一种时空轨迹构建方法、系统、设备和介质技术方案

本发明专利技术提出一种时空轨迹构建方法、系统、设备和介质，包括：获取一个或多个目标对象的时空信息，并根据所述时空信息对同一目标对象的位置信息进行聚类，获取聚类簇；根据所述聚类簇，获取对应目标对象的时空轨迹；本发明专利技术可有效提高时空轨迹异常检测的效率。有效提高时空轨迹异常检测的效率。有效提高时空轨迹异常检测的效率。

【技术实现步骤摘要】
一种时空轨迹构建方法、系统、设备和介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种时空轨迹构建方法、系统、设备和介质。

技术介绍

[0002]基于时空轨迹分析和刻画人的行为规律，如落脚点、常去点和异常点等，对防控工作具有重要意义。
[0003]传统的方法依赖业务专家进行人工分析，主要通过查看监控记录、实地走访和现场勘察等方法进行判断。该方法对业务专家的经验要求高、耗费时间长、利用的信息不够全面，难以适应复杂多变的业务场景。
[0004]随着街面、社区和建筑内的监控设备的增加以及人脸识别、手机信令采集技术的成熟，人工智能技术在行为分析中得到了广泛应用。人脸识别算法能够快速处理海量抓拍数据，自动刻画每个人的时空轨迹，大大缩短了人工查看监控记录的时间，提升了分析效率。但现有方法仍有以下不足：
[0005]一、落脚点或频繁点方面
[0006]1)人在连续采集设备(如摄像头)下徘徊或暂时逗留时，会短时间内产生多条记录，而这些行为的发生地并不算落脚点；
[0007]2)人的落脚点、频繁点等应为某个区域，如小区、超市、商场等，这些区域往往有多个出口，只靠单个采集设备无法刻画出这些地点；
[0008]3)现有轨迹分析主要依靠人工设置条件进行实时查询，时间跨度越大，消耗时间越长，因此往往选取的时间跨度较小，考虑的信息全面性不足；
[0009]二、异常点方面
[0010]1)现有异常轨迹的发现缺乏实时性；
[0011]2)考虑的时间跨度往往比较短，并未分析历史规律，如后半夜频繁出现则视为异常，该方法容误报率较高。
[0012]3)异常轨迹的发现未考虑频次特征和人活动的规律性。

