CN118049996A - 路线偏离判断方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请提供一种路线偏离判断方法、装置、电子设备和存储介质，所述方法包括：确定跑道上设置的里程碑；获取运动员的当前定位点；在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；基于所述相邻距离，确定所述运动员是否发生路线偏离。本申请能够减少路线偏离判断过程中的计算量，且路线偏离判断准确性高。

Description

路线偏离判断方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种路线偏离判断方法、装置、电子设备和计算机可读存储介质。

背景技术

运动员在跑道上进行跑、走或骑行等过程中，可能会偏离规定的跑道。目前可通过运动员的行进方向、速度进行加和，并结合跑道的方向判断用户是否偏离跑道。

而上述方法需要进行对运动员的大量定位数据进行累加计算，计算量较大。

发明内容

鉴于上述，本申请提供一种路线偏离判断方法、装置、电子设备和计算机可读存储介质，其可减少路线偏离判断过程中的计算量。

本申请一实施方式提供一种路线偏离判断方法，包括：

确定跑道上设置的里程碑；获取运动员的当前定位点；在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；基于所述相邻距离，确定所述运动员是否发生路线偏离。

采用该技术方案，基于里程碑判断运动员是否发生路线偏离，无需进行大量的累加计算，能够减少路线偏离判断过程中的计算量。

在一些实施例中，相邻的里程碑包括：相邻的前里程碑和后里程碑，所述相邻距离包括：所述前里程碑和所述当前定位点之间的第一距离，以及所述后里程碑和所述当前定位点之间的第二距离；

所述基于所述相邻距离，确定所述运动员是否发生路线偏离，包括：

将所述第一距离和所述第二距离相加，得到距离相加值；基于所述距离相加值，确定所述运动员是否发生路线偏离。

采用该技术方案，通过相邻的前后两个里程碑确定是否发生路线偏离，两个里程碑更能反映跑道范围，因此，路线偏离的判断结果更加准确。

在一些实施例中，基于所述距离相加值，确定所述运动员是否发生路线偏离，包括：

确定所述前里程碑和后里程碑之间的里程碑距离；若所述距离相加值与所述里程碑距离的差值超过预设的路线偏离阈值，确定所述运动员发生路线偏离。

在一些实施例中，获取运动员的当前定位点之后，所述路线偏离判断方法还包括：

根据所述当前定位点确定所述运动员所在的当前里程碑；根据所述当前里程碑与所述设置的里程碑确定所述运动员在所述跑道上的运动进度。

相较于基于运动员的运动总路程确定运动进度，采用该技术方案，基于运动员当前所在里程碑和跑道上的里程碑确定运动员的运动进度，能够尽量减少运动员偏离赛道所导致的运动进度计算误差，提高运动员运动进度确定的准确性。

在一些实施例中，根据所述当前定位点确定所述运动员所在的当前里程碑，包括：

获取所述运动员的初始里程碑，所述初始里程碑根据所述运动员当前定位点的上一次定位点确定；确定所述跑道中所述初始里程碑后的连续N个预期里程碑，所述N为正整数；计算所述各预期里程碑与所述当前定位点的距离；在所述各预期里程碑与所述当前定位点的距离中，筛选出最小距离；根据所述最小距离对应的里程碑，确定所述运动员所在的当前里程碑。

采用该技术方案，在初始里程碑的后续里程碑中，根据距离运动员当前定位点最小的里程碑确定运动员的当前里程碑，能够提高运动员当前里程碑的确定的准确性，从而提高运动员当前里程碑确定的准确性。

在一些实施例中，相邻距离为球面距离，所述当前定位点包括：运动员经度lon_ath和运动员纬度lat_ath，所述相邻的里程碑包括：相邻的里程碑经度lon_mil和相邻的里程碑纬度lat_mil；

所述通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离，包括：

计算所述运动员经度和所述里程碑经度的经度差值d_lon；

计算所述运动员纬度和所述里程碑纬度的纬度差值d_lat；

将所述d_lon、所述d_lat、所述lat_ath和所述lat_mil输入所述距离计算模型，得到相邻距离，其中，所述距离计算模型包括：

Distance为所述相邻距离，R为地球半径，

y为x为/>

采用该技术方案，无需考虑南北半球对求球面距离的差异，简化球面距离的计算过程，从而减少电子设备的处理负担。

在一些实施例中，确定跑道上设置的里程碑，包括：在所述跑道的转弯点设置所述里程碑；计算所述跑道中相邻转弯点之间的直线路径距离；根据所述直线路径距离在所述跑道的直线路径上设置所述里程碑。

采用该技术方案，在直线路径上设置里程碑，提高里程碑的设置密度，从而能够在基于里程碑确定运动进度时，提高运动进度确定的精度。

本申请一实施方式提供一种路线偏离判断装置，包括：

获取模块，用于确定跑道上设置的里程碑，以及获取运动员的当前定位点；

筛选模块，用于在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；

计算模块，用于通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；

判断模块，用于基于所述相邻距离，确定所述运动员是否发生路线偏离。

本申请一实施方式提供一种电子设备，电子设备包括处理器及存储器，存储器用于存储指令，处理器用于调用存储器中的指令，使得电子设备执行上述的路线偏离判断方法。

本申请一实施方式提供一种计算机可读存储介质，其上存储有计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述的路线偏离判断方法。

上述装置、电子设备及计算机可读存储介质均与上述路线偏离判断方法对应，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。

附图说明

图1是本申请一实施例提供的路线偏离判断方法的步骤流程图。

图2是本申请一实施例提供的检测异常定位点的步骤流程图。

图3是本申请一实施例提供的训练定位点预测模型的步骤流程图。

图4是本申请一实施例提供的定位点预测模型进行定位点预测的示意图。

图5是本申请一实施例提供的正常运动范围的示意图。

图6是本申请一实施例提供的通过窗口处理定位点的示意图。

图7是本申请一实施例提供的运动进度确定方法的步骤流程图。

图8是本申请一实施例提供的根据当前定位点确定运动员所在的当前里程碑的步骤流程图。

图9是本申请一实施例提供的当前定位点未偏离跑道的示意图。

图10是本申请一实施例提供的当前定位点偏离跑道的示意图。

图11是本申请一实施例提供的路线偏离判断装置的结构示意图。

图12为本申请一实施例中的电子设备示意图。

具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施方式对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本申请。

