【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种人体移动轨迹恢复方法和装置。
技术介绍
1、随着移动设备和基于位置的社交网络的普及，人们积累了大量的人类移动数据。然而，由于移动数据采样设备的采样率低或用户隐私的限制，真实轨迹数据的采集非常稀疏，损害了下游应用的性能。例如，对于城市规划和交通调度，由于缺乏个人位置记录，很难准确估计城市中每小时的人群流量，从而及时进行调度和响应。对于推荐系统，如果没有足够的轨迹记录，推荐适当的兴趣点(points of interest)会变得异常困难。因此，通过在细粒度的时空维度上建模人类的移动模式来恢复个体的移动轨迹非常重要。
2、人类轨迹恢复的常见解决方案是基于模型的方法。这类方法假设人类的移动性可以用具有明确物理意义的有限参数来建模，这些参数描述了人类移动性的关键特征和模式，如空间连续性、时间周期性等。基于模型的轨迹恢复方法倾向于简化人类移动行为，忽略了复杂的人类移动行为，并不能准确地模拟真实世界的移动行为。轨迹恢复的另一类解决方案是数据驱动的方法，可以从大量轨迹数据中挖掘出来复杂的移动性特征。这类...
【技术保护点】
1.一种人体移动轨迹恢复方法，其特征在于，包括：
2.根据权利要求1所述的人体移动轨迹恢复方法，其特征在于，利用样本的轨迹移动特征和样本的当前轨迹进行训练，得到所述轨迹扩散模型，具体包括：
3.根据权利要求2所述的人体移动轨迹恢复方法，其特征在于，利用个体历史处理器从各所述样本的个体历史轨迹中提取周期特征，具体包括：
4.根据权利要求3所述的人体移动轨迹恢复方法，其特征在于，利用第一表达式计算头部h下的时隙t和k之间的相似性所述第一表达式为：
5.根据权利要求2所述的人体移动轨迹恢复方法，其特征在于，利用第二表达式，基于...
【技术特征摘要】
1.一种人体移动轨迹恢复方法，其特征在于，包括：
2.根据权利要求1所述的人体移动轨迹恢复方法，其特征在于，利用样本的轨迹移动特征和样本的当前轨迹进行训练，得到所述轨迹扩散模型，具体包括：
3.根据权利要求2所述的人体移动轨迹恢复方法，其特征在于，利用个体历史处理器从各所述样本的个体历史轨迹中提取周期特征，具体包括：
4.根据权利要求3所述的人体移动轨迹恢复方法，其特征在于，利用第一表达式计算头部h下的时隙t和k之间的相似性所述第一表达式为：
5.根据权利要求2所述的人体移动轨迹恢复方法，其特征在于，利用第二表达式，基于头部h下的时隙t和k之间的相似性对于样本u的第p个历史轨迹的第t个时隙，通过从聚合第p个历史轨迹的所有时隙中信息的相似性，获得位移感知嵌入所述第二表达式为：
6....
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。