【技术实现步骤摘要】
本申请涉及目标追踪，特别是涉及一种轨迹点异常检测方法、智能终端及计算机可读存储介质。
技术介绍
1、在智慧交通建设过程中，对道路监控而言，对监控目标进行准确的跟踪是对实时道路进行感知、分析、预测、控制和决策的重要考量因素。
2、如何安装监控系统采用人工智能手段对交通进行行之有效的管理、处罚和减少交通违章行为已经成为智慧交通领域的重点。准确的对机动车进行跟踪不仅可以有效识别如车辆超速、车辆碰撞等交通事故以便进行及时的安全预警和应急处理，而且可以进一步采取不一样的策略如根据交通实时流量进行道路优化，从而实现交通管理的实时性、可靠性以及智能化。
3、而如今各道路拥有的传感器仅有摄像头，而没有雷达等传感器，因此大多数目标跟踪状态仅能依靠目标检测和目标跟踪以及后续的逻辑判断所决定，而在目标处在遮挡状态下，目标检测的目标位置会发生较大误差和波动，会造成目标跟踪过程中目标发生丢失或者与其他目标混淆的情况，会对后续的事件判断造成极大干扰。
技术实现思路
1、本申请主要解决的技术问题是提供一种轨迹点异常检测方法、智能终端及计算机可读存储介质，以提升目标跟踪的准确度。
2、为了解决上述技术问题，本申请提供一种轨迹点异常检测方法，所述轨迹点异常检测方法包括：从视频画面中获取目标的历史轨迹点；利用所述历史轨迹点拟合得到所述目标的拟合轨迹曲线；根据所述拟合轨迹曲线计算所述历史轨迹点的历史误差，并将所述历史误差标准化处理为正态分布曲线；获取当前轨迹点，基于所述正态分布曲线分
3、其中，所述响应于所述当前轨迹点的异常概率大于异常概率阈值，则确定所述目标追踪异常的步骤，包括：判断所述当前轨迹点的异常概率是否大于所述异常概率阈值；响应于所述当前轨迹点的异常概率大于异常概率阈值，确定所述当前轨迹点对应的目标匹配异常；响应于所述当前轨迹点的异常概率不大于异常概率阈值，确定所述当前轨迹点对应的目标匹配正常。
4、其中，所述从视频画面中获取目标的历史轨迹点的步骤，包括：判断所述目标在所述视频画面中是否存在连续的n帧；n≥2；若是，从所述视频画面中选取目标在n帧的中心点作为历史轨迹点；若否，则不对所述目标进行轨迹点异常检测。
5、其中，所述利用所述历史轨迹点拟合得到所述目标的拟合轨迹曲线的步骤，包括：选择拟合轨迹曲线方程；将所述历史轨迹点代入所述拟合轨迹曲线方程中，计算得到所述拟合轨迹曲线方程的固定系数；将所述固定系数代入所述拟合轨迹曲线方程中得到所述拟合轨迹曲线。
6、其中，所述根据所述拟合轨迹曲线计算所述历史轨迹点的历史误差，并将所述历史误差标准化处理为正态分布曲线的步骤，包括：将所述历史轨迹点的第一坐标代入所述拟合轨迹曲线中计算得到所述历史轨迹点的拟合坐标；计算所述历史轨迹点的第二坐标与所述拟合坐标的差值，得到所述历史轨迹点的历史误差；其中，所述历史轨迹点包括第一坐标和第二坐标。
7、其中，所述获取当前轨迹点，基于所述正态分布曲线分析所述当前轨迹点的异常概率的步骤，包括：获取待匹配目标的当前轨迹点；将所述当前轨迹点代入所述拟合轨迹曲线中计算得到所述当前轨迹点的当前误差；基于所述当前误差以及所述正态分布曲线分析得到所述当前轨迹点的异常概率。
8、其中，所述将所述当前轨迹点代入所述拟合轨迹曲线中计算得到所述当前轨迹点的当前误差的步骤，包括：将所述当前轨迹点的第一坐标代入所述拟合轨迹曲线中计算得到所述当前轨迹点的拟合坐标；计算所述当前轨迹点的第二坐标与所述拟合坐标的差值，得到所述当前轨迹点的当前误差。
9、其中，所述正态分布曲线包括期望值和方差值；所述基于所述正态分布曲线分析所述当前轨迹点的异常概率的步骤，包括：基于所述正态分布曲线的期望和方差计算所述当前轨迹点的当前误差位于所述正态分布曲线的概率区间；查找概率区间对应表得到所述当前轨迹点的异常概率。
10、本申请还提供一种智能终端，该智能终端包括相互耦接的处理器和存储器，存储器用于存储程序指令，处理器用于执行存储器存储的程序指令以实现上述任一实施方式的轨迹点异常检测方法。
11、本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，用于实现上述任一实施方式的轨迹点异常检测方法。
12、本申请的有益效果是：利用历史轨迹点拟合得到目标的拟合轨迹曲线，根据拟合轨迹曲线计算每个历史轨迹点的历史误差，并将历史误差分布经过z-score标准化为正态分布曲线，然后代入当前轨迹点至正态分布曲线图中，得出当前轨迹点对应的目标发现在当前位置的概率，以此判断目标当前轨迹点异常的概率，最后，根据设立异常概率阈值，若过于异常则确定目标追踪异常，以此提升目标跟踪的准确度，降低跟踪目标id乱串的现象。
本文档来自技高网...【技术保护点】
1.一种轨迹点异常检测方法，其特征在于，所述轨迹点异常检测方法包括：
2.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述响应于所述当前轨迹点的异常概率大于异常概率阈值，确定所述目标追踪异常的步骤，包括：
3.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述从视频画面中获取目标的历史轨迹点的步骤，包括：
4.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述利用所述历史轨迹点拟合得到所述目标的拟合轨迹曲线的步骤，包括：
5.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述根据所述拟合轨迹曲线计算所述历史轨迹点的历史误差，并将所述历史误差标准化处理为正态分布曲线的步骤，包括：
6.根据权利要求4所述的轨迹点异常检测方法，其特征在于，所述获取当前轨迹点，基于所述正态分布曲线分析所述当前轨迹点的异常概率的步骤，包括：
7.根据权利要求6所述的轨迹点异常检测方法，其特征在于，所述将所述当前轨迹点代入所述拟合轨迹曲线中计算得到所述当前轨迹点的当前误差的步骤，包括：
8.根据权利
9.一种智能终端，其特征在于，所述智能终端包括相互耦接的处理器和存储器，所述存储器存储有程序指令，所述处理器用于执行存储器存储的程序指令以实现权利要求1～8任一项所述轨迹点异常检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，用于实现权利要求1～8任一项所述的轨迹点异常检测方法。
...【技术特征摘要】
1.一种轨迹点异常检测方法，其特征在于，所述轨迹点异常检测方法包括：
2.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述响应于所述当前轨迹点的异常概率大于异常概率阈值，确定所述目标追踪异常的步骤，包括：
3.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述从视频画面中获取目标的历史轨迹点的步骤，包括：
4.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述利用所述历史轨迹点拟合得到所述目标的拟合轨迹曲线的步骤，包括：
5.根据权利要求1所述的轨迹点异常检测方法，其特征在于，所述根据所述拟合轨迹曲线计算所述历史轨迹点的历史误差，并将所述历史误差标准化处理为正态分布曲线的步骤，包括：
6.根据权利要求4所述的轨迹点异常检测方法...
【专利技术属性】
技术研发人员：刘宇奇，张朋，汪志强，张学涵，王建辉，王仁根，马媛媛，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。