[发明专利]一种应用于轨迹伴随可能性分析的伴随系数计算方法

说明书

本发明公开一种应用于轨迹伴随可能性分析的伴随系数计算方法，包括：获取两条轨迹A和B并按时间排序；遍历轨迹A的轨迹点P，并从轨迹B找出与轨迹点P时间最接近的轨迹点Q，计算并记录轨迹点对(P，Q)的时间差；从轨迹点对(P，Q)中找出时间差最小且满足给定条件的轨迹点对(P’，Q’)；将轨迹A以轨迹点P’分为轨迹A1和A2，将轨迹B以轨迹点Q’分为轨迹B1和B2；重复上述步骤直至找出所有匹配的轨迹点对(P’，Q’)，并将该轨迹点对保存于最佳匹配结果集；计算并统计匹配状态；计算伴随系数。本发明有效降低伴随系数的计算复杂度，提高计算效率，且受偏差值影响较小，可应用到实际轨迹数据中分析出有效伴随信息。

技术领域

本发明涉及安防与信息，尤其涉及一种应用于轨迹伴随可能性分析的伴随系数计算方法。

背景技术

目前，安防系统中多种监控设备会采集大量行为轨迹数据，该行为轨迹数据包括人脸、MAC、IMSI及IMEI等数据，不同类型的数据通常由不同类型的采集设备所采集，因此，不同类型的轨迹数据通常没有直接的关联关系，但通过数据挖掘可以从上述轨迹数据中分析出许多有用信息，其中一种重要信息就是轨迹的伴随状态，通过伴随状态可以找出与目标人员经常同行的伴随人员，或找出属于同一个目标人员的多个行为特征，诸如此类信息可以在安防领域起到重要作用。

对于轨迹的伴随分析而言，伴随人员的轨迹不一定与目标人员完全一致，而是在满足一定时间差内两者处于合适距离，但时间差和距离不固定且经常变化，而且有时会出现偏差，另外伴随状态有可能不连续(即伴随人员的轨迹与目标人员的轨迹伴随一段时间后分离，经过一段时间后又回到伴随状态)，这些问题在做轨迹伴随分析时都是需要考虑的；另外，轨迹的伴随分析需要通过计算大量数据来得到伴随系数，市面已有多种用于计算伴随系数的轨迹数据分析算法，但大部分轨迹数据分析算法过于复杂，耗时长，无法有效的应用于轨迹大数据中。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明的目的是克服现有技术的不足，提供一种应用于轨迹伴随可能性分析的伴随系数计算方法。

本发明的技术方案如下：一种应用于轨迹伴随可能性分析的伴随系数计算方法，其特征在于，包括以下步骤：

步骤S1，任选两条轨迹A和B并按时间进行排序；

步骤S2，遍历所述轨迹A和B的轨迹点，找出所有轨迹点中时间差最小的轨迹点对(P’，Q’)；

步骤S3，采用递归的方法找出所述轨迹A和B中所有满足匹配条件的轨迹点对(P’，Q’)构成最佳匹配结果集；

步骤S4，计算所述最佳匹配结果集中每个轨迹点对(P’，Q’)的匹配状态，统计每种匹配状态的数据值并套用公式计算出伴随系数。

进一步地，所述步骤S1包括以下步骤：

步骤S101，获取采集设备采集的海量行为轨迹数据构建轨迹数据库，并从所述轨迹数据库中任意选择两条轨迹A和B；

步骤S102，将两条所述轨迹A和B按时间进行排序。

进一步地，所述步骤S101获取的海量行为轨迹包括人脸数据、MAC数据、IMSI数据、IMEI数据中的一种或多种。

进一步地，所述步骤S2包括以下步骤：

步骤S201，按时间顺序遍历所述轨迹A中的轨迹点P，并从所述轨迹B中找出与所述轨迹点P时间最接近的轨迹点Q，计算并记录所述轨迹点对(P，Q)的时间差；

步骤S202，从步骤S201中所述的轨迹点对(P，Q)中找出时间差最小，且所述轨迹点对(P，Q)的时间差满足不大于给出的最大匹配时间差的轨迹点P’和Q’，并将所述轨迹点P’和Q’组成轨迹点对(P’，Q’)。