定位模型训练方法、定位方法和计算机可读存储介质技术

本申请涉及人工智能领域，提供了定位模型训练方法、定位方法和计算机可读存储介质，以在多种场景下实现精确定位。所述方法包括：以终端发送的定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据；根据召回的无线接入设备指纹数据，获取无线接入设备的相关数据对应的第一特征图；利用第一特征图进行第一卷积神经网络训练，得到训练后的第一目标定位模型后，可利用该模型预测得到对应相关数据的召回中心；从第一特征图截取以该召回中心为中心的第二特征图，以第二特征图为输入信息，对第二卷积神经网络进行训练，得到训练后的第二目标定位模型。本申请的技术方案可以实现多种场景下的精确定位。确定位。确定位。

【技术实现步骤摘要】
定位模型训练方法、定位方法和计算机可读存储介质


[0001]本专利技术涉及人工智能领域，特别涉及一种定位模型训练方法、定位方法和计算机可读存储介质。

技术介绍

[0002]随着基于位置的服务技术的不断发展，市场业务对用户定位的精确度要求也越来越高。然而，在某些场景（例如，建筑物内或建筑物之间、地下停车场以及特殊天气等）下，GPS/GNSS的定位信号大概率会被干扰，从而导致定位不准甚至可能无法定位。为了解决上述问题，现有技术提出利用智能手机等智能终端采集到的无线接入点（Access Point，AP）信号信息并结合机器学习模型的方法，以估计出目标的实际位置。然而，这些方法要么所用特征单一，导致只能适用于小范围的室内定位，要么与网络选取大小具有强依赖性，也无法体现多特征的空间相关性，导致在少量AP数据存在的场景下很容易导致定位不准。

技术实现思路

[0003]本申请提供一种定位模型训练方法、定位方法和计算机可读存储介质，可以在多种场景下实现精确定位。
[0004]一方面，本申请提供了一种定位模型训练方法，包括：以终端发送的定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据，所述无线接入设备的相关数据包括所述无线接入设备的标识和信号强度；根据所述召回的无线接入设备指纹数据，获取所述无线接入设备的相关数据对应的第一特征图；将所述第一特征图作为第一卷积神经网络的输入信息和矩形框T_s为输出信息对所述第一卷积神经网络进行训练，得到训练后的第一目标定位模型，所述矩形框T_s是以T为中心、t*W宽度、t*H 高度的矩形，所述T是所述定位请求的实际位置经纬度转换为网格后该网格的坐标，所述W为所述相关数据对应的召回网格分布的宽度，所述H为所述相关数据对应的召回网格分布的高度，所述 t为预设值；从所述第一特征图截取以所述相关数据的召回中心为中心的第二特征图；以所述第二特征图为输入信息，对第二卷积神经网络进行训练，得到训练后的第二目标定位模型。
[0005]另一方面，本申请提供了一种定位方法，包括：以终端发送的在线定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据，所述无线接入设备的相关数据包括所述无线接入设备的标识和信号强度；根据所述召回的无线接入设备指纹数据，获取所述定位请求中无线接入设备的相关数据对应的第一特征图；
从所述第一特征图截取以所述相关数据的召回中心为中心的第二特征图；将所述第一特征图和第二特征图分别输入经上述定位模型训练方法训练后得到的第一目标定位模型和第二目标定位模型，得到所述终端的定位信息。
[0006]第三方面，本申请提供了一种设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述定位模型训练方法的技术方案的步骤。
[0007]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述定位模型训练方法的技术方案的步骤。
[0008]从上述本申请提供的技术方案可知，一方面，由于可以根据召回的无线接入设备指纹数据，获取无线接入设备的相关数据对应的第一特征图，相比于现有技术只能使用较为单一的特征导致的定位范围小，本申请的技术方案能够满足不同场景（包括建筑物内或建筑物之间、地下停车场以及特殊天气等特殊场景）的需求，实现室内/室外定位一体化；另一方面，以第一特征图和矩形框T_s为输入输出信息对第一卷积神经网络进行训练，得到训练后的第一目标定位模型，以第二特征图为输入信息，对第二卷积神经网络进行训练，得到训练后的第二目标定位模型，第一目标定位模型的使用可以有效确定召回网格的召回中心，而第一目标定位模型和第二目标定位模型的结合使用可更好地提取数据特征的空间相关性，提高定位的准确性。
附图说明
[0009]为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0010]图1是本申请实施例提供的定位模型训练方法的流程图；图2是本申请实施例提供的建立无线接入设备指纹库的流程图；图3是本申请实施例提供的对五维特征进行最大最小归一化后形成的第一特征图的示意图；图4是本申请实施例提供的定位方法的流程图；图5是本申请实施例提供的设备的结构示意图；图6本申请实施例提供的由某个无线接入设备召回的网格构造置信网格列表T包含的置信网格的示意图。
具体实施方式
[0011]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0012]在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另
一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤（等）不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
[0013]在本说明书中，为了便于描述，附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0014]请参阅图1，是本申请实施例提出的定位模型训练方法流程图，主要包括步骤S101至S105，详述如下：步骤S101：以终端发送的定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据，其中，无线接入设备的相关数据包括无线接入设备的标识和信号强度。
[0015]本申请实施例中的无线接入设备可以是基站和/或WiFi设备，而无线接入设备的相关数据包括无线接入设备的标识和信号强度，其中，无线接入设备的标识根据无线接入设备是WiFi设备还是基站有所区别，当无线接入设备是WiFi设备时，可以WiFi设备的MAC地址作为其标识，当无线接入设备是基站时，可以基站的以MCC（国家地区代码）、MNC（移动网络号）、LAC（位置区域码）和CID（小区码）等组合而成的信息为该基站的标识。至于无线接入设备指纹数据，则是无线接入设备指纹库中可供召回的目标对象。无线接入设备指纹库可以预先构建，即，在以终端发送的定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据之前，建立无线接入设备指纹库。具体地，建立无线接入设备指纹库可以通过图2示例的步骤S201至步骤S204实现，说明如下：步骤S201：将每个网格对应的无线接入设备的历史相关数据进行清洗，得到每个网格对应的无线接入设备的清洁相关数据。
[0016]需要说明的是，在本申请实施例中，网格是使用直接网格算法将地球划分为尺寸相对一致的四边形区域，每个网格会对应存在无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定位模型训练方法，其特征在于，所述方法包括：以终端发送的定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据，所述无线接入设备的相关数据包括所述无线接入设备的标识和信号强度；根据所述召回的无线接入设备指纹数据，获取所述无线接入设备的相关数据对应的第一特征图；将所述第一特征图作为第一卷积神经网络的输入信息和矩形框T_s为输出信息对所述第一卷积神经网络进行训练，得到训练后的第一目标定位模型，所述矩形框T_s是以T为中心、t*W宽度、t*H 高度的矩形，所述T是所述定位请求的实际位置经纬度转换为网格后该网格的坐标，所述W为所述相关数据对应的召回网格分布的宽度，所述H为所述相关数据对应的召回网格分布的高度，所述 t为预设值；从所述第一特征图截取以所述相关数据的召回中心为中心的第二特征图；以所述第二特征图为输入信息，对第二卷积神经网络进行训练，得到训练后的第二目标定位模型。2.如权利要求1所述定位模型训练方法，其特征在于，所述根据所述召回的无线接入设备指纹数据，获取所述无线接入设备的相关数据对应的第一特征图，包括：计算所述无线接入设备的相关数据相对于所有所述召回的无线接入设备指纹数据的特征分布统计信息；将所有所述特征分布统计信息合并为M个通道的W*H*M的矩阵，得到所述相关数据对应的第一特征图，所述M为特征通道数。3.如权利要求2所述定位模型训练方法，其特征在于，所述从所述第一特征图截取以所述相关数据的召回中心为中心的第二特征图，包括：将所述W*H*M的矩阵作为所述第一目标定位模型的输入信息，得到以所述矩形框T_s为预测结果的输出信息；以所述矩形框T_s的中心为所述相关数据的召回中心，从所述第一特征图截取N*N*M大小的特征图作为所述第二特征图， 所述M为特征通道数，所述N为预设值。4.如权利要求1至3任意一项所述定位模型训练方法，其特征在于，所述方法还包括：在以终端发送的定位请求中无线接入设备的相关数据召回无线接入设备指纹库中的无线接入设备指纹数据之前，建立所述无线接入设备指纹库。5.如权利要求4所述定位模型训练方法，其特征在于，所述建立所述无线接入设备指纹库，包括：将每个网格对应的无线接入设备的历史相关数据进行清洗，得到所述每个网格对应的无线接入设备的清洁相关数据；计算所述无线接入设备的清...

【专利技术属性】
技术研发人员：樊旭颖，吴玉花，李隽颖，
申请(专利权)人：深圳依时货拉拉科技有限公司，
类型：发明
国别省市：