一种用户轨迹识别预测方法、装置及电子设备制造方法及图纸

本发明专利技术提供一种用户轨迹识别预测方法、装置及电子设备，所述方法包括：获取用户的生物特征数据；将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中，得到用户的初步轨迹信息；遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据；将所述多个网格数据以及所述初步轨迹信息输入到训练完成的用户轨迹精准化识别预测模型中，得到用户的精准化轨迹信息。本发明专利技术提供的用户轨迹识别预测方法，能够提高用户路线的精准识别，满足行内安全预警的要求。满足行内安全预警的要求。满足行内安全预警的要求。

【技术实现步骤摘要】
一种用户轨迹识别预测方法、装置及电子设备


[0001]本专利技术涉及图像数据处理
，尤其涉及一种用户轨迹识别预测方法、装置及电子设备。

技术介绍

[0002]基于位置的用户移动轨迹预测是一项重要技术，在日常生活中，人们不断地从一个地方移动到另一个地方，但移动规律各不相同。
[0003]目前，通过人脸抓拍设备捕捉人脸照片，基于AI识别技术识别人员所在位置。由于摄像机所在位置不是人员位置，是摄像机镜头拍摄区域，拍摄区域又根据1平米计算单位，有细节划分。现有的技术因为摄像机只能从上对下拍摄，需要不断更正摄像机对照位置，导致AI识别的时候数据可能会丢失，同时因低头抬头等问题，导致轨迹路径不够准确。