技术实现思路

[0013]鉴于以上现有技术存在的问题，本专利技术提出一种时空轨迹构建方法、系统、设备和介质，主要解决现有时空轨迹检测依赖专家经验，难以适应复杂多变的应用场景的问题。
[0014]为了实现上述目的及其他目的，本专利技术采用的技术方案如下。
[0015]一种时空轨迹构建方法，包括：
[0016]获取一个或多个目标对象的时空信息，并根据所述时空信息对同一目标对象的位置信息进行聚类，获取聚类簇；
[0017]根据所述聚类簇，获取对应目标对象的时空轨迹。
[0018]可选地，所述时空信息包括目标对象的位置信息和出现时间信息，获取每个聚类簇中每个位置信息的出现次数和出现时间，将出现次数最多对应的位置信息作为对应聚类
簇的簇中心位置，预定时间段内的不同簇中心位置构成所述时空轨迹。
[0019]可选地，所述获取每个聚类簇中每个位置信息的出现次数和出现时间，包括：若在预设的时间阈值内，所述目标对象出现了多次，则设置所述目标对象的出现次数为一次；
[0020]若聚类簇内的多个位置间的距离小于预设的距离阈值，则取其中一个位置代替所述多个位置信息。
[0021]可选地，获取聚类簇的过程包括：获取所述目标对象的多个位置信息及与各位置相邻的领域位置信息，针对每个位置及对应的领域位置，基于密度是否可达确定所述目标对象的每个聚类簇。
[0022]可选地，设置时间区间，获取所述时间区间内对应目标对象的所有位置信息，确定在所述时间区间内的目标对象的时空轨迹。
[0023]可选地，获取所述聚类簇的方法包括以下之一：DBSCAN算法、MDCA算法、OPTICS 算法。
[0024]可选地，还包括：获取目标对象的身份信息，根据所述时空轨迹和所述身份信息确定对应目标对象的异常点。
[0025]可选地，若某一目标对象对应的时空轨迹不符合预设的时空轨迹，或者时空轨迹发生变化，则确认所述某一目标为异常目标，并获取所述时空轨迹中的异常位置信息。
[0026]可选地，获取所述时空轨迹中的异常位置信息之前：
[0027]获取目标对象在所述时空轨迹中各个位置信息出现的天数占比；
[0028]获取所述时空轨迹中每个位置信息出现的时长占比；
[0029]获取所述时空轨迹中每个位置信息出现次数最多的时间段占比；
[0030]根据所述天数占比、时长占比、时间段占比获取所述异常位置信息。
[0031]一种时空轨迹构建系统，包括：
[0032]聚类模块，用于获取一个或多个目标对象的时空信息，并根据所述时空信息对同一目标对象的位置信息进行聚类，获取聚类簇；；
[0033]轨迹生成模块，用于根据所述聚类簇，获取对应目标对象的时空轨迹。
[0034]可选地，所述时空信息包括目标对象的位置信息和出现时间信息，所述轨迹生成模块获取每个聚类簇中每个位置信息的出现次数和出现时间，将出现次数最多对应的位置信息作为对应聚类簇的簇中心位置，预定时间段内的不同簇中心位置构成所述时空轨迹。
[0035]可选地，所述轨迹生成模块包括去重单元，用于若在预设的时间阈值内，所述目标对象出现了多次，则设置所述目标对象的出现次数为一次；
[0036]若聚类簇内的多个位置间的距离小于预设的距离阈值，则取其中一个位置代替所述多个位置信息。
[0037]可选地，所述聚类模块包括聚类簇获取单元，用于获取所述目标对象的多个位置信息及与各位置相邻的领域位置信息，针对每个位置及对应的领域位置，基于密度是否可达确定所述目标对象的每个聚类簇。
[0038]可选地，所述轨迹生成模块还包括时间设置单元，用于设置时间区间，获取所述时间区间内对应目标对象的所有位置信息，确定在所述时间区间内的目标对象的时空轨迹。
[0039]可选地，包括异常检测模块，用于获取目标对象的身份信息，根据所述时空轨迹和所述身份信息确定对应目标对象的异常点；所述异常检测模块与所述轨迹生成模块连接。
[0040]一种设备，包括：
[0041]一个或多个处理器；和
[0042]其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行所述的时空轨迹构建方法。
[0043]一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的时空轨迹构建方法。
[0044]如上所述，本专利技术一种时空轨迹构建方法、系统、设备和介质，具有以下有益效果。
[0045]可同时检测多个目标对象的时空轨迹，提高检测效率；通过聚类构建时空轨迹，基于时空轨迹进行目标对象行为分析，可有效提高检测准确率。
附图说明
[0046]图1为本专利技术一实施例中时空轨迹构建方法的流程图。
[0047]图2为本专利技术一实施例中时空轨迹构建系统的模块图。
[0048]图3为本专利技术一实施例中终端设备的结构示意图。
[0049]图4为本专利技术一实施例中终端设备的结构示意图。
[0050]图5为本专利技术一实施例中密度聚类效果对比图。
[0051]图6为本专利技术一实施例中异常点示意图。
具体实施方式
[0052]以下通过特定的具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时空轨迹构建方法，其特征在于，包括：获取一个或多个目标对象的时空信息，并根据所述时空信息对同一目标对象的位置信息进行聚类，获取聚类簇；根据所述聚类簇，获取对应目标对象的时空轨迹。2.根据权利要求1所述的时空轨迹构建方法，其特征在于，所述时空信息包括目标对象的位置信息和出现时间信息，获取每个聚类簇中每个位置信息的出现次数和出现时间，将出现次数最多对应的位置信息作为对应聚类簇的簇中心位置，预定时间段内的不同簇中心位置构成所述时空轨迹。3.根据权利要求2所述的时空轨迹构建方法，其特征在于，所述获取每个聚类簇中每个位置信息的出现次数和出现时间，包括：若在预设的时间阈值内，所述目标对象出现了多次，则设置所述目标对象的出现次数为一次；若聚类簇内的多个位置间的距离小于预设的距离阈值，则取其中一个位置代替所述多个位置信息。4.根据权利要求1所述的时空轨迹构建方法，其特征在于，获取聚类簇的过程包括：获取所述目标对象的多个位置信息及与各位置相邻的领域位置信息，针对每个位置及对应的领域位置，基于密度是否可达确定所述目标对象的每个聚类簇。5.根据权利要求1所述的时空轨迹构建方法，其特征在于，设置时间区间，获取所述时间区间内对应目标对象的所有位置信息，确定在所述时间区间内的目标对象的时空轨迹。6.根据权利要求1至5中任一项所述的时空轨迹构建方法，其特征在于，获取所述聚类簇的方法包括以下之一：DBSCAN算法、MDCA算法、OPTICS算法。7.根据权利要求1所述的时空轨迹构建方法，其特征在于，还包括：获取目标对象的身份信息，根据所述时空轨迹和所述身份信息确定对应目标对象的异常点。8.根据权利要求1或7所述的时空轨迹构建方法，其特征在于，若某一目标对象对应的时空轨迹不符合预设的时空轨迹，或者时空轨迹发生变化，则确认所述某一目标为异常目标，并获取所述时空轨迹中的异常位置信息。9.根据权利要求8所述的时空轨迹异常检测方法，其特征在于，获取所述时空轨迹中的异常位置信息之前：获取目标对象在所述时空轨迹中各个位置信息出现的天数占比；获取所述时空轨迹中每个位置信息出现的时长占比；获取所述时空轨迹中每个位置信息出现次...

【专利技术属性】
技术研发人员：周曦，姚志强，邱凌峰，郑志骏，
申请(专利权)人：四川云从天府人工智能科技有限公司，
类型：发明
国别省市：