进一步需要说明的是，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。

本申请中“至少一个”是指一个或者多个，“多个”是指两个或多于两个。“和/或”，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的情况，其中A，B可以是单数或者复数。本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不是用于描述特定的顺序或先后次序。

在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

本申请提供一种路线偏离判断方法，包括：

确定跑道上设置的里程碑；获取运动员的当前定位点；在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；基于所述相邻距离，确定所述运动员是否发生路线偏离。

上述路线偏离判断方法，通过在跑道上设置有里程碑，基于相邻的里程碑与用户位置，确定路线是否发生偏离，无需基于运动员速度以及方向进行大量累加计算，进而减少路线偏离判断过程中的计算量，减轻电子设备的计算负担，且路线偏离判断准确性高。

本申请的路线偏离判断方法可以应用在电子设备中。电子设备可以是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。电子设备可以是桌上型计算机、笔记本电脑、服务器、工业电脑等计算设备。电子设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

图1是本申请实施例路线偏离判断方法一实施例的步骤流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。

参阅图1所示，路线偏离判断方法可以具体包括以下步骤。

步骤101，确定跑道上设置的里程碑。

跑道为规划的运动路线，可指赛跑、竞走、骑行、赛车等比赛用路。里程碑为电子设备在跑道上设置的虚拟节点。例如，跑道可以是专用比赛场地内的赛道、城市/乡间道路…等。

可以理解的是，本申请实施例方法由于是在电子设备中执行，电子设备的处理对象均是以数据或信息的形式存在，例如，此处的跑道为跑道数据，跑道数据可以包括跑道的位置等，里程碑为里程碑数据，里程碑数据可以包括里程碑的位置等，且本申请实施例中提及位置、定位点等，均为对应的数据存在，如位置数据，定位数据等。

在一些实施例中，在跑道上设置里程碑的步骤可以包括：在跑道的转弯点设置里程碑。

然而，若只在转弯点处设置里程碑，里程碑不够密集，因此，在另一些实施例中，电子设备可以在转弯点设置里程碑后，计算跑道中相邻转弯点之间的直线路径距离；根据直线路径距离在跑道的直线路径上设置里程碑。

直线路径距离即为相邻转弯点之间的直线路径的长度，在转弯点上插入里程碑后，直线路径距离也可为相邻转弯点上的两里程碑的间距。

本实施例不仅在转弯点上设置里程碑，还基于直线路径距离在跑道上的直线部分上设置里程碑，能够提高里程碑在跑道上的密度，便于在基于里程碑确定运动进度时，提高运动进度确定的精度。

进一步地，根据直线路径距离在跑道的直线路径上设置里程碑，可以包括：每隔预设间距，在直线路径距离上设置里程碑。例如，预设间距为25米，每隔25米在直线距离上设置一个里程碑，若直线路径距离为50米，则在直线路径的中点设置一个里程碑。

又例如，根据直线路径距离在跑道的直线路径上设置里程碑，可以包括：若相邻两个里程碑的距离不小于预设里程碑间距，则在相邻里程碑中间插入一个里程碑。

上述相邻转弯点之间的直线路径距离可为球面距离，即可以将相邻的两个转弯点的经纬度坐标输入球面距离计算模型，得到相邻转弯点的球面距离。

球面距离计算模型可记作Distance((lon₁，lat₁)，(lon₂，lat₂))，球面距离计算模型包括：

d_lon＝lon₂-lon₁；(1)

d_lat＝lat₂-lat₁；(2)

其中，(lon₁，lat₁)为输入球面距离计算模型的经纬度坐标1，(lon₂，lat₂)为输入球面距离计算模型的经纬度坐标2，球面距离计算模型可以计算出经纬度坐标1和经纬度坐标2之间的球面距离，lon₁为经纬度坐标1中的经度，lat₁为经纬度坐标1中的纬度，lon₂为经纬度坐标2中的经度，lat₂为经纬度坐标2中的纬度，R为地球半径，y为x为/>

例如，计算相邻转弯点的直线路径距离时，经纬度坐标1和经纬度坐标2为相邻的两转弯点的经纬度坐标。

可以理解的是，除了上述转弯点之间的距离之外，本申请的实施例中所涉及到的两个位置之间的距离，如两个里程碑之间的距离、里程碑与定位点之间的距离等，均可以通过上述的球面距离计算模型计算。

相较于经纬度坐标需要携带南北半球的信息，针对南北半球进行不同的处理，以计算球面距离，本申请实施例通过上述输入球面距离计算模型以计算球面距离，可以在经纬度坐标不携带南北半球信息的情况，准确计算出球面距离。即，上述球面距离计算模型无需考虑南北半球对求球面距离的差异，简化球面距离的计算过程，从而减少电子设备的处理负担。

步骤102，获取运动员的当前定位点。

定位点可以包括：运动员的经纬度坐标。电子设备可从跑道上的运动员携带的定位设备获取运动员的定位点。

定位设备可包括：运动手环、运动指环、或手表等具有定位功能的穿戴式设备，但不限于此。定位设备可实时或者每隔预设时间段采集运动员的定位点，并将定位点上传至本申请实施例的电子设备，电子设备可接收各运动员的各定位点。

每个定位点均有其对应的定位采集时间。当前定位点根据最新定位采集时间采集的实际最新定位点确定。最新定位采集时间为与当前时间最接近的定位采集时间。

在一些实施例中，电子设备将实际最新定位点作为该运动员的当前定位点。

然而，在实际跑道中，可能会存在跑道环境较为复杂的情况，例如，在马拉松、山地赛等复杂环境下，可能会出现卫星信号缺失、服务器断连、电磁干扰等情况，从而导致实际采集到的实际定位点不准确，即定位异常，例如产生定位漂移。

