[发明专利]一种楼宇运动物体轨迹相似性度量方法

权利要求书

1.本发明涉及一种楼宇运动物体相似性的测量方法：

步骤一：提出了一种轨迹重建算法，并定义了相应的位置偏差和角度偏差阈值，精简保证基于庞大冗杂的轨迹轨迹数据的完整性，

步骤二：独立轨迹的时空相似度计算模型：轨迹距离计算采用三维轨迹投影技术，对空间轨迹计算公式给出距离：SLIP (T, R) = ∑ Area_i*ω_i*h_i，

其中Area，ω_i，h分别是移动轨迹投影相交面积，权重系数，移动轨迹投影距离，

运动轨迹的时间距离计算分为两种方式：时间的交点和时间的交点，

步骤三：为移动轨迹相似度计算的语义扩展的位置，语义联想lsr_tree树结构来描述语义位置之间的关系设计的位置，和树节点定义的轨道位置的语义距离高度之间的关系，设计语义距离提取算法，

步骤四：把范围数据的标准方法将不同单位、不同大小的轨迹距离归一化，原始数据映射到区间[0,1]之间的数据，获得移动轨迹的时空语义综合相似，

第一步，首先定义了特征点的运动轨迹：TR的楼宇运动物体轨迹设计，角度偏移阈值ω，位置距离阈值d，，若p_i.label= “电梯”或“扶梯”,或者D_θpi>d，或者D_pi>d，则p_i是一个特征点，轨迹的开始点和结束点自动归为特征点，

最小欧氏距离偏移距离阈值D通过相邻轨道的特征向量与采样点之间的连接的标记位点，标记向量和采样点连接角计算收入偏移距离阈值ω之间的角度，

第二步，每个运动轨迹的TR，根据特征点提取算法，我们可以得到的位置设定为代表的特征点CPs={cp₁,…, cp_m}，

特征点序列中，每两个相邻的特征点按到达时间的先后组成一条轨迹段L，由此该条轨迹便可以表示为多个3D线段组成的有向序列，

假设轨迹线段表示为T={L₁,L₂…,L_m}，R={L₁,L₂…,L_n}，轨迹T’为轨迹T在轨迹R所在二维平面的投影轨迹，记轨迹相交点为I={I₁,I₂,…,I_q}，

定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形内投影高度最大值为高度距离，记为h，

定义投影后轨迹相交点和轨迹特征点所围成的封闭多边形的面积为轨迹相交面积，记为Area，

定义Length_T和Length_R分别表示移动轨迹T和R的轨迹长度，即轨迹特征点个数，Length_T(I_i , I_i+1)和Length_R(I_i , I_i+1)分别表示封闭多边形Area_i内移动轨迹T和R的轨迹长度，则权重系数ω_i，然后权重系数等于闭合多边形路径长度轨道总长度的比值，

第三步，在wp_tree结构，叶节点代表的语义属性对应的实际位置在楼宇空间中的位置，即语义标签，

非叶节点表示下节点的位置类别，级别越高，位置越大，位置语义相似度越小，

相反，相似性越大，

在树上，由两个特征点轨迹访问的叶节点，找到最小的公共父节点，节点级公共父亲的高度和wp_tree高度比距离的语义特征点位置之间，

第四步，所得到的测量结果跟踪时间和空间位置的语义距离在三个方面，根据不同用户的需要，根据不同比例的三个因素可以通过以下方式获得的空间语义相似度的整个轨迹的，

考虑到不同的单位和数量级，采用归一化（最小max）方法来统一差分数据，对原始数据进行线性变换。