CN115563449A - 个人轨迹检测方法、装置、电子设备和存储介质 - Google Patents
个人轨迹检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115563449A CN115563449A CN202211072144.9A CN202211072144A CN115563449A CN 115563449 A CN115563449 A CN 115563449A CN 202211072144 A CN202211072144 A CN 202211072144A CN 115563449 A CN115563449 A CN 115563449A
- Authority
- CN
- China
- Prior art keywords
- personnel
- weight coefficient
- data
- data source
- obtaining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请提供一种个人轨迹检测方法、装置、电子设备和存储介质,涉及数据处理技术领域,该方法包括:获取与人员位置信息相关联的至少两种不同类型的数据源;根据所述数据源得到预设指标的权重系数,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种;根据所述权重系数确定所述人员处于目标位置的加权可信度;根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹。减小通过单一数据源进行人员轨迹检测时的检测误差,能够结合多种不同类型的数据源对被测人员的轨迹进行分析,提升个人轨迹数据准确度。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种个人轨迹检测方法、装置、电子设备和存储介质。
背景技术
园区网内实现用户定位通常会参考某一类数据进行分析,基于该数据形成个人轨迹,例如,基于楼宇门禁刷卡数据形成一段时间内的个人轨迹,园区内人员在第一时间点通过门禁刷卡进入A楼宇,则判断该人员在后续一段时间内的位置处于A楼宇;该人员在第二时间点通过门禁刷卡进入B楼宇,通过时间先后顺序来形成人员一段时间在园区网内的个人轨迹,则判断该人员在第一时间点到第二时间点之间处于A楼宇,并在第二时间点之后处于B楼宇。
上述方式仅依靠单一数据源进行分析,会存在以下问题:首先单一数据源无法实现园区位置全覆盖,例如可定位用户位置的数据包括门禁楼宇刷卡数据、无线网络数据,楼宇门禁仅在A、B楼宇部署,无线网络仅在B、C楼宇有建设,那么仅依靠门禁楼宇刷卡数据统计则会缺少C楼宇的位置数据,仅依靠无线网络接入数据统计则会缺少A楼宇的位置数据,这样在统计分析个人轨迹时会存在关键数据的缺失。其次,依据单一数据源进行统计分析会与实际情况存在一定误差,例如该人员只是在A楼宇进行门禁刷卡行为,但实际并未进入A楼宇,或者该人员路过B楼宇时由于无线信号漫游手机自动连接B楼宇无线网络,但实际并未进入B楼宇,此时若仅依靠单数据源进行统计分析则会产生无效数据。
由此可知,现有通过单一数据源进行个人轨迹检测的方法准确度不高。
发明内容
有鉴于此,本申请的目的在于提出一种个人轨迹检测方法、装置、电子设备和存储介质,本申请能够针对性的解决现有的问题。
基于上述目的,第一方面,本申请提出了一种个人轨迹检测方法,所述方法包括:获取与人员位置信息相关联的至少两种不同类型的数据源;根据所述数据源得到预设指标的权重系数,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种;根据所述权重系数确定所述人员处于目标位置的加权可信度;根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹。
可选地,在获取与人员位置信息相关联的至少两种不同类型的数据源之后,所述方法包括:对所述数据源中的数据进行数据信息提取,得到数据源类型、人员信息、时间信息以及位置信息。
可选地,所述预设指标为数据源类型,所述根据所述数据源得到预设指标的权重系数,包括:统计预设时间段内所述人员在目标位置的数据源的种类数;根据所述人员在所述目标位置的数据源的种类数和指数函数,得到第一权重系数。
可选地,所述预设指标为在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量,所述根据所述数据源得到预设指标的权重系数,包括:根据所述至少两种不同类型的数据源的位置信息和时间信息,得到所述人员在连续时间段内的位置排序;根据所述位置排序得到连续时间段内同一位置信息的数据源连续出现的数量;根据同一位置信息的数据源连续出现的数量,得到第二权重系数。