因此，电子设备可检测实际最新定位点是否存在异常，若判定实际最新定位点未存在异常，将实际最新定位点作为当前定位点；若判定实际最新定位点存在异常，当前可不进行路线偏离的判断。

而若多次接收的定位点均异常，导致电子设备长时间无法确定运动员是否发生路线偏离，进而导致运动员无法及时得知是否产生路线偏离。

因此，可基于运动员的运动轨迹对运动员的最新定位点进行预测，得到运动员预估最新定位点，若判定实际最新定位点存在异常，将预估最新定位点作为当前定位点。

在一些实施例中，检测实际最新定位点是否存在异常的步骤可以包括：获取运动员当前的运动轨迹；基于所述运动轨迹，对所述运动员的最新定位点进行预测，得到预估最新定位点；基于所述预估最新定位点，确定所述运动员的正常运动范围；若所述实际最新定位点超过所述正常运动范围，判定所述实际最新定位点为异常定位点。

具体地，可参照图2所示，图2为检测异常定位点的步骤流程图，该步骤包括：

步骤201，获取运动员当前的运动轨迹。

在一些实施例中，运动轨迹可包括：历史获取的实际定位点。实际定位点为定位设备实际采集到的定位点。历史获取的实际定位点为在最新定位采集时间之前实际采集到的定位点。

然而，历史获取的实际定位点中可能存在异常定位点，因此，通过历史获取的实际定位点进行后续的轨迹点预测，可能会导致预测的轨迹点不准确。

因此，在一些实施例中，运动轨迹包括历史获取的正常定位点，步骤201进一步可包括：确定运动员的正常定位点集合；从所述正常定位点集合中，确定新存入正常定位点集合中的多个正常定位点。

其中，正常定位点集合可以包括：在历史获取的实际定位点中，被判定为正常定位点的实际定位点。

上述多个正常定位点的个数，可根据实际预测需求确定，个数越多，后续所预测出的定位点越准确，个数越少，后续预测出定位点的计算量越小。

例如，上述多个正常定位点的个数为三个，实际最新定位点为第i+1个定位点，历史获取的第i个定位点、第i-1个定位点和第i-2个定位点均被判定为正常定位点，则第i个定位点，第i-1个定位点和第i-2个定位点均为正常定位点集合的元素，电子设备可将i个定位点，第i-1个定位点和第i-2个定位点作为新存入正常定位点集合中的多个正常定位点。

上述正常点定位集合中的各元素存储的数据结果可以为队列，也可以为其他，本实施例不对此进行限定。

相较于运动轨迹点中包括历史获取的实际定位点，本实施例中运动轨迹包括历史获取的正常定位点，避免通过不准确的定位数据进行预估，进而提高后续轨迹点预测的准确性，此外，本实施例通过最新加入正常定位点集合的正常定位点进行预测，最新加入的正常定位点的采集时间与实际最新定位采集时间最接近，因此，预测结果也更加准确。

但是，上述实施例若不考虑实际定位点中的异常定位点，会导致运动轨迹中的定位点不连续，不便通过连续的定位点进行后续的预测。

鉴于此，在一些实施例中，正常定位点集合还可以包括：预估定位点。该预估定位点对应的实际定位点被判定为异常定位点。

本实施例中，在接收的实际定位点被判定为异常，会将其对应的预估定位点作为正常定位点，以进行后续的运算，提高运动路径上的定位点的连续性，从而便于后续进行定位点的预测，提高后续进行定位点预测的准确性。

步骤202，基于运动轨迹，对运动员的最新定位点进行预测，得到预估最新定位点。

在一些实施例中，将运动轨迹输入预先训练好的定位点预测模型，得到预估最新定位点。

具体地，可将新存入正常定位点集合中的多个正常定位点输入预先训练好的定位点预测模型。例如，将第i个定位点，第i-1个定位点和第i-2个正常定位点输入预先训练好的定位点预测模型，得到第i+1个预估最新定位点。

其中，可参照图3所示，图3为定位点预测模型的训练的步骤流程图。定位点预测模型的训练步骤可以包括：

步骤2021，在各运动员的样本定位数据中，确定当前待输入定位点预测模型的样本定位数据。

一轮训练中所用到的样本定位数据，即为当前待输入定位点预测模型的样本定位数据，一轮训练中所用到的样本定位数据可根据需求选取，如设置为随机选取。一轮训练中样本定位数据的组数也可根据实际应用时的需求设置，本申请实施例不对此进行限定。

每组样本定位数据中包括：样本特征和样本标签，样本特征包括按照定位采集时间依次采集的多个样本定位点。

样本标签包括在上述多个样本定位点的定位采集时间之后采集的样本定位点。即，样本标签包括的样本定位点的定位采集时间晚于样本特征中的各样本定位点的定位采集时间。

例如，样本特征中的多个样本定位点为三个样本定位点，三个样本定位点的采集时间分别为：第1秒、第4秒、第7秒，则样本标签的样本定位点的采集时间为第10秒。

样本定位数据中的每个样本定位点可以包括：纬度、经度、样本定位采集时间。

定位设备，如可穿戴设备，对样本定位点进行采集，并发送到电子设备，如服务器，服务器对样本定位点进行日志持久化存储，以保证采集的样本定位点不丢失。

样本定位点还可以包括：服务器接收时间，以便于服务器对样本定位点的管理。

样本定位点的数据格式可如下所示：

[纬度,精度,定位采集时间,服务器接收时间]。

示例性的，样本定位点可如下：

样本定位点A：[30.521461,104.11336,"2022-01-18 17:27:47","2022-01-1817:27:48"]；

样本定位点B：[30.521461,104.11337,"2022-01-18 17:27:50","2022-01-1817:27:51"]；

样本定位点C：[30.521461,104.11338,"2022-01-18 17:27:53","2022-01-1817:27:54"]；

样本定位点D：[30.521461,104.11339,"2022-01-18 17:27:56","2022-01-1817:27:57"]；

样本定位点E：[30.521461,104.11340,"2022-01-18 17:27:59","2022-01-1817:28:00"]；

样本定位点F：[30.521461,104.11341,"2022-01-18 17:28:02","2022-01-1817:28:03"]。

服务器可将接收的数据转化为时间戳的形式，方便后续模型训练过程中神经网络的计算。

可参照下表所示，以样本特征包括三个样本定位点为例，阐述各组样本定位数据的确定过程，表1为样本定位点A至样本定位点H按照采集时间的时序进行排列的对照表，表2中为每一行代表一组样本定位数据。

