人员轨迹识别方法、系统、存储介质和设备技术方案

本发明专利技术公开一种人员轨迹识别方法、系统、存储介质和设备，其中方法包括构造网格化多信道信号衰减模型；将校准节点和锚节点之间的信号强度数据和锚节点的ID作为输入，校准节点和锚节点之间的距离作为输出，对信号衰减模型进行训练；根据特定空间内的移动端接收到的信号强度数据和对应锚节点的ID，得到移动端与锚节点的距离，进而得出移动端所处的网格；随着移动端的移动，得到移动端行动的轨迹。本发明专利技术可用于对风险防控区域的人员定位与轨迹追踪，增强了待测人员的定位精准度，同时针对空旷区域或者大型场所，可通过网格化的追踪精确锁定风控区域的人员信息。同时减少了手动人员登记和检测的过程，能够防止信息泄露、误填与漏填的问题。问题。问题。

【技术实现步骤摘要】
人员轨迹识别方法、系统、存储介质和设备


[0001]本专利技术涉及信息处理
，特别涉及一种人员轨迹识别方法、系统、存储介质和设备。

技术介绍

[0002]建立完善的公共场所人员轨迹追踪技术是预防疫情蔓延的关键，尤其是在某场所区域出现疫情后筛选该场所的密切接触人员对于切断传播链至关重要。
[0003]目前，有一种基于智能手机的安全距离感知与追溯方法，通过当前设备与附近设备之间的距离来追溯密切接触者，但需接触双方都使用该系统软件，否则就无法追溯密切接触者。并且这种方法根据信号强度推算手机用户与其他智能手机之间的距离，采用的衰减模型未考虑蓝牙数据包的信道不同，通过传感器读取得到的RSSI数值仅为综合各信道后的结果，识别准确率不高。
[0004]还有一种基于手机数据的呼吸道传染病密切接触者识别方法，根据手机信令数据和手机历史话单数据提取移动轨迹和通话关系判断密切接触者和接触类型。这种技术的缺陷在于排查的人群只局限于有密切关系或有通话来往的对象，对有过接触的陌生人或没有通过手机联系的人无法排查。