可选地,所述预设指标为所述人员在当前位置与前一位置的时间差,所述根据所述数据源得到预设指标的权重系数,包括:获取从所述前一位置到达所述当前位置所需的第一时间;根据所述人员在当前位置与前一位置的时间差与所述第一时间的比值,得到第三权重系数。
可选地,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量和所述人员在当前位置与前一位置的时间差,所述权重系数包括与所述预设指标分别对应的第一权重系数、第二权重系数和第三权重系数,所述根据所述权重系数确定所述人员处于目标位置的加权可信度,包括:计算每一数据源的第一权重系数、第二权重系数和第三权重系数;根据所述第一权重系数、第二权重系数和第三权重系数的乘积,得到所述人员处于目标位置的加权可信度。
可选地,所述根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹,包括:在所述加权可信度大于预设阈值的情况下,确定所述数据源可信;提取可信的数据源中的位置信息,将所述位置信息按照时间顺序排列,得到所述人员的个人轨迹。
第二方面,还提供了一种个人轨迹检测装置,其特征在于,包括:数据获取模块,用于获取与人员位置信息相关联的至少两种不同类型的数据源;权重计算模块,用于根据所述数据源得到预设指标的权重系数,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种;可信度计算模块,用于根据所述权重系数确定所述人员处于目标位置的加权可信度;轨迹获取模块,用于根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹。
第三方面,还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序以实现第一方面所述的方法。
第四方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行实现第一方面任一项所述的方法。
总的来说,本申请的优势及给用户带来的体验在于:
本实施例通过获取与人员位置信息相关联的至少两种不同类型的数据源,再根据数据源得到预设指标的权重系数,该预设指标包括数据源类型、在连续时间段内表征人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种;然后根据权重系数确定所述人员处于目标位置的加权可信度;并根据加权可信度与预设阈值的关系,得到人员的个人轨迹,可以减小通过单一数据源进行人员轨迹检测时的检测误差,能够结合多种不同类型的数据源对被测人员的轨迹进行分析,提升个人轨迹数据准确度。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1示出本申请的个人轨迹检测方法的步骤流程图;
图2示出根据本申请实施例的个人轨迹检测装置的结构示意图;
图3示出本申请一实施例所提供的一种电子设备的结构示意图;
图4示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出本申请的一种个人轨迹检测方法的步骤流程图,该方法可应用于园区定位***,园区定位***可以包括门禁***、人脸识别***和无线网络***等可以进行人员定位和识别的***,具体的该方法可以由园区定位***的服务器或电子设备执行。
参考图1,该方法包括如下步骤S101--S104:
S101、获取与人员位置信息相关联的至少两种不同类型的数据源。
本实施例中,数据源包括出入园区的人员闸机刷卡数据、园区的人脸识别设备的人脸数据以及无线网络数据,或者用户通过应用程序执行的打卡签到数据等。
本实施例通过获取与人员位置信息相关联的至少两种不同类型的数据源,可以减少通过单一数据源进行人员轨迹检测时的检测误差,能够结合多种不同类型的数据源对被测人员的轨迹进行分析,提升个人轨迹数据准确度。
在一个例子中,考虑到获取到的数据源具有不同的类型,则其数据形式可能存在差异,因此,在获取与人员位置信息相关联的至少两种不同类型的数据源之后,本实施例的方法包括:对数据源中的数据进行数据信息提取,得到数据源类型、人员信息、时间信息以及位置信息。
其中,数据源类型包括闸机数据、人脸数据、无线网络数据、通信数据等。人员信息包括人员的用户名或者与用户名对应的智能终端名称等。时间信息包括人员通过闸机刷卡的时间、连接无线网络的时间等。位置信息包括人员刷卡的闸机所在的位置、用户所连接的无线网所在的位置等。
S102、根据数据源得到预设指标的权重系数。
本实施例中预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种。
其中,在预设指标为数据源类型的情况下,根据数据源得到预设指标的权重系数,包括:统计预设时间段内人员在目标位置的数据源的种类数,根据人员在所述目标位置的数据源的种类数和指数函数,得到第一权重系数。
本实施例中,目标位置可以由***管理者自定义设置,例如目标位置是某人员的当前位置,也可以是某人员在历史时间段内的任一位置。
