨迹节点对应的所述终止时刻与所述目标无线轨迹节点对应的所述起始时刻之间的时间间隔大于第一预设值且小于或等于第二预设值，所述目标视觉轨迹节点的下一个视觉轨迹节点对应的区域代号和目标无线轨迹节点的下一个无线轨迹节点对应的区域代号相同。
9.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至6中任一项所述的轨迹关联方法的步骤。
10.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的轨迹关联方法的步骤。
CN202311754974.4A 2023-12-20 2023-12-20 轨迹关联方法、系统、电子设备及可读存储介质 Pending CN117454199A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311754974.4A CN117454199A (zh) 2023-12-20 2023-12-20 轨迹关联方法、系统、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311754974.4A CN117454199A (zh) 2023-12-20 2023-12-20 轨迹关联方法、系统、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN117454199A true CN117454199A (zh) 2024-01-26

Family

ID=89591202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311754974.4A Pending CN117454199A (zh) 2023-12-20 2023-12-20 轨迹关联方法、系统、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN117454199A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200488A (zh) * 2014-08-04 2014-12-10 合肥工业大学 一种基于图表示和匹配的多目标跟踪方法
JP2016042306A (ja) * 2014-08-18 2016-03-31 株式会社リコー 軌跡描画装置、軌跡描画方法、軌跡描画システム、及びプログラム
CN107436427A (zh) * 2017-01-12 2017-12-05 西南电子技术研究所（中国电子科技集团公司第十研究所） 空间目标运动轨迹与辐射信号关联方法
CN109714710A (zh) * 2019-03-06 2019-05-03 中国人民解放军陆军工程大学 一种非主动配合人员大范围轨迹采集方法
CN110874362A (zh) * 2019-10-29 2020-03-10 青岛海信网络科技股份有限公司 一种数据关联分析方法及装置
CN112990154A (zh) * 2021-05-11 2021-06-18 腾讯科技（深圳）有限公司 一种数据处理方法、计算机设备以及可读存储介质
CN114705178A (zh) * 2021-06-24 2022-07-05 武汉众智数字技术有限公司 一种基于视频轨迹与mac数据的目标分析方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200488A (zh) * 2014-08-04 2014-12-10 合肥工业大学 一种基于图表示和匹配的多目标跟踪方法
JP2016042306A (ja) * 2014-08-18 2016-03-31 株式会社リコー 軌跡描画装置、軌跡描画方法、軌跡描画システム、及びプログラム
CN107436427A (zh) * 2017-01-12 2017-12-05 西南电子技术研究所（中国电子科技集团公司第十研究所） 空间目标运动轨迹与辐射信号关联方法
CN109714710A (zh) * 2019-03-06 2019-05-03 中国人民解放军陆军工程大学 一种非主动配合人员大范围轨迹采集方法
CN110874362A (zh) * 2019-10-29 2020-03-10 青岛海信网络科技股份有限公司 一种数据关联分析方法及装置
CN112990154A (zh) * 2021-05-11 2021-06-18 腾讯科技（深圳）有限公司 一种数据处理方法、计算机设备以及可读存储介质
CN114705178A (zh) * 2021-06-24 2022-07-05 武汉众智数字技术有限公司 一种基于视频轨迹与mac数据的目标分析方法

Similar Documents

Publication Publication Date Title
TWI770544B (zh) 視訊與無線電熔合為主的準確室內定位的設備及其儲存媒體
CN107016877A (zh) 用于在停车场内进行车辆定位的方法及装置
CN109901156A (zh) 一种车辆毫米波雷达和摄像头的目标融合方法和装置
CN108833049B (zh) 一种无人机网络中基于认知的欺骗式抗干扰方法及装置
US8650223B2 (en) Mobile recommendation systems and methods
JP5807635B2 (ja) 動線検出システム、動線検出方法および動線検出プログラム
CN112037927A (zh) 与被追踪人关联的同行人确定方法、装置及电子设备
Nguyen et al. Low speed vehicle localization using wifi fingerprinting
Fetzer et al. On Monte Carlo smoothing in multi sensor indoor localisation
CN111148030A (zh) 指纹数据库的更新方法、装置、服务器及存储介质
CN110730473A (zh) 面向WiFi活动识别的信号特征提取方法
Nguyen et al. Improving poor GPS area localization for intelligent vehicles
CN102474892B (zh) 用于连接到外部设备的方法和装置
Béjar et al. Distributed Gauss-Newton method for localization in Ad-Hoc networks
JP6890394B2 (ja) 中継装置、位置検知システム及び中継方法
CN117295158B (zh) 基于指纹匹配的WiFi定位方法、装置、设备和介质
CN117454199A (zh) 轨迹关联方法、系统、电子设备及可读存储介质
CN109996171A (zh) 用于无线传感网络的遗传-禁忌搜索优化的Amorphous定位方法
Labinghisa et al. Improved indoor localization system based on virtual access points in a Wi-Fi environment by filtering schemes
CN112016836B (zh) 一种对象间相似性的确定方法及装置
CN115243306A (zh) 信号测量方法、装置、sme、mlme及终端
CN107246877A (zh) 一种路线规划方法和装置
CN111324686A (zh) 目标测量轨迹的获取方法及装置、存储介质、电子装置
Sonny et al. Fingerprint Image-Based Multi-Building 3D Indoor Wi-Fi Localization Using Convolutional Neural Networks
CN109409623B (zh) 智慧景区游客分流管理系统及其控制方法

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