[發明專利]一種軌跡去重方法、裝置及存儲介質

有效

• 申請號: 201910736609.8
• 申請日: 2019-08-09
• 公開（公告）號: CN110443319B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 秦峰;尹玉成;石滌文;胡丹丹;羅躍軍
• 申請（專利權）人: 武漢中海庭數據技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 嚴超

1.一種軌跡去重方法，其特征在于，包括：

獲取到原始軌跡后，對所述原始軌跡分段，并將分段軌跡繪制成相同樣式的軌跡圖片；

對所述軌跡圖片疊加，通過深度學習模型判斷疊加后的軌跡圖片為重復軌跡，則去除重復軌跡；

對所有的軌跡分段等距抽樣，當部分連續重復樣本點與分段樣本點比例大于預設閾值，則將所述部分連續重復樣本點對應的重復軌跡刪除。

2.根據權利要求1所述的方法，其特征在于，所述對軌跡圖片疊加包括：

選取相同分段的任意兩張軌跡圖片，調整所述兩張軌跡圖片中任意軌跡圖片的軌跡線的透明度，以區分兩張軌跡圖片的軌跡線。

3.根據權利要求1所述的方法，其特征在于，所述通過深度學習模型判斷疊加后的軌跡圖片為重復軌跡，則去除重復軌跡包括：

采集標注類型為重復和非重復的軌跡圖片作為樣本，按預設比例選取所述樣本作為訓練集和測試集；

通過所述訓練集對卷積神經網絡訓練，再通過測試集測試訓練后的卷積神經網絡；

當測試后的卷積神經網絡達到預定標準后，通過測試后的卷積神經網絡檢測所述疊加后的軌跡圖片，判斷軌跡圖片的軌跡類型。

4.根據權利要求2所述的方法，其特征在于，所述去除重復軌跡包括：

獲取疊加后的軌跡圖片中的分段軌跡的軌跡點，比較分段軌跡中兩條軌跡的軌跡點數量，并去除兩條軌跡中對應軌跡點數量較少的分段軌跡。

5.根據權利要求1所述的方法，其特征在于，所述對所有的軌跡分段等距抽樣，當部分連續重復樣本點與分段樣本點比例大于預設閾值，則將所述部分連續重復樣本點對應的軌跡刪除包括：

對所有軌跡分段等距抽樣，對同一軌跡分段內的任意兩條軌跡，統計兩條軌跡中樣本點的最小法向距離；

當所述最小法向距離小于預設值，判定兩條軌跡的樣本點重復；

當兩條軌跡連續重復的樣本點與分段樣本點的比例大于預設閾值，則判定兩條軌跡存在部分重復，并將部分連續重復樣本點對應的兩條軌跡中任一重復部分軌跡刪除。

6.一種軌跡去重裝置，其特征在于，包括：

分段模塊，用于獲取到原始軌跡后，對所述原始軌跡分段，并將分段軌跡繪制成相同樣式的軌跡圖片；

第一去重模塊，用于對所述軌跡圖片疊加，通過深度學習模型判斷疊加后的軌跡圖片為重復軌跡，則去除重復軌跡；

第二去重模塊，用于對所有的軌跡分段等距抽樣，當部分連續重復樣本點與分段樣本點比例大于預設閾值，則將所述部分連續重復樣本點對應的重復軌跡刪除。

7.根據權利要求6所述的裝置，其特征在于，所述對軌跡圖片疊加包括：

選取相同分段的任意兩張軌跡圖片，調整所述兩張軌跡圖片中任意軌跡圖片的軌跡線的透明度，以區分兩張軌跡圖片的軌跡線。

8.根據權利要求6所述的裝置，其特征在于，所述第二去重模塊包括：

統計單元，用于對所有軌跡分段等距抽樣，對同一軌跡分段內的任意兩條軌跡，統計兩條軌跡中樣本點的最小法向距離；

判斷單元，用于當所述最小法向距離小于預設值，判定兩條軌跡的樣本點重復；

去重單元，用于當兩條軌跡連續重復的樣本點與分段樣本點的比例大于預設閾值，則判定兩條軌跡存在部分重復，并將部分連續重復樣本點對應的兩條軌跡中任一重復部分軌跡刪除。

9.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述軌跡去重方法的步驟。