一种多维时空轨迹融合方法、装置、机器可读介质及设备制造方法及图纸

本发明专利技术提供一种多维时空轨迹融合方法，包括：通过获取时空轨迹间的轨迹相似度；基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；对所述待融合轨迹进行融合。本发明专利技术通过使用多维时空轨迹融合的技术，丰富了人像时空轨迹。

【技术实现步骤摘要】
一种多维时空轨迹融合方法、装置、机器可读介质及设备
本专利技术涉及数据处理领域，具体涉及一种多维时空轨迹融合方法、装置、机器可读介质及设备。
技术介绍
对于人像大数据系统，则面临着特定人员轨迹点稀疏的问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种多维时空轨迹融合方法、系统、机器可读介质及设备，用于解决现有技术存在的问题。为实现上述目的及其他相关目的，本专利技术提供一种多维时空轨迹融合方法，包括：获取不同来源的时空轨迹间的轨迹相似度；基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；对所述待融合轨迹进行融合。可选地，所述不同来源的时空轨迹包括人像轨迹、通信端轨迹。可选地，所述获取不同来源的时空轨迹间的轨迹相似度，包括：按时间间隔对每个所述时空轨迹进行切分，得到多条子轨迹；将所述多条子轨迹栅格化；对栅格化后的多条子轨迹进行聚类，得到聚类子轨迹；获取同一时间间隔内有交集的聚类子轨迹间的相似度；对不同时间间隔内的多条聚类子轨迹间的相似度进行累加，得到时空轨迹间的相似度。可选地，使用墨卡托投影将多条子轨迹栅格化。可选地，基于改进后的LCSS++算法计算同一时间间隔内有交集的聚类子轨迹间的LCSS++距离，以得到聚类子轨迹间的相似度。可选地，通过通信端的唯一标识符确定所述通信端轨迹。可选地，基于通信端的种类以及通信端区获取的数据对所述通信端的唯一标识符进行第一次去噪。可选地，通过扩展卡尔曼滤波器对第一次去噪后的唯一标识符进行第二次去噪。可选地，根据以下公式计算所述轨迹重合度：其中，C_SCORE表示轨迹重合度，LCSS_SIMILARITY表示时空轨迹间的轨迹相似度，LEN表示不同时空轨迹的轨迹长度。为实现上述目的及其他相关目的，本专利技术提供一种多维时空轨迹融合装置，包括：相似度获取模块，用于获取不同来源的时空轨迹间的轨迹相似度；轨迹重合度计算模块，用于基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；待融合轨迹确定模块，用于基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；轨迹融合模块，用于对所述待融合轨迹进行融合。可选地，所述不同来源的时空轨迹包括人像轨迹、通信端轨迹。可选地，所述相似度获取模块包括：切分子模块，用于按时间间隔对每个所述时空轨迹进行切分，得到多条子轨迹；栅格化子模块，用于将所述多条子轨迹栅格化；聚类子模块，用于对栅格化后的多条子轨迹进行聚类，得到聚类子轨迹；相似度获取子模块，用于获取同一时间间隔内有交集的聚类子轨迹间的相似度；累加子模块，用于对不同时间间隔内的多条聚类子轨迹间的相似度进行累加，得到时空轨迹间的相似度。可选地，使用墨卡托投影将多条子轨迹栅格化。可选地，基于改进后的LCSS++算法计算同一时间间隔内有交集的聚类子轨迹间的LCSS++距离，以得到聚类子轨迹间的相似度。可选地，通过通信端的唯一标识符确定所述通信端轨迹。可选地，基于通信端的种类以及通信端区获取的数据对所述通信端的唯一标识符进行第一次去噪。可选地，通过扩展卡尔曼滤波器对第一次去噪后的唯一标识符进行第二次去噪。可选地，根据以下公式计算所述轨迹重合度：其中，C_SCORE表示轨迹重合度，LCSS_SIMILARITY表示时空轨迹间的轨迹相似度，LEN表示不同时空轨迹的轨迹长度。为实现上述目的及其他相关目的，本专利技术提供一种设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行前述的一个或多个所述的方法。为实现上述目的及其他相关目的，本专利技术提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行前述的一个或多个所述的方法。如上所述，本专利技术提供的一种多维时空轨迹融合方法、系统、机器可读介质及设备，具有以下有益效果：本专利技术的一种多维时空轨迹融合方法，通过获取时空轨迹间的轨迹相似度；基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；对所述待融合轨迹进行融合。通过使用多维时空轨迹融合的技术，丰富了人像时空轨迹。附图说明图1为本专利技术一实施例提供的一种多维时空轨迹融合方法的流程图；图2为本专利技术一实施例中获取不同来源的时空轨迹间的轨迹相似度；图3为本专利技术一实施例中使用墨卡托投影将轨迹栅格化的示意图；图4为本专利技术一实施例中DBSCAN聚类结果示意图；图5为本专利技术一实施例中使用扩展卡尔曼滤波器对MAC地址进行去噪的效果图；图6为本专利技术一实施例提供的一种时空轨迹融装置的硬件结构示意图；图7为本专利技术一实施例提供的终端设备的硬件结构示意图；图8为本专利技术另一实施例提供的终端设备的硬件结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1所示，本实施例提供一种多维时空轨迹融合方法，包括：S11获取不同来源的时空轨迹间的轨迹相似度；S12基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；S13基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；S14对所述待融合轨迹进行融合。在一实施例中，所述不同来源的时空轨迹包括人像轨迹、通信端轨迹。其中，人像轨迹可以包括人脸轨迹、人体轨迹。人脸轨迹、人体轨迹可以通过安装有人脸卡口和电梯等位置的摄像机抓拍的数据来确定。需要说明的是，在本实施例中，通信端可以是手机或其他具有通信功能的装置，其具有唯一标识符，如IMSI(国际移动用户识别码，InternationalMobileSubscriberIdentity)、MAC地址，后文中都用手机以MAC地址进行详细描述。因此，通信端轨迹可以通过感知到的MAC地址、IMSI来确定。通过MAC地址就可以确定手机的位置，从而得到手机的轨迹。MAC地址可以通地WIFI探针来获取。所述人脸轨迹、人体轨迹可以通过安装本文档来自技高网...

【技术保护点】
1.一种多维时空轨迹融合方法，其特征在于，包括：/n获取不同来源的时空轨迹间的轨迹相似度；/n基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；/n基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；/n对所述待融合轨迹进行融合。/n

【技术特征摘要】
1.一种多维时空轨迹融合方法，其特征在于，包括：
获取不同来源的时空轨迹间的轨迹相似度；
基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；
基于所述轨迹相似度以及所述轨迹重合度得到待融合轨迹；
对所述待融合轨迹进行融合。


2.根据权利要求1所述的多维时空轨迹融合方法，其特征在于，所述不同来源的时空轨迹包括人像轨迹、通信端轨迹。


3.根据权利要求1所述的多维时空轨迹融合方法，其特征在于，所述获取不同来源的时空轨迹间的轨迹相似度，包括：
按时间间隔对每个所述时空轨迹进行切分，得到多条子轨迹；
将所述多条子轨迹栅格化；
对栅格化后的多条子轨迹进行聚类，得到聚类子轨迹；
获取同一时间间隔内有交集的聚类子轨迹间的相似度；
对不同时间间隔内的多条聚类子轨迹间的相似度进行累加，得到时空轨迹间的相似度。


4.根据权利要求3所述的多维时空轨迹融合方法，其特征在于，使用墨卡托投影将多条子轨迹栅格化。


5.根据权利要求3所述的多维时空轨迹融合方法，其特征在于，基于改进后的LCSS++算法计算同一时间间隔内有交集的聚类子轨迹间的LCSS++距离，以得到聚类子轨迹间的相似度。


6.根据权利要求2所述的多维时空轨迹融合方法，其特征在于，通过通信端的唯一标识符确定所述通信端轨迹。


7.根据权利要求6所述的多维时空轨迹融合方法，其特征在于，基于通信端的种类以及通信端区获取的数据对所述通信端的唯一标识符进行第一次去噪。


8.根据权利要求7所述的多维时空轨迹融合方法，其特征在于，通过扩展卡尔曼滤波器对第一次去噪后的唯一标识符进行第二次去噪。


9.根据权利要求1或2所述的多维时空轨迹融合方法，其特征在于，根据以下公式计算所述轨迹重合度：



其中，C_SCORE表示轨迹重合度，LCSS_SIMILARITY表示时空轨迹间的轨迹相似度，LEN表示不同时空轨迹的轨迹长度。


10.一种多维时空轨迹融合装置，其特征在于，包括：
相似度获取模块，用于获取不同来源的时空轨迹间的轨迹相似度；
轨迹重合度计算模块，用于基于所述轨迹相似度以及时空轨迹的轨迹长度得到轨迹重合度；
待融合轨迹确定模块，用于基于所述轨迹相似度以及所述轨迹重合度得...

【专利技术属性】
技术研发人员：周曦，姚志强，郑志骏，
申请(专利权)人：云从科技集团股份有限公司，
类型：发明
国别省市：广东;44