表1

表2

步骤2022，将待输入定位点预测模型的样本定位数据输入当前的定位点预测模型，得到预测的样本定位点。

定位点预测模型可包括：线性层(Linear)、修正线性单元(Rectified LinearActivation Function，ReLU)和线性层(Linear)这三层。

定位点预测模型可采用固定长度的自回归模型，循环神经网络(RecurrentNeural Networks,RNN)，例如，长短期记忆(Long short-term memory,LSTM)等神经网络。

可参考图4所示，图4将样本定位点A、样本定位点B和样本定位点C输入定位点预测模型，得到预测的样本定位点D’。

样本特征可以3*4矩阵的形式输入定位点预测模型，具体可参照下表3所示，表3的四列数据分别表征[纬度,经度,采集时间戳,服务器接收时间戳]。

表3

30.521461	104.11336	2022-01-18 17:27:47	2022-01-18 17:27:48
				30.521461	104.11337	2022-01-18 17:27:50	2022-01-18 17:27:51
30.521461	104.11338	2022-01-18 17:27:53	2022-01-18 17:27:54

样本标签包括样本定位点D的经纬度坐标，样本标签可以为2*2的矩阵，也可以以其他规模的矩阵，可根据实际需求设置，本申请实施例不对此进行限定。

步骤2023，基于样本标签中的样本定位点和预测的样本定位点，得到定位点预测模型的损失函数值。

损失函数可根据实际需求设置，本实施例不对此进行限定。

步骤2024，基于损失函数值确定损失函数是否收敛。

若损失函数不收敛，执行步骤2025，若损失函数收敛，执行步骤2026。

步骤2025，基于损失函数值对当前的定位点预测模型中的模型参数进行更新。然后重新执行模型的训练步骤，即进行下一轮的训练。

示例性的，损失函数可采用梯度下降法，如随机梯度下降(stochastic gradientdescent，SGD)对定位点预测模型中的模型参数，如两个linear层的参数进行训练更新。

步骤2026，将当前的定位点预测模型作为训练好的定位点预测模型。

上述2021至2026为定位点预测模型的训练步骤，在通过上述定位点预测模型得到预估最新定位点之后，即可执行步骤203。

步骤203，基于预估最新定位点，确定运动员的正常运动范围。

在一些实施例中，电子设备可以预估最新定位点为圆心，以预设距离为半径确定向前运动圆形区域，将该向前运动圆形区域作为运动员的正常运动范围。该预设距离可以根据需求设置，例如设置为10米。

上述实施例考虑到若运动员按照原有规律，继续向前运动，向前运动过程中可能会存在加速和减速，因此，运动员的实际位置可能会落在向前运动圆形区域，而运动员在实际运动过程中，可能会出现另一些运动情形，包括：

1.停留在原地。

2.向反方向运动。

为了全面结合上述情形，以准确全面的评估定位的准确性，在另一些实施例中，电子设备可获取当前的运动轨迹上与所述实际最新定位点的定位采集时间相距最近的两个定位点；基于所述相距最近的两个定位点，以及所述预估最新定位点确定所述正常运动范围。

例如，若按照时序，实际最新定位点为第i+1个采集的定位点，则当前运动轨迹上与实际最新定位点的定位采集时间相距最近的两个定位点应该为第i个定位点，以及第i-1个定位点。

进一步地，基于所述相距最近的两个定位点，以及所述预估最新定位点确定所述正常运动范围，可以包括：

分别以相距最近的两个定位点，以及所述预估最新定位点为圆心，以预设距离为半径，得到三个圆形范围，将三个圆形范围的联集作为正常运动范围。

例如，可参照图5所示，电子设备通过第i-2个定位点，第i-1个定位点和第i个定位点，预测出第i+1个预估最新定位点。

电子设备以第i-1个定位点为圆心，预设距离为半径得到向后运动圆形范围501；以第i个定位点，预设距离为半径得到原地运动圆形范围502；以第i+1个定位点为圆心，预设距离为半径，得到向前运动圆形范围503，将向后运动圆形范围501、原地运动圆形范围502、向前运动圆形范围503的联集作为正常运动范围。

步骤204，若实际最新定位点超过正常运动范围，则判定实际最新定位点为异常定位点。

若实际最新定位点未超过正常运动范围，判定实际最新定位点为正常定位点，将实际最新定位点加入正常定位点集合。

值得一提的是，在判定为实际最新定位点为异常定位点后，电子设备可将预估最新定位点作为正常定位点，将正常定位点加入正常定位点集合。

本实施例对正常定位点集合进行更新，便于通过正常定位点集合对后续采集的定位点进行异常判断。

本实施例在判定实际采集到的定位点，即实际定位点为异常定位点的情况下，会将预估定位点视作正常定位点，也就是说，会将预估定位点视作运动员的真实位置，以能够连续的获取正常定位点。

然而，在运动员偏离跑道情况下，运动员的运动方向的不确定性增多，预估的最新定位点的准确性难以保证，因此，本申请还提供一种检测实际最新定位点是否存在异常的实施例，在本实施例中，步骤201可包括：根据历史采集到的运动员的各实际定位点，检测该运动员是否满足预设的跑道偏离条件；若运动员不满足跑道偏离条件，可获取运动员当前的运动轨迹。

本实施例在不满足跑道偏离条件下，获取运动员的当前轨迹，即在运动员不偏离跑道时，才进行定位点的预测，减少因偏离跑道所导致的预估最新定位点准确性低的情况，进而减少误将准确性低的预估最新定位点作为运动员的真实位置的情况发生，以使得定位能尽量反映运动员的真实位置。