技术实现思路

[0004]本专利技术提供一种用户轨迹识别预测方法、装置及电子设备，用以解决现有技术中由于不断调整摄像机的位置导致用户轨迹识别不够准确的技术问题，以实现通过训练完成的用户轨迹精准化识别预测模型来提高用户轨迹识别的准确性的目的。
[0005]第一方面，本专利技术提供一种用户轨迹识别预测方法，包括：
[0006]获取用户的生物特征数据；
[0007]将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中，得到用户的初步轨迹信息；
[0008]遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据；
[0009]将所述多个网格数据以及所述初步轨迹信息输入到训练完成的用户轨迹精准化识别预测模型中，得到用户的精准化轨迹信息。r/>[0010]进一步，根据本专利技术提供的用户轨迹识别预测方法，所述将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中之前，包括：
[0011]对所述生物特征数据进行缩放、灰化预处理和维度调整处理。
[0012]进一步，根据本专利技术提供的用户轨迹识别预测方法，所述用户轨迹精准化识别预测模型包括分类层和回归分析层，其中，所述分类层用于对框选出的所述多个网格数据进行分值计算和类别确定，得到每个网格数据的分值和类别；
[0013]所述回归分析层用于根据输入的分值和类别以及训练得到的权重矩阵对每个网格数据的长宽高进行微调，得到调整后的网格数据；
[0014]所述回归分析层还用于根据调整后的网格数据以及所述初步轨迹信息，得到用户的精准化轨迹信息。
[0015]进一步，根据本专利技术提供的用户轨迹识别预测方法，所述遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据，包括：
[0016]遍历根据所述生物特征数据得到的特征图上的像素点，以所述像素点为中心生成多个超级参数；
[0017]根据所述多个超级参数和所诉像素点得到多个选框；
[0018]将所述多个选框确定为多个网格数据。
[0019]进一步，根据本专利技术提供的用户轨迹识别预测方法，所述获取用户的生物特征数据之前，包括：
[0020]获取多个用户的生物样本数据；
[0021]对所述多个用户的生物样本数据进行预处理和降维度处理，得到多个用户的生物样本特征向量数据；
[0022]基于所述多个用户的生物样本特征向量数据训练用户轨迹识别预测模型。
[0023]进一步，根据本专利技术提供的用户轨迹识别预测方法，所述用户轨迹识别预测模型包括卷积层、池化层和全连接层，其中，所述基于所述多个用户的生物样本特征向量数据训练用户轨迹识别预测模型，包括：
[0024]步骤S1：利用待训练的用户轨迹识别预测模型对每个用户的生物样本特征向量数据进行卷积层、池化层和全连接层的图像信息提取；
[0025]步骤S2：基于所述图像信息提取结果，得到每个用户的轨迹信息；
[0026]步骤S3：根据所述每个用户的轨迹信息与所述每个用户的生物样本特征向量数据的标注轨迹信息，判断是否满足模型训练终止条件，当不满足模型训练终止条件时，调整所述用户轨迹识别预测模型，利用经过调整的用户轨迹识别预测模型重新执行步骤S1；当满足模型训练终止条件时，得到经过训练的用户轨迹识别预测模型。
[0027]进一步，根据本专利技术提供的用户轨迹识别预测方法，所述对所述生物特征数据进行维度调整处理，包括：
[0028]对所述生物特征数据进行降维度处理。
[0029]第二方面，本专利技术还提供一种用户轨迹识别预测装置，所述装置包括：
[0030]获取模块，用于获取用户的生物特征数据；
[0031]输入模块，用于将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中，得到用户的初步轨迹信息；
[0032]遍历模块，用于遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据；
[0033]得到模块，用于将所述多个网格数据以及所述初步轨迹信息输入到训练完成的用户轨迹精准化识别预测模型中，得到用户的精准化轨迹信息。
[0034]第三方面，本专利技术还提供一种电子设备，包括：处理器、存储器和总线，其中，
[0035]所述处理器和所述存储器通过所述总线完成相互间的通信；
[0036]所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求用户轨迹识别预测方法的步骤。
[0037]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使计算机执行如上所述用户轨迹识别预测方法的步骤。
[0038]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序
被处理器执行时实现如上任一项所述用户轨迹识别预测方法的步骤。
[0039]本专利技术提供一种用户轨迹识别预测方法、装置及电子设备，所述方法包括：获取用户的生物特征数据；将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中，得到用户的初步轨迹信息；遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据；将所述多个网格数据以及所述初步轨迹信息输入到训练完成的用户轨迹精准化识别预测模型中，得到用户的精准化轨迹信息。本专利技术提供的用户轨迹识别预测方法，能够提高用户路线的精准识别，满足行内安全预警的要求。
附图说明
[0040]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0041]图1是本专利技术提供的一种用户轨迹识别预测方法的整体流程示意图；
[0042]图2是本专利技术提供的用户轨迹识别预测方法的具体流程示意图；
[0043]图3是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0044]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户轨迹识别预测方法，其特征在于，包括：获取用户的生物特征数据；将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中，得到用户的初步轨迹信息；遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据；将所述多个网格数据以及所述初步轨迹信息输入到训练完成的用户轨迹精准化识别预测模型中，得到用户的精准化轨迹信息。2.根据权利要求1所述的用户轨迹识别预测方法，其特征在于，所述将所述生物特征数据输入预先训练完成的用户轨迹识别预测模型中之前，包括：对所述生物特征数据进行缩放、灰化预处理和维度调整处理。3.根据权利要求1所述的用户轨迹识别预测方法，其特征在于，所述用户轨迹精准化识别预测模型包括分类层和回归分析层，其中，所述分类层用于对框选出的所述多个网格数据进行分值计算和类别确定，得到每个网格数据的分值和类别；所述回归分析层用于根据输入的分值和类别以及训练得到的权重矩阵对每个网格数据的长宽高进行微调，得到调整后的网格数据；所述回归分析层还用于根据调整后的网格数据以及所述初步轨迹信息，得到用户的精准化轨迹信息。4.根据权利要求1所述的用户轨迹识别预测方法，其特征在于，所述遍历根据所述生物特征数据得到的特征图上的像素点，以像素点进行框选得到多个网格数据，包括：遍历根据所述生物特征数据得到的特征图上的像素点，以所述像素点为中心生成多个超级参数；根据所述多个超级参数和所诉像素点得到多个选框；将所述多个选框确定为多个网格数据。5.根据权利要求1所述的用户轨迹识别预测方法，其特征在于，所述获取用户的生物特征数据之前，包括：获取多个用户的生物样本数据；对所述多个用户的生物样本数据进行预处理和降维度处理，得到多个用户的生物样本特征向量数据；基于所述多个用户的生物样本特征向量数据训...

【专利技术属性】
技术研发人员：林森，凌永志，况春梅，
申请(专利权)人：上海汉朔信息科技有限公司，
类型：发明
国别省市：