本实施例中,根据人员在所述目标位置的数据源的种类数和指数函数,得到第一权重系数α,其中,第一权重系数α的表达式为:
α=en-1
其中,n为目标位置的数据源的种类数(n≥1)。
例如,在A楼宇仅存在楼宇门禁刷卡数据,无其他数据时,n=1;在B楼宇同时存在楼宇门禁刷卡数据以及无线网络接入数据时,n=2。当目标位置存在多个数据源时,数据源数量越多,则表明该目标位置的数据越可信。
在预设指标为在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量的情况下,根据数据源得到预设指标的权重系数,包括:根据至少两种不同类型的数据源的位置信息和时间信息,得到人员在连续时间段内的位置排序;根据位置排序得到连续时间段内同一位置信息的数据源连续出现的数量;根据同一位置信息的数据源连续出现的数量,得到第二权重系数。
本实施例中,第二权重系数β的表达式为:
β=1+ln k
其中,k为连续时间段内同一位置的数据源连续出现的数量,k越大,则表明该位置的数据越可信。
例如,A、B、C、D为四个楼宇对应的标识,在一个连续时间段内通过数据源提取的位置排序为AABBBBCD,则连续时间段内A楼宇的数据源连续出现的数量ka=2,连续时间段内B楼宇的数据源连续出现的数量kb=4,连续时间段内C楼宇的数据源连续出现的数量kc=1,连续时间段内D楼宇的数据源连续出现的数量kd=1。
在预设指标为所述人员在当前位置与前一位置的时间差的情况下,根据数据源得到预设指标的权重系数,包括:获取从前一位置到达当前位置所需的第一时间;根据人员在当前位置与前一位置的时间差与第一时间的比值,得到第三权重系数。
本实施例中,假设前一位置为A楼宇,当前位置为B楼宇,则前一位置到达当前位置第一时间可以是人员从A楼宇到达B楼宇之间的平均时间。
本实施例中,第三权重系数γ的表达式为:
其中,t1为人员在当前位置的时间戳,t0为人员在前一位置的时间戳,T为第一时间。
可以理解的是,当t1-t0>时,表明人员是可以在t1-t0的时间差内从A楼宇到达B楼宇的,是符合常理的,可信度较大,而在0<t1-t0≤T时,时间差过小,可能存在数据误差,时间差越小,则表明该位置的数据越不可信。因此,本实施例在0<t1-t0≤T时,通过第三权重系数γ来提高数据的可信度。
S103、根据权重系数确定人员处于目标位置的加权可信度。
本实施例中,由于预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源、所述人员在当前位置与前一位置的时间差中的至少一种。则根据预设指标的权重系数确定人员处于目标位置的加权可信度,当预设指标仅包括数据源类型时,则可以根据第一权重系数确定加权可信度,此时加权可信度为第一权重系数。当预设指标仅包括在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量时,则可以根据第二权重系数确定加权可信度,此时加权可信度为第二权重系数。当预设指标仅包括人员在当前位置与前一位置的时间差时,可以根据第三权重系数确定加权可信度,此时加权可信度为第三权重系数。当预设指标包括数据源类型和在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量时,根据第一权重系数和第二权重系数的和得到加权可信度。当预设指标包括数据源类型和人员在当前位置与前一位置的时间差时,根据第一权重系数和第三权重系数的和得到加权可信度。当预设指标包括人员处于同一位置的数据源和在当前位置与前一位置的时间差时,根据第二权重系数和第二权重系数的和得到加权可信度。
可以理解的是,预设指标越多计算结果越精确,因此本实施例的预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量和所述人员在当前位置与前一位置的时间差,权重系数包括与预设指标分别对应的第一权重系数、第二权重系数和第三权重系数,此时,根据权重系数确定人员处于目标位置的加权可信度,包括:计算每一数据源的第一权重系数、第二权重系数和第三权重系数,根据第一权重系数、第二权重系数和第三权重系数的乘积,得到人员处于目标位置的加权可信度。
其中,加权可信度P的表达式为:
P=α×β×γ
其中,α为第一权重系数,β为第二权重系数,γ为第三权重系数。
例如,目标位置为A楼宇,在预设时间段内在A楼宇的数据源种类n=2,则第一权重系数α=e,预设时间段内A楼宇的数据源连续出现的数量ka=2,则第二权重系数β=1+ln2,人员在A楼宇之前的位置为B楼宇,那么假设γ=1,则人员处于A楼宇的加权可信度:
P=e×(1+ln 2)×1≈4.6
以此类推,则可以根据与目标位置关联的所有数据源得到人员处于目标位置的加权可信度。
S104、根据加权可信度与预设阈值的关系,得到人员的个人轨迹。