值得一提的是，预估定位点与运动员的真实位置是存在误差的，在通过上述步骤201至步骤204连续判定多个实际定位点为异常定位点的情况下，电子设备会连续数次将实际定位点对应的预估定位点作为正常定位点，误差也会不断累积，进而可能导致即使后续的实际定位点未出现定位异常，电子设备也会将该实际定位点误判为异常定位点。

鉴于此，在一些实施例中，步骤201中根据历史采集到的运动员的各实际定位点，检测该运动员是否满足预设的跑道偏离条件，可以包括：

在历史采集到的所述运动员的各实际定位点中，筛选与实际最新定位点的定位采集时间相距最近的预设个数的实际定位点；

若所述预设个数的实际定位点均为异常定位点，判定所述运动员满足所述跑道偏离条件。

也就是说，若连续判定预设个数的实际定位点为异常定位点，则电子设备判定运动员偏离跑道，电子设备不再进行定位点的预测以及异常定位点的判断，避免预测误差的累积。进一步地，在判定运动员满足跑道偏离条件之后，可以确定与实际最新定位点最近的里程碑；若实际最新定位点与最近的里程碑的距离不在预设距离范围内，则在获取更新后的实际最新定位点后，检测更新后的实际最新定位点与最近的里程碑的距离是否在预设距离范围内，直至更新后的实际最新定位点与最近的里程碑的距离在预设距离范围内，可判定运动员已回归跑道，进而可执行上述的步骤202至204，以对定位点进行预估。

上述预设距离范围可根据实际需求设置，例如设置为50米。更新后的实际最新定位点为：在与当前时间最接近的定位采集时间所采集的定位点，由于当前时间在不断变化，因此，实际最新定位点也在更新。

实际最新定位点与最近的里程碑的距离可通过以下方式计算：

iffD istance＝D istance(milestone，Location)；

其中，Distance为球面距离计算模型；Location为实际最新定位点的经纬度坐标，milestone为最近的里程碑的经纬度坐标，iffDistance为实际最新定位点与最近的里程碑的距离。

示例性地，预设个数为3个，与实际最新定位点的定位采集时间相距最近的预设个数的实际定位点分别为第i-2个实际定位点，第i-1个实际定位点，第i个实际定位点，实际最新定位点为第i+1个定位点；第i-2个实际定位点，第i-1个实际定位点，第i个实际定位点均被判定为异常定位点，因此，满足跑道偏离条件，此时，可计算第i+1个实际定位点与最近的里程碑的距离，若该距离超过预设距离范围，则在接收到第i+2个实际定位点后，计算第i+2个实际定位点与最近的里程碑的距离，若该第i+2个实际定位点未超过预设距离范围，则检测第i+2个实际定位点是否存在定位异常。

若第i+2个实际定位点为异常定位点，则将第i+2个实际定位点对应的预估定位点检测作为正常定位点。

上述简述了定位异常的判断方法，以保证获取的当前定位点的可用性和可靠性，能真实的判断出运动员偏离跑道的情况。

在实际应用中，一场运动项目参与的运动员较多，运动员的定位点也较多，电子设备需要对大批定位点进行及时的处理。

因此，可参照图6所示，在一些实施例中，电子设备可将各运动员的采集到的实际定位点存储于缓存队列；通过窗口在缓存队列中滑动；将窗口区间内的各采集到的实际定位点取出，即窗口处理内容中的各采集到的实际定位点取出，将取出的实际定位点进行处理。

相较于依次处理单条定位点数据的方式，本实施例通过窗口在缓存队列中滑动，可以实现定位点数据的批量计算，保证在数据量较大的时候一次性批量处理多条定位点数据，也能够保证在数据量较低的时候能够及时的对小批量数据进行计算与结果反馈，且可以避免因处理单条数据的额外开销所产生的性能瓶颈。

在本申请实施例中，若实际最新定位点为正常定位点，则可将实际最新定位点作为当前定位点，若实际定位点为异常定位点，则可将实际最新定位点对应的预估最新定位点作为当前定位点，若实际最新定位点不存在正常或异常定位点这一属性，则可将实际最新定位作为当前定位点。

确定当前定位点之后，还可基于当前定位点确定运动员在跑道上的运动进度，可参照图7所示，运动进度确定方法包括：

步骤701，根据当前定位点确定运动员所在的当前里程碑。

在一些实施例中，步骤701可参考图8所示，包括：

步骤7011，获取运动员的初始里程碑。

初始里程碑根据运动员当前定位点的上一次定位点确定。

具体地，初始里程碑为：在历史上确定的各当前里程碑中，上一次定位点对应的当前里程碑。

例如，第一个定位点对应的当前里程碑为里程碑a；在根据第二个定位点确定运动员所在的当前里程碑的过程中，可将里程碑a作为初始里程碑，得到第二个定位点对应的当前里程碑，即里程碑b；在根据第三个定位点确定运动员所在的当前里程碑的过程中，可将里程碑b作为初始里程碑，得到第三个定位点对应的当前里程碑，以此类推。

步骤7012，确定跑道中初始里程碑后的连续N个预期里程碑。N为正整数。N的值可以根据需求设置。

在一些实施例中，电子设备可确定跑道上的最小环形路径上的里程碑数量，将N设置为小于最小环形路径上的里程碑数量。

本实施例考虑到在环形路径上，入口点和出口点位置接近，若将N设置为大于最小环形路径上的里程碑数量，连续N个预期里程碑可能会包括入口点和出口点的里程碑，电子设备难以确定运动员是从入口点进入环形路径，还是从出口点离开环形路径，因此，将N设置为小于最小滑行路径上的里程碑数量，可以避免N个预期里程碑既包括入口点也包括出口点，从而便于电子设备进行运动进度的确定。