技术实现思路

[0005]鉴于现有技术中存在的问题，本专利技术提供一种人员轨迹识别方法、系统、存储介质和设备，通过将地区划分为网格区域，对网格内的人员设备进行自动化信息登记，锁定网格区域人员轨迹，实现区域内人员流动的细化管理，针对体育馆、商场等空间大区域多、人员密集的场所实现精细化的区域人员轨迹管理，在风险管理过程中，降低不必要成员的隔离成本。
[0006]为了实现上述目的，本专利技术第一方面提供一种人员轨迹识别方法，包括以下步骤：
[0007]S1、构造网格化多信道信号衰减模型，包括，
[0008]将特定空间划分成多个长方体网格；
[0009]在每个网格的顶部设置n个锚节点，n≥3，在网格接近底部处设置m个校准节点，n＜m，所述锚节点和所述校准节点通信连接；
[0010]S2、根据网格所处环境位置，对网格进行归并处理，确定共享环境参数的网格归并为源域网格，源域网格进一步划分成若干次目标网格，所述次目标网格为由相邻的单个网格组成的形状规则的复合网格；次目标网格内的单个网格为目标域网格；将源域网格内所述校准节点和所述锚节点之间的信号强度数据和锚节点的ID作为输入，所述校准节点和所述锚节点之间的距离作为输出，对源域信号衰减模型进行训练；将源域信号衰减模型作为特征提取器，进一步训练次目标网格的信号衰减模型，再将次目标网格的信号衰减模型作为特征提取器，训练目标域网格的信号衰减模型，最终得到每个网格的信号衰减模型；
[0011]S3、根据特定空间内的移动端接收到的信号强度数据和对应锚节点的ID，得到所
述移动端与锚节点的距离，进而得出所述移动端所处的网格；
[0012]S4、随着移动端的移动，重复步骤S3，得到移动端行动的轨迹。
[0013]进一步的，步骤S2具体为，对源域信号衰减模型进行以下操作：
[0014]S21、对源域信号衰减模型进行以下操作：在源域网格内，测量每个校准节点与各锚节点之间的距离d；测量每个校准节点在三个信道上接收到的各锚节点发送的信号强度RSSI
i
，其中i为信道号，i∈{37，38，39}；计算最大信号强度RSSI
max
＝max(RSSI
37
，RSSI
38
，RSSI
39
)、最小信号强度RSSI
min
＝min(RSSI
37
，RSSI
38
，RSSI
39
)、平均信号强度和信号强度参考值构建源域信号衰减模型的训练样本数据，所述训练样本数据的输入为[RSSI
37
,RSSI
38
,RSSI
39
,RSSI
max
,RSSI
avg
,RSSI
MRC
,ID]，输出为d；利用BP神经网络对所述信号衰减模型进行训练，直到损失函数收敛；
[0015]S22、对次目标网格的信号衰减模型进行以下操作：在次目标网格内，按照构建源域信号衰减模型中训练样本数据的步骤重构模型训练样本数据；在训练好的源域网格信号衰减模型的结构中增加一全连接层；再对增加全连接层后的次目标网格信号衰减模型进行训练，直到损失函数收敛；
[0016]S23、对目标域网格的信号衰减模型进行以下操作:在目标域网格内，再次重构模型训练样本数据；在训练好的次目标网格信号衰减模型的模型结构中增加一全连接层；再对增加全连接层后的目标域网格信号衰减模型进行训练，直到损失函数收敛；
[0017]对次目标网格的信号衰减模型构建次数由所选取次目标网格的次数决定，对次目标网格进行选取，依次递进训练直至单个目标域网格；
[0018]S24、对特定空间重复S21～S23，得到待测空间中每个网格区域的多信道信号衰减模型。
[0019]进一步的，步骤S3具体为：
[0020]移动端接收到多个锚节点的信号按照每个锚节点在三个信道上的平均信号强度RSSI
avg
大小进行排序，取大于预定阈值的平均信号强度对应的锚节点，将锚节点ID按照所在网格归类，同时具有n个锚节点的网格为有效网格，有效网格内的锚节点为有效锚节点；利用有效网格的信号衰减模型计算，得到在有效网格内，每个有效锚节点与移动端之间的距离；选择移动端与有效网格内所有锚节点的距离之和最小的有效网格，即为移动端所处网格。
[0021]一种人员轨迹识别方法，包括以下步骤：
[0022]特定空间内的移动端接收多个锚节点发送的信号，所述特定空间被划分为多个长方体网格，每个网格构造一个信号衰减模型，所述锚节点设置在每个网格的顶部，每个网格内的锚节点的数量不小于3；
[0023]所述移动端将来自每个锚节点在三个信道上的信号强度数据和对应锚节点的ID发送给服务器，由所述服务器利用预先构造和训练好的网格化多信道信号衰减模型计算出所述移动端与锚节点的距离，确定当前所在的网格；构造和训练网格化多信道信号衰减模型的过程具体为，在每个网格接近底部处设置若干个校准节点，校准节点的数量大于锚节点数量，所述锚节点和所述校准节点通信连接；对每个网格的信号衰减模型执行以下操作：
构造相同环境参数的源域网格，构造源域内的次目标网格，将源域网格内所述校准节点和所述锚节点之间的信号强度数据和锚节点的ID作为输入，所述校准节点和所述锚节点之间的距离作为输出，对源域信号衰减模型进行训练，将训练好的源域网格模型结构作为特征提取器，增加全连接层，得到次目标网格模型，对所述次目标网格进行模型迁移，重构次目标网格的样本数据，对次目标网格信号衰减模型进行训练；将训练好的次目标网格模型结构作为特征提取器，增加全连接层，得到目标域网格模型；
[0024]所述移动端在特定空间内移动，每间隔一定时间向服务器发送当前接收到的信号强度数据和对应锚节点的ID，由服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人员轨迹识别方法，其特征在于，包括以下步骤，S1、构造网格化多信道信号衰减模型，包括，将特定空间划分成多个长方体网格；在每个网格的顶部设置n个锚节点，n≥3，在网格接近底部处设置m个校准节点，n＜m，所述锚节点和所述校准节点通信连接；S2、根据网格所处环境位置，对网格进行归并处理，确定共享环境参数的网格归并为源域网格，源域网格进一步划分成若干次目标网格，所述次目标网格为由相邻的单个网格组成的形状规则的复合网格；次目标网格内的单个网格为目标域网格；将源域网格内所述校准节点和所述锚节点之间的信号强度数据和锚节点的ID作为输入，所述校准节点和所述锚节点之间的距离作为输出，对源域信号衰减模型进行训练；将源域信号衰减模型作为特征提取器，进一步训练次目标网格的信号衰减模型，再将次目标网格的信号衰减模型作为特征提取器，训练目标域网格的信号衰减模型，最终得到每个网格的信号衰减模型；S3、根据特定空间内的移动端接收到的信号强度数据和对应锚节点的ID，得到所述移动端与锚节点的距离，进而得出所述移动端所处的网格；S4、随着移动端的移动，重复步骤S3，得到移动端行动的轨迹。2.根据权利要求1所述的人员轨迹识别方法，其特征在于，步骤S2具体为，S21、对源域信号衰减模型进行以下操作：在源域网格内，测量每个校准节点与各锚节点之间的距离d；测量每个校准节点在三个信道上接收到的各锚节点发送的信号强度RSSI
i
，其中i为信道号，i∈{37，38，39}；计算最大信号强度RSSI
max
＝max(RSSI
37
，RSSI
38
，RSSI
39
)、最小信号强度RSSI
min
＝min(RSSI
37
，RSSI
38
，RSSI
39
)、平均信号强度和信号强度参考值构建源域信号衰减模型的训练样本数据，所述训练样本数据的输入为[RSSI
37
,RSSI
38
,RSSI
39
,RSSI
max
,RSSI
avg
,RSSI
MRC
,ID]，输出为d；利用BP神经网络对所述信号衰减模型进行训练，直到损失函数收敛；S22、对次目标网格的信号衰减模型进行以下操作：在次目标网格内，按照构建源域信号衰减模型中训练样本数据的步骤重构模型训练样本数据；在训练好的源域网格信号衰减模型的结构中增加一全连接层；再对增加全连接层后的次目标网格信号衰减模型进行训练，直到损失函数收敛；S23、对目标域网格的信号衰减模型进行以下操作:在目标域网格内，再次重构模型训练样本数据；在训练好的次目标网格信号衰减模型的模型结构中增加一全连接层；再对增加全连接层后的目标域网格信号衰减模型进行训练，直到损失函数收敛；对次目标网格的信号衰减模型构建次数由所选取次目标网格的次数决定，对次目标网格进行选取，依次递进训练直至单个目标域网格；S24、对特定空间重复S21～S23，得到待测空间中每个网格区域的多信道信号衰减模型。3.根据权利要求2所述的人员轨迹识别方法，其特征在于，步骤S3具体为，移动端接收到多个...

【专利技术属性】
技术研发人员：王佩佩，章小奇，姚琪琪，成曦，骆冰清，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：