本实施例通过设置可信的预设阈值,通过预设阈值与加权可信度的大小关系,来确定人员处于目标位置的可信程度。在人员处于目标位置的加权可信度大于预设阈值的情况下,确定数据源可信;提取可信的数据源中的位置信息,将位置信息按照时间顺序排列,得到人员的个人轨迹。
例如,若预设阈值为4,目标位置包括A、B、C、D四个楼宇,按照单一数据源计算方式得到的人员轨迹为ABBBCCDDDDD,而本实施例根据上述步骤S101~S103计算得到人员处于四个楼宇时的加权可信度分别为PA=1、PB=5、PC=4.5、PD=6,则表明人员处于楼宇A时的数据不可信,可能存在该人员的无线终端与A楼宇的局域网相连接但是该人员不处于A楼宇的情况,则在计算人员轨迹时得到的轨迹为BCD。
本实施例通过获取与人员位置信息相关联的至少两种不同类型的数据源,再根据数据源得到预设指标的权重系数,该预设指标包括数据源类型、在连续时间段内表征人员处于同一位置的数据源的数量、所述人员在当前位置与前一位置的时间差中的至少一种;然后根据权重系数确定所述人员处于目标位置的加权可信度;并根据加权可信度与预设阈值的关系,得到人员的个人轨迹,可以减少通过单一数据源进行人员轨迹检测时的检测误差,能够结合多种不同类型的数据源对被测人员的轨迹进行分析,提升个人轨迹数据准确度。
申请实施例提供了一种个人轨迹检测装置,该个人轨迹检测装置用于执行上述实施例所述的个人轨迹检测方法,如图2所示,该个人轨迹检测装置200包括:
数据获取模块210,用于获取与人员位置信息相关联的至少两种不同类型的数据源。
权重计算模块211,用于根据所述数据源得到预设指标的权重系数,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种。
可信度计算模块212,用于根据所述权重系数确定所述人员处于目标位置的加权可信度。
轨迹获取模块213,用于根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹。
在一个可行的例子中,数据获取模块210还用于对所述数据源中的数据进行数据信息提取,得到数据源类型、人员信息、时间信息以及位置信息。
在一个可行的例子中,权重计算模块211还用于统计预设时间段内所述人员在目标位置的数据源的种类数;根据所述人员在所述目标位置的数据源的种类数和指数函数,得到第一权重系数。
在一个可行的例子中,权重计算模块211还用于根据所述至少两种不同类型的数据源的位置信息和时间信息,得到所述人员在连续时间段内的位置排序;根据所述位置排序得到连续时间段内同一位置信息的数据源连续出现的数量;根据同一位置信息的数据源连续出现的数量,得到第二权重系数。
在一个可行的例子中,权重计算模块211还用于获取从所述前一位置到达所述当前位置所需的第一时间;根据所述人员在当前位置与前一位置的时间差与所述第一时间的比值,得到第三权重系数。
在一个可行的例子中,预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量和所述人员在当前位置与前一位置的时间差,可信度计算模块212还用于计算每一数据源的第一权重系数、第二权重系数和第三权重系数;根据所述第一权重系数、第二权重系数和第三权重系数的乘积,得到所述人员处于目标位置的加权可信度。
在一个可行的例子中,轨迹获取模块213还用于在所述加权可信度大于预设阈值的情况下,确定所述数据源可信;提取可信的数据源中的位置信息,将所述位置信息按照时间顺序排列,得到所述人员的个人轨迹。
本申请的上述实施例提供的个人轨迹检测装置与本申请实施例提供的个人轨迹检测方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的个人轨迹检测方法对应的电子设备,以执行上述个人轨迹检测方法。本申请实施例不做限定。
请参考图3,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图3所示,所述电子设备20包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的个人轨迹检测方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的个人轨迹检测方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的个人轨迹检测方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的个人轨迹检测方法对应的计算机可读存储介质,请参考图4,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的个人轨迹检测方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的个人轨迹检测方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备有固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建***中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者***程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干***的单元权利要求中,这些***中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种个人轨迹检测方法,其特征在于,所述方法包括:
