活动轨迹确定方法、装置、计算机设备及可读存储介质制造方法及图纸

本发明专利技术实施例提供了一种活动轨迹确定方法、装置、计算机设备及可读存储介质，涉及数据处理技术领域，其中，该方法包括：将每条轨迹点信息中的经纬度处理为GeoHash编码；将GeoHash编码中预设数量的前缀字符相同的轨迹点信息划分为一个类，得到多个类；根据各条轨迹点信息之间的特征相似度，将各条轨迹点信息划分为多个轨迹组；确定每个迹组的特征平均值；根据每个类对应的GeoHash编码所表示的地理位置，确定地理位置相邻的每两个类；根据相邻的每两个类中轨迹组的特征平均值之间的特征相似度，对相邻的每两个类中的轨迹组合并得到一个类，对多个类进行两两合并后，得到一个新的类，该新的类包括至少一个轨迹组。新的类包括至少一个轨迹组。新的类包括至少一个轨迹组。

【技术实现步骤摘要】
活动轨迹确定方法、装置、计算机设备及可读存储介质


[0001]本专利技术涉及数据处理
，特别涉及一种活动轨迹确定方法、装置、计算机设备及可读存储介质。

技术介绍

[0002]一条轨迹点信息是指包含时空信息的任务特征信息，其通常包括有时间戳、坐标（经纬度）、个体特征（例如，可以是人类个体的生物特征，也可以是车牌号等物体的标识特征）及其他信息等要素信息。其中，个体特征是最关键的信息，可以进行精确比对或者模糊比对，个体特征为生物特征时，常用的生物特征如指纹信息、人脸特征信息、瞳孔信息等。其他信息较广泛，如采集设备的唯一标识、环境信息（如天气、光照等）。
[0003]以人脸采集为例，假设在各个地理环境上部署了若干人脸采集设备，基于这些设备，可以收集每一条轨迹点信息的要素信息，每一条轨迹点信息表示一个轨迹点，进而得到地理上离散的多个轨迹点。轨迹点信息的示例如下表1所示。
[0004]表1上述表1描述了4条轨迹点信息，每条轨迹点信息包含时空信息和人脸特征。基于以上轨迹点信息，可以设计算法进行轨迹聚合。假设轨迹点信息1、2、4是同一个人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活动轨迹确定方法，其特征在于，包括：获取多条轨迹点信息，将其中每条所述轨迹点信息中的经纬度处理为GeoHash编码，每条所述轨迹点信息至少包括一个轨迹点的经纬度以及个体特征；将GeoHash编码中预设数量的前缀字符相同的轨迹点信息划分为一个类，以得到多个类；在每个类中，根据各条所述轨迹点信息之间的特征相似度，将各条所述轨迹点信息划分为多个轨迹组，其中，每个所述轨迹组包括至少一条所述轨迹点信息；在每个类中，根据每个所述轨迹组包括的所述轨迹点信息的特征，确定每个所述轨迹组的特征平均值；根据每个类对应的GeoHash编码所表示的地理位置，确定地理位置相邻的每两个类；根据相邻的每两个类中所述轨迹组的特征平均值之间的特征相似度，对相邻的每两个类中的所述轨迹组进行合并得到一个类，对多个类进行两两合并后，得到一个新的类，该新的类包括至少一个轨迹组，其中，所述至少一个轨迹组中每个轨迹组所包括的轨迹点信息均对应于属于同一个体的个体特征；将该新的类中每个轨迹组包括的轨迹点信息聚合为同一个体的一条活动轨迹。2.如权利要求1所述的活动轨迹确定方法，其特征在于，在每个类中，根据各条所述轨迹点信息之间的特征相似度，将各条所述轨迹点信息划分为多个轨迹组，包括：在每个类中，针对该类中的每条所述轨迹点信息，计算该条所述轨迹点信息与除了自身之外的其他各条所述轨迹点信息之间的第一特征相似度，生成第一相似度对，其中，所述第一相似度对包括计算第一特征相似度的两条所述轨迹点信息以及对应的第一特征相似度值；根据第一预设相似度阈值，将第一特征相似度值大于所述第一预设相似度阈值的第一相似度对确定为有效第一相似度对，并根据第一特征相似度值由大到小的顺序对所述有效第一相似度对进行排序，得到第一顺序；生成第一预设数量个第一集合，分别将该类中的每条所述轨迹点信息放入一个第一集合内，其中，所述第一预设数量与该类包括的所述轨迹点信息的数量相同；根据所述第一顺序依次遍历每个所述有效第一相似度对，并对每个所述有效第一相似度对执行以下步骤：判断每个所述有效第一相似度对中的两条所述轨迹点信息是否在同一个第一集合内；若否，则计算两条所述轨迹点信息分别所在的两个第一集合的特征平均值之间的第二特征相似度；判断所述第二特征相似度是否大于第二预设相似度阈值；若是，则将两条所述轨迹点信息分别所在的两个第一集合进行合并，得到一个新的第一集合，并计算新的第一集合的特征平均值，在遍历所述第一顺序结束时，每个第一集合所包括的所述轨迹点信息构成一个所述轨迹组，其中，每个第一集合的特征平均值是每个第一集合所包括的所述轨迹点信息的特征的平均值。3.如权利要求1所述的活动轨迹确定方法，其特征在于，在每个类中，根据每个所述轨迹组包括的所述轨迹点信息的特征，确定每个所述轨迹组的特征平均值，包括：在每个类的每个所述轨迹组中，针对每条所述轨迹点信息，计算该条所述轨迹点信息
与除了自身之外的其他每条所述轨迹点信息之间的特征相似度，得到多个特征相似度；计算多个特征相似度的平均值，将该平均值确定为该条所述轨迹点信息的平均特征相似度；按照平均特征相似度由大到小的顺序对各条所述轨迹点信息进行排序，将预设排位前的各个所述轨迹点信息确定为关键轨迹点；对所有所述关键轨迹点的特征计算平均值，将该平均值确定为该所述轨迹组的特征平均值。4.如权利要求1所述的活动轨迹确定方法，其特征在于，根据相邻的每两个类中所述轨迹组的特征平均值之间的特征相似度，对相邻的每两个类中的所述轨迹组进行合并得到一个类，对多个类进行两两合并后，得到一个新的类，包括：循环执行以下步骤，直至当前的类的数量为1时，结束循环：判断当前的类的数量是否为1；若否，则根据相邻的每两个类中所述轨迹组的特征平均值之间的特征相似度，对相邻的每两个类中的所述轨迹组进行合并得到一个类。5.如权利要求1所述的活动轨迹确定方法，其特征在于，根据相邻的每两个类中所述轨迹组的特征平均值之间的特征相似度，对相邻的每两个类中的所述轨迹组进行合并得到一个类，包...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：