在另一些实施例中，电子设备可以确定运动员的预估运动速度和跑道上的里程碑平均距离；计算所述运动员的当前定位点与所述当前定位点的上一次定位点的定位点接收时间间隔；根据所述预估运动速度和所述定位点接收时间间隔，计算预估运动距离；根据所述预估运动距离和所述里程碑平均距离确定所述N。

本实施例能够预估断网，即超过预设时长未接收到下一次定位点情况下运动员的预估运动距离，从而便于当前里程碑的确定，提高运动进度确定的准确性。

进一步地，根据预估运动距离和里程碑平均距离确定N，包括：

将预估运动距离除以里程碑平均距离，得到商值；

将商值取整数，得到N。

具体地，可参考下述公式所示：

其中，t位定位点接收时间间隔，peopleSpeed为运动员的预估运动速度，milestonesDistance为里程碑平均距离。

预估运动距离和里程碑平均距离均可结合使用应用确定，例如预估运动距离的取值可为10m/s，里程碑平均距离的取值可为20米。

在另一些实施例中，可基于所述预估跨过里程碑数量和所述最小环形路径上的里程碑数量，确定所述N。例如，电子设备判定若定位点接收时间间隔大于预设时长，则根据所述预估运动距离和所述里程碑平均距离确定所述N；若定位点接收时间间隔大于预设时长，则将N的值设置为小于最小环形路径上的里程碑数量。

步骤7013，计算各预期里程碑与当前定位点的距离。

具体地，可将预期里程碑的经纬度坐标与当前定位点的坐标输入球面距离计算模型，得到各预期里程碑与当前定位点的球面距离。

步骤7014，在各预期里程碑与当前定位点的距离中，筛选出最小距离。

步骤7015，根据最小距离对应的里程碑，确定运动员所在的当前里程碑。

在一些实施例中，可直接将最小距离对应的里程碑作为运动员所在的当前里程碑。

在另一些实施例中，若当前坐标与最小距离对应的里程碑之间的距离小于预设距离精度，则将最小距离对应的里程碑作为运动员的当前里程碑。预设距离精度可根据需求设置，例如设置10米。

本实施例设置有预设距离精度，在当前坐标与最小距离对应的里程碑之间的距离小于预设距离精度，说明运动员即将到达该里程碑，或者运动员刚路过该里程碑，可以将该里程碑作为运动员的当前里程碑，使得当前里程碑的判断更为准确。

上述步骤7011至步骤7015是在各预期里程碑中确定当前里程碑，当快到跑道终点，上述方法可能会出现更新不及时的情况，影响运动员的体验。

鉴于此，在另一些实施例中，若初始里程碑与跑道的终点相距的里程碑个数大于M个，则通过上述步骤7011至步骤7015确定当前里程碑；

若初始里程碑与所述跑道的终点相距的里程碑个数不大于M个，则在所述初始里程碑的后续历程碑中，确定目标里程碑集合，所述目标里程碑集合中的目标里程碑与所述当前定位点的距离小于预设距离精度；

在所述目标里程碑集合的目标里程碑中，将与所述当前定位点的距离最大的目标里程碑作为所述运动员所在的当前里程碑。M为正整数，M可根据实际应用需求设置，本实施例不对此进行限制。

本实施例能够在运动员即将到达终点时，即距离跑道终点相距里程碑不大于M个时，通过预设距离精度确定当前里程碑，提高运动进度更新的实时性，提高运动员的体验感。

步骤702，根据当前里程碑与设置的里程碑确定运动员在跑道上的运动进度。

示例性的，可根据设置的里程碑总数，以及当前里程碑的排序标号确定运动员在跑道上的运动进度。例如，可将排序标号与里程碑总数相除，得到百分比，将该百分比作为运动进度。

以里程碑总数为100，当前里程碑为第80个里程碑为例，运动进度可为80％。

本申请实施例设置里程碑，基于运动员当前所在里程碑和跑道上的里程碑确定运动员的运动进度，能够尽量减少运动员偏离赛道所导致的运动进度计算误差，提高运动员运动进度确定的准确性，且能够在运动员即将到达终点时，对运动员的运动进度及时更新，提高运动体验感。

另外，相较于基于运动员的运动方向以及运动速度，通过向量夹角的方式对距离进行累加求和，得到运动员运动的路程，从而确定运动进度的方式，本实施例基于里程碑确定进度，无需实时基于大量定位点进行累积求和，从而能够减轻运动进度确定的计算量，节约硬件资源，减轻电子设备的负担。

上述为确定运动员在跑道上的运动进度的方式，为提高运动员的体验感，除了提醒运动员进度之外，还可以在获取运动员的当前定位点后，根据当前定位点，检测运动员是否偏离跑道，在判定运动员偏离跑道后，生成运动员偏离跑道的提示信息。

根据当前定位点，检测运动员是否偏离跑道，可参照下述步骤103至步骤105，包括：

步骤103，在设置的里程碑中，基于当前定位点筛选与运动员相邻的里程碑。

其中，相邻里程碑可以包括：相邻的前里程碑和后里程碑。在运动员的运动路径上，当前定位的上一个里程碑为前里程碑，当前定位的下一个里程碑为后里程碑。

本实施例基于相邻的前后两个里程碑确定是否发生路线偏离，相较于相邻的一个里程碑，两个里程碑更能反映跑道范围，因此，路线偏离的判断结果更加准确。

步骤104，通过预设的距离计算模型，计算当前定位点和相邻的里程碑之间的相邻距离。

本实施例的距离计算模型可为球面距离计算模型，当前定位点包括：运动员经度lon_ath和运动员纬度lat_ath，所述相邻的里程碑包括：相邻的里程碑经度lon_mil和相邻的里程碑纬度lat_mil，具体地，可包括：

计算所述运动员经度和所述里程碑经度的经度差值d_lon；

计算所述运动员纬度和所述里程碑纬度的纬度差值d_lat；

将所述d_lon、所述d_lat、所述lat_ath和所述lat_mil输入所述距离计算模型，得到相邻距离，其中，所述距离计算模型包括：

Distance为所述相邻距离，R为地球半径，/>

y为x为/>

相邻距离可包括：前里程碑和当前定位点之间的第一距离，以及所述后里程碑和所述当前定位点之间的第二距离。

在计算第一距离的情况下，相邻的里程碑经度lon_mil和相邻的里程碑纬度lat_mil为前里程碑的经纬度坐标；在计算第二距离的情况下，相邻的里程碑经度lon_mil和相邻的里程碑纬度lat_mil为后里程碑的经纬度坐标。

步骤105，基于相邻距离，确定运动员是否发生路线偏离。

在一些实施例中，可将所述第一距离和所述第二距离相加，得到距离相加值；基于所述距离相加值，确定所述运动员是否发生路线偏离。本实施例基于相邻的前后两个里程碑确定是否发生路线偏离，两个里程碑更能反映跑道范围，因此，路线偏离的判断结果更加准确。

进一步地，基于所述距离相加值，确定所述运动员是否发生路线偏离，包括：

确定所述前里程碑和后里程碑之间的里程碑距离；

若所述距离相加值与所述里程碑距离的差值超过预设的路线偏离阈值，确定所述运动员发生路线偏离。

其中，路线偏离阈值可根据需求设计，如路线偏离阈值为里程碑距离的两倍。

示例性地，可参考如下公式：

DiffDistance

＝Distance(milestone₁，currentLocation)

+Distance(milestone₂，currentLocation)

-Distance(milestone₁，milestone₂)；

其中，milestone₁为前里程碑的经纬度坐标，milestone₂为后里程碑的经纬度坐标，currentLocation为当前定位点的经纬度坐标，Distance为球面距离计算模型，DiffDistance为距离和值与里程碑距离的差值。

例如，参考图9和图10所示，图9为当前定位点未偏离跑道的示意图，图10为当前定位点偏离跑道的示意图。当距离和值大于前里程碑901和后里程碑902之间的里程碑距离的两倍，则判定为偏离赛道。理想情况下，当前定位点903未偏离赛道时，DiffDistance为0。本实施例检测运动员是否偏离跑道，及时提醒运动员，以提高运动员的体验感。

图11为本申请实施例提供的一种路线偏离判断装置的功能模块图。

参阅图11所示，路线偏离判断装置可应用于电子设备。路线偏离判断装置可以包括一个或多个模块。例如，参阅图11所示，路线偏离判断装置可以包括获取模块1101，筛选模块1102，计算模块1103，以及判断模块1104。

本申请实施例所称的模块可以是指能够完成特定功能的一系列计算机程序指令段，也可以是计算机程序指令段与硬件配合形成的功能模块，模块的划分为一种逻辑功能划分，实际实现时可以有另外的划分方式，本申请对此不作限定。

可以理解的是，对应于上述路线偏离判断方法中的各实施方式，路线偏离判断装置可以包括图11中所示的各功能模块中的一部分或全部，各模块1101～1104的功能将在以下具体介绍。需要说明的是，以上路线偏离判断方法的各实施方式中相同的名词相关名词及其具体的解释说明也可以适用于以下对各模块1101～1104的功能介绍。为节省篇幅及避免重复起见，在此就不再赘述。

获取模块1101，用于确定跑道上设置的里程碑，以及获取运动员的当前定位点；

筛选模块1102，用于在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；

计算模块1103，用于通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；

判断模块1104，用于基于所述相邻距离，确定所述运动员是否发生路线偏离。

在一些实施例中，筛选模块1102中相邻的里程碑包括：相邻的前里程碑和后里程碑，计算模块1103中所述相邻距离包括：所述前里程碑和所述当前定位点之间的第一距离，以及所述后里程碑和所述当前定位点之间的第二距离；

判断模块1104中所述基于所述相邻距离，确定所述运动员是否发生路线偏离，包括：

将所述第一距离和所述第二距离相加，得到距离相加值；基于所述距离相加值，确定所述运动员是否发生路线偏离。

采用该技术方案，通过相邻的前后两个里程碑确定是否发生路线偏离，两个里程碑更能反映跑道范围，因此，路线偏离的判断结果更加准确。

在一些实施例中，判断模块1104中基于所述距离相加值，确定所述运动员是否发生路线偏离，包括：

确定所述前里程碑和后里程碑之间的里程碑距离；若所述距离相加值与所述里程碑距离的差值超过预设的路线偏离阈值，确定所述运动员发生路线偏离。

在一些实施例中，路线偏离判断装置还包括：运动进度确定模块，运动进度确定模块，用于在获取运动员的当前定位点之后，根据所述当前定位点确定所述运动员所在的当前里程碑；根据所述当前里程碑与所述设置的里程碑确定所述运动员在所述跑道上的运动进度。

相较于基于运动员的运动总路程确定运动进度，采用该技术方案，基于运动员当前所在里程碑和跑道上的里程碑确定运动员的运动进度，能够尽量减少运动员偏离赛道所导致的运动进度计算误差，提高运动员运动进度确定的准确性。

在一些实施例中，运动进度确定模块中根据所述当前定位点确定所述运动员所在的当前里程碑，包括：

获取所述运动员的初始里程碑，所述初始里程碑根据所述运动员当前定位点的上一次定位点确定；确定所述跑道中所述初始里程碑后的连续N个预期里程碑，所述N为正整数；计算所述各预期里程碑与所述当前定位点的距离；在所述各预期里程碑与所述当前定位点的距离中，筛选出最小距离；根据所述最小距离对应的里程碑，确定所述运动员所在的当前里程碑。

采用该技术方案，在初始里程碑的后续里程碑中，根据距离运动员当前定位点最小的里程碑确定运动员的当前里程碑，能够提高运动员当前里程碑的确定的准确性，从而提高运动员当前里程碑确定的准确性。

在一些实施例中，相邻距离为球面距离，所述当前定位点包括：运动员经度lon_ath和运动员纬度lat_ath，所述相邻的里程碑包括：相邻的里程碑经度lon_mil和相邻的里程碑纬度lat_mil；

计算模块1103中所述通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离，包括：

计算所述运动员经度和所述里程碑经度的经度差值d_lon；

计算所述运动员纬度和所述里程碑纬度的纬度差值d_lat；

将所述d_lon、所述d_lat、所述lat_ath和所述lat_mil输入所述距离计算模型，得到相邻距离，其中，所述距离计算模型包括：

Distance为所述相邻距离，R为地球半径，

y为x为/>

采用该技术方案，无需考虑南北半球对求球面距离的差异，简化球面距离的计算过程，从而减少电子设备的处理负担。

在一些实施例中，获取模块1101中确定跑道上设置的里程碑，包括：在所述跑道的转弯点设置所述里程碑；计算所述跑道中相邻转弯点之间的直线路径距离；根据所述直线路径距离在所述跑道的直线路径上设置所述里程碑。

采用该技术方案，在直线路径上设置里程碑，提高里程碑的设置密度，从而能够在基于里程碑确定运动进度时，提高运动进度确定的精度。

图12为本申请电子设备一实施例的示意图。

电子设备200包括存储器20、处理器30以及存储在存储器20中并可在处理器30上运行的计算机程序40。处理器30执行计算机程序40时可以实现上述路线偏离判断方法实施例中的步骤，例如图1所示的步骤101～步骤105。

示例性的，计算机程序40同样可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在存储器20中，并由处理器30执行。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述计算机程序40在电子设备200中的执行过程。例如，可以分割成图11所示的获取模块1101，筛选模块1102，计算模块1103，以及判断模块1104。

电子设备200可以是桌上型计算机、笔记本、掌上电脑、工业电脑、平板电脑、服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是电子设备200的示例，并不构成对电子设备200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备200还可以包括输入输出设备、网络接入设备、总线等。

处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器、单片机或者处理器30也可以是任何常规的处理器等。

存储器20可用于存储计算机程序40和/或模块/单元，处理器30通过运行或执行存储在存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现电子设备200的各种功能。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备200的使用所创建的数据(比如音频数据)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

电子设备200集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在本申请所提供的几个实施例中，应该理解到，所揭露的电子设备和方法，可以通过其它的方式实现。例如，以上所描述的电子设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

另外，在本申请各个实施例中的各功能单元可以集成在相同处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

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限制，尽管参照上述实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (10)

1.一种路线偏离判断方法，其特征在于，包括：

确定跑道上设置的里程碑；

获取运动员的当前定位点；

在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；

通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；

基于所述相邻距离，确定所述运动员是否发生路线偏离。

2.如权利要求1所述的路线偏离判断方法，其特征在于，所述相邻的里程碑包括：相邻的前里程碑和后里程碑，所述相邻距离包括：所述前里程碑和所述当前定位点之间的第一距离，以及所述后里程碑和所述当前定位点之间的第二距离；

所述基于所述相邻距离，确定所述运动员是否发生路线偏离，包括：

将所述第一距离和所述第二距离相加，得到距离相加值；

基于所述距离相加值，确定所述运动员是否发生路线偏离。

3.如权利要求2所述的路线偏离判断方法，其特征在于，所述基于所述距离相加值，确定所述运动员是否发生路线偏离，包括：

确定所述前里程碑和后里程碑之间的里程碑距离；

若所述距离相加值与所述里程碑距离的差值超过预设的路线偏离阈值，确定所述运动员发生路线偏离。

4.如权利要求1所述的路线偏离判断方法，其特征在于，在所述获取运动员的当前定位点之后，所述路线偏离判断方法还包括：

根据所述当前定位点确定所述运动员所在的当前里程碑；

根据所述当前里程碑与所述设置的里程碑确定所述运动员在所述跑道上的运动进度。

5.如权利要求4所述的路线偏离判断方法，其特征在于，所述根据所述当前定位点确定所述运动员所在的当前里程碑，包括：

获取所述运动员的初始里程碑，所述初始里程碑根据所述运动员当前定位点的上一次定位点确定；

确定所述跑道中所述初始里程碑后的连续N个预期里程碑，所述N为正整数；

计算所述各预期里程碑与所述当前定位点的距离；

在所述各预期里程碑与所述当前定位点的距离中，筛选出最小距离；

根据所述最小距离对应的里程碑，确定所述运动员所在的当前里程碑。

6.如权利要求1所述的路线偏离判断方法，其特征在于，所述相邻距离为球面距离，所述当前定位点包括：运动员经度lon_ath和运动员纬度lat_ath，所述相邻的里程碑包括：相邻的里程碑经度lon_mil和相邻的里程碑纬度lat_mil；

所述通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离，包括：

计算所述运动员经度和所述里程碑经度的经度差值d_lon；

计算所述运动员纬度和所述里程碑纬度的纬度差值d_lat；

将所述d_lon、所述d_lat、所述lat_ath和所述lat_mil输入所述距离计算模型，得到相邻距离，其中，所述距离计算模型包括：

Distance为所述相邻距离，R为地球半径，

y为x为/>

7.如权利要求1至6中任一项所述的路线偏离判断方法，其特征在于，所述确定跑道上设置的里程碑，包括：

在所述跑道的转弯点设置所述里程碑；

计算所述跑道中相邻转弯点之间的直线路径距离；

根据所述直线路径距离，在所述跑道的直线路径上设置所述里程碑。

8.一种路线偏离判断装置，其特征在于，包括：

获取模块，用于确定跑道上设置的里程碑，以及获取运动员的当前定位点；

筛选模块，用于在所述设置的里程碑中，基于所述当前定位点筛选与所述运动员相邻的里程碑；

计算模块，用于通过预设的距离计算模型，计算所述当前定位点和所述相邻的里程碑之间的相邻距离；

判断模块，用于基于所述相邻距离，确定所述运动员是否发生路线偏离。

9.一种电子设备，所述电子设备包括处理器及存储器，所述存储器用于存储指令，其特征在于，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行如权利要求1至权利要求7中任一项所述的路线偏离判断方法。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1至权利要求7中任一项所述的路线偏离判断方法。