获取与人员位置信息相关联的至少两种不同类型的数据源;
根据所述数据源得到预设指标的权重系数,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种;
根据所述权重系数确定所述人员处于目标位置的加权可信度;
根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹。
2.根据权利要求1所述的方法,其特征在于,在获取与人员位置信息相关联的至少两种不同类型的数据源之后,所述方法包括:
对所述数据源中的数据进行数据信息提取,得到数据源类型、人员信息、时间信息以及位置信息。
3.根据权利要求1所述的方法,其特征在于,所述预设指标为数据源类型,所述根据所述数据源得到预设指标的权重系数,包括:
统计预设时间段内所述人员在目标位置的数据源的种类数;
根据所述人员在所述目标位置的数据源的种类数和指数函数,得到第一权重系数。
4.根据权利要求1所述的方法,其特征在于,所述预设指标为在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量,所述根据所述数据源得到预设指标的权重系数,包括:
根据所述至少两种不同类型的数据源的位置信息和时间信息,得到所述人员在连续时间段内的位置排序;
根据所述位置排序得到连续时间段内同一位置信息的数据源连续出现的数量;
根据同一位置信息的数据源连续出现的数量,得到第二权重系数。
5.根据权利要求1所述的方法,其特征在于,所述预设指标为所述人员在当前位置与前一位置的时间差,所述根据所述数据源得到预设指标的权重系数,包括:
获取从所述前一位置到达所述当前位置所需的第一时间;
根据所述人员在当前位置与前一位置的时间差与所述第一时间的比值,得到第三权重系数。
6.根据权利要求1所述的方法,其特征在于,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量和所述人员在当前位置与前一位置的时间差,所述权重系数包括与所述预设指标分别对应的第一权重系数、第二权重系数和第三权重系数,所述根据所述权重系数确定所述人员处于目标位置的加权可信度,包括:
计算每一数据源的第一权重系数、第二权重系数和第三权重系数;
根据所述第一权重系数、第二权重系数和第三权重系数的乘积,得到所述人员处于目标位置的加权可信度。
7.根据权利要求1所述的方法,其特征在于,所述根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹,包括:
在所述加权可信度大于预设阈值的情况下,确定所述数据源可信;
提取可信的数据源中的位置信息,将所述位置信息按照时间顺序排列,得到所述人员的个人轨迹。
8.一种个人轨迹检测装置,其特征在于,包括:
数据获取模块,用于获取与人员位置信息相关联的至少两种不同类型的数据源;
权重计算模块,用于根据所述数据源得到预设指标的权重系数,所述预设指标包括数据源类型、在连续时间段内表征所述人员处于同一位置的数据源连续出现的数量、所述人员在当前位置与前一位置的时间差中的至少一种;
可信度计算模块,用于根据所述权重系数确定所述人员处于目标位置的加权可信度;
轨迹获取模块,用于根据所述加权可信度与预设阈值的关系,得到所述人员的个人轨迹。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211072144.9A CN115563449A (zh) | 2022-09-02 | 2022-09-02 | 个人轨迹检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211072144.9A CN115563449A (zh) | 2022-09-02 | 2022-09-02 | 个人轨迹检测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115563449A true CN115563449A (zh) | 2023-01-03 |
Family
