本发明专利技术公开了一种高精度定位系统中快速检测人员过度聚集的方法，包括如下步骤：对检测区域按照近邻阀值λ进行划分，将n个人员的定位数据投影到对应的单元格之中，并分别用一个整型矩阵记录每个单元格中投中的数据点的个数和一个布尔型矩阵标记单元格是否被访问过；对每个人员定位数据点采用广度优先的方法访问单元格来寻找簇；计算包含每个人员定位数据点的簇的大小；当包含某个人员定位数据点的簇中数据点数大于设定的人员阀值N时，则进行过度聚集预警提示。通过本发明专利技术方法可以提高检测的效率、降低时间复杂度并且能够适应各种形状的过度检测需求。
【技术实现步骤摘要】
本专利技术涉及，特别涉及一种 基于改进CLIQUE算法的室内无线定位系统中快速检测人员过度聚集的方法。
技术介绍
由于目前民用卫星定位的定位精度比较低并且不适合室内定位环境，目前基于室 内无线定位或高精度定位的应用系统需求大量出现。在这些定位系统中，用户经常有各种 检测警报的需要以实现对人员的实时监控和管理。其中，实现实时的人员过度聚集检测报 警是一种非常规的需求并且具有非常重要的实际意义。过度聚集检测主要是依据系统管理 员给出的聚集程度参数，快速找到可能的过度聚集区域。在安防领域以及需要实时检测人 员情况的人员密集场景下，如机场，监狱，工厂等，定位系统能够快速实时地判断人员过度 集中区域，对于避免安全事故或是潜在的斗殴、非法聚集等危险事件的发生，实时的对人员 进行监控管理有重要的作用与意义。但是定位系统的后台往往运行多种并发的实时任务， 比如实时流量过大预警，陪同访问报警，非法闯入报警，卡片丢失检测，获取最新的定位数 据，人员位置实时更新，定位位置数据优化与校正等等，因此，实时的过度聚集检测问题的 一种高效有效的并且适用于复杂场景的检测方法非常必要。 过度聚集（以下简称聚集或是过度聚集）检测可以通过直接判断一定面积区域内 的人数是否超过一定的阀值来进行辨别。依据这种方式计算，需要直接求得人员定位数据 集子集的最小包围凸多边形，然后计算人员密度，判断人员密度是否超过规定阀值。这种方 式直观，但是要求解的数据子集的个数随着人员数量的增加呈指数增长，因而时间复杂度 为指数时间复杂度。而且求子集最小包围凸多边形和最小包围凸多边形覆盖的面积也相对 比较复杂，这在实际的工程中也往往是不采用的方法。 另一种比较直接的方式是遍历检测区域内的的点，判断每个点的a邻域内（矩 形或是圆形邻域）的人员数是否超过一定的阀值来进行判断。这种方法时间复杂度为 0(M*L*N)，其中M*L为检测区域矩形内检测点数，N为定位人员数。这种方式比较简单且 容易被管理员理解，但是其趋向于检测圆型的聚集，对于一些聚集区域最大长度超过2a 的非圆型过度聚集（以下简称长度超过2a的聚集），如长条状的或是树枝状的聚集往往 效果不好而且其时间复杂度高度依赖于空间中点的数，这对计算密集的服务器端是巨大 的挑战。通过将空间充分细分并用矩阵记录每个单元格的人数的方式可以将复杂度降为 0(M*L*D)，D是一个与邻域大小和细分程度相关的常数，但是这种方式要对空间充分细分， 以使得误差较小，这使得M*L过大，空间复杂度变为0 (M*L)，并且这种方法依然存在效率不 高，并且无法解决如长条状的非圆形聚集。 对上一种方法进行改进的一种改进方法是对人员进行遍历，判断每个人员的a 邻域内的人数是否超过一定的阀值。这种方式需要求出每个点与所有点的距离，然后判断 与该点距离小于a的所有点数，所以算法复杂度变为〇(N*N)。在检测范围内人员密度相对 小的情况下，这种方式可以提高效率。但是他的问题同样是难于检测长度超过2a过度聚 集，并且在N比较大时效率下降严重。这种方法的另一个不足就是当聚集的区域是环状或 是圆弧状时，这种方法往往无效。
技术实现思路
为了克服现有技术的上述缺点，本专利技术提供了一种高精度定位系统中快速检测人 员过度聚集的方法，可以提高检测的效率、降低时间复杂度并且能够适应各种形状的过度 检测需求。 本专利技术解决其技术问题所采用的技术方案是：一种高精度定位系统中快速检测人 员过度聚集的方法，包括如下步骤： 假设长度为a、宽度为b的检测区域中有n个人员， 步骤一、对检测区域按照近邻阀值A进行单元格划分； 步骤二、将n个人员的定位数据投影到对应的单元格之中，并分别用一个整型矩 阵记录每个单元格中投中的数据点的个数和一个布尔型矩阵标记单元格是否被访问过； 步骤三、对每个人员定位数据点采用广度优先的方法访问单元格来寻找簇； 步骤四、计算包含每个人员定位数据点的簇的大小； 步骤五、当包含某个人员定位数据点的簇的值大于设定的人员阀值N时，则进行 过度聚集预警提示。 与现有技术相比，本专利技术的积极效果是： 通过本专利技术方法进行过度聚集检测，在不进行考虑过度分散的树枝状过度聚集的 情况下，算法的时间杂度是〇(n)，n为检测区域中的人数。当定位人数在1000左右规模的 时候，本专利技术方法比直接遍历的方式提高两个数量级。检测方法要不间断重复地实时运行， 而本方法只需要在检测开始时开辟内存存储定位状态，之后的重复实时监测可以共享此内 存资源，所以大大减少了开辟内存的资源开销。进而，本方法可以大大节省服务器端的计算 资源。而且现有方法对长条状、树枝状聚集或是环状聚集的检测情况不理想，往往只能通过 扩大邻域半径的方式进行，但是这样往往会使得阀值过低，出现检测到大量过度聚集的情 况。但是本专利技术方法可以检测这种形式的过度聚集情况，并且可以灵活地设置以对不希望 检测情况进行剔除。【具体实施方式】 通过对过度聚集检测的需求进行重新的梳理，我们考虑到，如果一定区域内的人 数过多，则这个区域中的人员间距离相对近。我们把人员的位置信息抽象为空间上的点。基 于这个考虑，我们可以通过人员间的距离来确定聚集的区域和聚集的人员集合。对空间上 点我们做出如下定义。 定义一：定义A为近邻阀值，如果两个点之间的距离小于A，贝lj称两者为以入近 邻的（或两者是相聚集），简称两点近邻。其中，点a和他本身是以任意X近邻的。 定义二：定义点a和点b是以A可达的，如果存在一系列点Cl. . .cn，使得a与q 以入近邻，b与~以A近邻，并且(^与(^+1以A近邻。 定义三：一个点集u的子集s，如果该子集s中点都是互为以A可达的并且s中 点与U-S中任意点不是以A可达的则称S为!!中以A为近邻阀值的近邻簇，简称s为近 邻簇。 定义四：近邻簇的大小为近邻簇中数据点的个数。 通过以上定义，我们定义过度聚集为：存在人员定位数据点组成的以A为近邻阀 值的近邻簇的大小超过给定的阀值。通过这种方式，空间上的人员相对集中的概念可以用 人员组成的近邻簇表示。 由以上说明，过度聚集检测可以转化为检测空间中数据点聚集成的各个近邻簇的 大小是否超过阀值的问题。而这种方式类似于聚类的思想。基于距离的聚类是将空间中的 数据通过定义的距离，自动把相近的数据点分成一类。这种传统基于距离的聚类算法一般 只能处理球状的类并且处理数据量变大时，效率不高。更关键的是，这种方式自动聚成的类 通常并不满足我们需要的簇的定义，需要进一步的转换，两者之间的转化往往相对复杂，实 际应用中效果并不好。 另一大类是基于空间细分或是密度的方法。在室内定位系统中，其定位范围往往 是在系统开发过程中确定的，并且定位的对象是人员，其空间密度不会特别大。所以基于密 度和空间细分方法是一种可行的解决方案。其中Clique是一种基于密度和空间细分的算 法，其思想跟本应用很接近，我们通过简化和改进clique算法提出一种新的方法应用于聚 集检测中。 CLIQUE聚类算法的中心思想如下：（1)给定一个多维数据点的集合，数据点在数 据空间中通常不是均衡分布的。CLIQUE区分空间中稀疏的和"拥挤的"区域（或单元），以 发现数据集合的全局分布模式。（2)如果一个单元中包含的数据点本文档来自技高网...
【技术保护点】
一种高精度定位系统中快速检测人员过度聚集的方法，其特征在于：包括如下步骤：假设长度为a、宽度为b的检测区域中有n个人员，步骤一、对检测区域按照近邻阀值λ进行单元格划分；步骤二、将n个人员的定位数据投影到对应的单元格之中，并分别用一个整型矩阵记录每个单元格中投中的数据点的个数和一个布尔型矩阵标记单元格是否被访问过；步骤三、对每个人员定位数据点采用广度优先的方法访问单元格来寻找簇；步骤四、计算包含每个人员定位数据点的簇中数据点数；步骤五、当包含某个人员定位数据点的簇中数据点数大于设定的人员阀值N时，则进行过度聚集预警提示。
【技术特征摘要】
【专利技术属性】
技术研发人员：张众一，彭程，崔喆，巫浩，冯月孚，
申请(专利权)人：中科院成都信息技术股份有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。