[發明專利]基于深度學習的移動設備定位及追蹤系統及其使用方法

在審

• 申請號: 201710042506.2
• 申請日: 2017-01-20
• 公開（公告）號: CN108616812A
• 公開（公告）日: 2018-10-02
• 發明（設計）人: 路松峰
• 申請（專利權）人: 武漢金石貓眼科技有限公司
• 主分類號: H04W4/029
• 分類號: H04W4/029;H04W4/021;H04W4/33;G01S5/10;G01S5/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供移動設備定位及跟蹤系統及其使用方法，包括：硬件設備，分為服務器、應用客戶端和移動設備探測客戶端；數據采集模塊，用來采集移動設備的屬性信息；通信模塊，服務器和客戶端進行信息傳送；移動設備定位模型生成模塊，利用機器學習和深度學習及WIFI信號來獲取在有障礙物情況下的移動設備定位模型；移動設備移動軌跡模型生成模塊，通過用戶分類、場景分類和路線信息，利用深度學習方法獲得移動設備移動軌跡預測模型；移動設備定位和追蹤模塊，利用定位模型和軌跡模型對移動設備進行定位和移動行為預測；異常軌跡預警模塊。本發明把深度學習和WIFI技術進行了有機結合，可提供對移動設備的精準定位，能預測移動設備的移動軌跡，并可進行追蹤。

技術領域

本發明涉及無線通信領域，更具體地，涉及一種利用區域內多個基于WIFI的移動設備探測器對指定移動設備進行定位、跟蹤以及對其移動軌跡進行預測和系統及其使用方法。

背景技術

隨著無線技術的發展和日趨成熟，無線網絡被快速地應用到生活的各個方面，給我們帶來了很多的便利。很多商家和企業開始利用無線信號對移動設備進行室內定位以及跟蹤，該技術可以使用在大型商場、停車場、景區、國防公安等領域，用來進行人流預警、購物推薦、車輛導航、犯罪嫌疑人跟蹤等。

現有的技術主要是基于1)3G等移動網絡信號，2)GPS，3)WiFi。但現有的技術存在如下問題：3G/4G等移動網絡信號的定位精度不高，一般在10米左右；GPS的定位同樣存在精度不高，且無法適應復雜或者室內場合。現有的WiFi定位一般采用指紋算法，否則定位精度不高。基于GPS和WiFi的定位一般還需要在要定位或者跟蹤的移動設備上預先安裝固定的應用，導致應用范圍縮小。此外上述定位技術都無法適用復雜場景，例如賓館、小區等具有障礙物的環境。在中國發明專利說明書CN201510845939.2中公開了一種基于WIFI的車輛跟蹤定位系統，這種技術需要在監控車輛上安裝WIFI芯片。在中國發明專利說明書CN201310633033.5公開了一種用于零售業的WIFI裝置定位跟蹤系統，包括：數據庫，用于存儲顧客信息和數據分析信息；服務器，與所述數據庫和多個中繼站連接，用于對WIFI位置進行分析；多個含有WIFI的中繼站，連接所在區域范圍內的各WIFI設備，測定位置；和多個安裝了應用程序的WIFI設備，但該發明的定位算法是常用的定位算法，且不能對用戶行為進行預測。

現有的技術和方法一般都是采用被動定位技術，需要在移動設備上安裝相關的軟件。存在一些主動定位技術，但這些技術和方法一般偏重與設備的定位，沒有涉及設備軌跡的跟蹤。此外，現有的發明只是進行單個設備的定位，目前還缺乏利用多個探測設備對移動對象進行定位并進行跟蹤的系統，且不能對設備的移動軌跡進行預測，也不能對異常移動設備進行預警。

由于被檢測的設備處于移動之中，為此需要建立多個探測點，每個探測點需要和中心服務器進行通信，服務器內保存了歷史上所有檢測到的移動設備的運動軌跡，同時還存儲了檢測區域的路線圖，系統可以利用深度學習技術對系統內的用戶進行移動行為模式進行聚類，利用聚類模型來預測當前監控設備的預期路線，進而通知相關的檢測設備進行重點監控。

目前把深度學習和WIFI定位技術相結合的研究很少，深度學習由于具有很強的學習和預測能力，因而本發明可以提供更精確的定位和軌跡預測能力。

發明內容