ID=84739465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211072144.9A Pending CN115563449A (zh) | 2022-09-02 | 2022-09-02 | 个人轨迹检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115563449A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116776014A (zh) * | 2023-07-10 | 2023-09-19 | 和智信(山东)大数据科技有限公司 | 多源轨迹数据表示方法及装置 |
CN117368953A (zh) * | 2023-12-08 | 2024-01-09 | 深圳咸兑科技有限公司 | 混合定位方法、装置、电子设备及计算机可读存储介质 |
-
2022
- 2022-09-02 CN CN202211072144.9A patent/CN115563449A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116776014A (zh) * | 2023-07-10 | 2023-09-19 | 和智信(山东)大数据科技有限公司 | 多源轨迹数据表示方法及装置 |
CN116776014B (zh) * | 2023-07-10 | 2024-01-16 | 和智信(山东)大数据科技有限公司 | 多源轨迹数据表示方法及装置 |
CN117368953A (zh) * | 2023-12-08 | 2024-01-09 | 深圳咸兑科技有限公司 | 混合定位方法、装置、电子设备及计算机可读存储介质 |
CN117368953B (zh) * | 2023-12-08 | 2024-03-22 | 深圳咸兑科技有限公司 | 混合定位方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115563449A (zh) | 个人轨迹检测方法、装置、电子设备和存储介质 | |
CN108932456B (zh) | 人脸识别方法、装置和***及存储介质 | |
CN112561948B (zh) | 基于时空轨迹的伴随轨迹识别方法、设备及存储介质 | |
CN109165691B (zh) | 用于识别作弊用户的模型的训练方法、装置及电子设备 | |
US10397753B2 (en) | Systems and methods for fusing inertial and bluetooth low energy sensor data for localization | |
CN110188862B (zh) | 用于数据处理的模型超参数的搜索方法、装置、*** | |
CN108733756B (zh) | 数据预加载方法、装置、电子设备及可读存储介质 | |
CN104703215B (zh) | 一种室内信号强度异常诊断方法及*** | |
CN111104438A (zh) | 时间序列的周期性确定方法、装置及电子设备 | |
CN109102324B (zh) | 模型训练方法、基于模型的红包物料铺设预测方法及装置 | |
CN110472162A (zh) | 评估方法、***、终端及可读存储介质 | |
CN114120221A (zh) | 基于深度学习的环境核查方法、电子设备及存储介质 | |
CN113132891B (zh) | 一种基于移动信令的客流统计方法和*** | |
CN109145821B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN110796178B (zh) | 决策模型训练方法及样本特征选择方法、装置和电子设备 | |
CN117056620A (zh) | 一种基于职业信息处理业务的方法、装置、设备及介质 | |
CN112203324B (zh) | 一种基于位置指纹库的mr定位方法及装置 | |
CN111132309B (zh) | 一种定位方法、装置、服务器及存储介质 | |
CN106649064B (zh) | 一种应用操作监测方法及装置 | |
CN112101865B (zh) | 等待时间获取方法、装置、计算机设备及可读存储介质 | |
US20170185630A1 (en) | Biometric-data-based ratings | |
CN113470079A (zh) | 一种落脚区域的输出方法、装置及电子设备 | |
CN112560765A (zh) | 基于行人重识别的人流统计方法、***、设备及存储介质 | |
CN112269940A (zh) | 数据处理方法及装置 | |
CN112581500A (zh) | 用于在目标跟踪中匹配行人和人脸的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |