一种轨迹压缩方法及装置的制造方法
【技术领域】
[0001 ]本申请涉及计算机技术领域，尤其涉及一种轨迹压缩方法及装置。
【背景技术】
[0002]大量和连续的轨迹数据流如果不经过压缩，则会占用大量的网络带宽和存储空间。目前，轨迹数据的压缩算法主要包括自顶向下的离线算法和可增量计算的在线算法。
[0003]1)以Douglas-Peucker算法为代表的自顶向下的曲线简化算法。Douglas-Peucker从曲线的两个顶点开始，找到与顶点连线的正交距离最大的中间参考点作为新的顶点，然后分两段向下递归的进行计算，直到正交距离小于阈值为止。而事实上，轨迹不仅包含位置，还包含每个位置的时间戳，将正交距离替换为和时间戳同步相关的距离，即将顶点连线按照时间插值后，计算对应时间的插值点和参考点的距离。此类算法计算量较大，且不支持增量式计算。
[0004]2)以移动窗口为代表的算法，支持增量计算。比如，Reumann-Witkam算法从曲线上第一个点开始，向后取点连直线，如果其中间的参考点和该直线的距离大于阈值，则保留这个参考点，并以这个参考点开始继续向下计算。也改进了曲线的移动窗口算法以适应轨迹的计算。
[0005]上述压缩算法大多是用于数学上的曲线压缩，而对基于计算机视觉或基于GPS传感器的人、车等轨迹行为分析而言，轨迹是最重要的数据源，压缩后的轨迹数据需要用来做数据分析，而使用上述压缩算法，则会大量丢失轨迹分析需要的重要信息。
[0006]现有技术不足在于:
[0007]现有的轨迹压缩算法会大量丢失轨迹分析所需要的重要信息，导致轨迹分析不准确。
【发明内容】
[0008]本申请实施例提出了一种轨迹压缩方法及装置，以解决现有技术中轨迹压缩算法会大量丢失轨迹分析所需要的重要信息，导致轨迹分析不准确的技术问题。
[0009]本申请实施例第一方面提供了一种轨迹压缩方法，包括如下步骤:
[0010]获取增量轨迹;所述增量轨迹中包括至少一个位置点信息；
[0011 ]根据所述位置点信息判断所述增量轨迹中的位置点是否为兴趣点；
[0012]如果所述位置点是兴趣点，则将该位置点标记为兴趣点；
[0013]对带有兴趣点标记的增量轨迹进行压缩，所述压缩后的轨迹至少保留所述兴趣点。
[0014]本申请实施例第二方面提供了一种轨迹压缩装置，包括:
[0015]第一获取模块，用于获取增量轨迹;所述增量轨迹中包括至少一个位置点信息；
[0016]第一判断模块，用于根据所述位置点信息判断所述增量轨迹中的位置点是否为兴趣点；
[0017]第一标记模块，用于如果所述位置点是兴趣点则将该位置点标记为兴趣点；
[0018]第一压缩模块，用于对带有兴趣点标记的增量轨迹进行压缩，所述压缩后的轨迹至少保留所述兴趣点。
[0019]有益效果如下:
[0020]本申请实施例所提供的轨迹压缩方法及装置，在获取到增量轨迹之后，可以根据所述增量轨迹中包括的位置点信息判断所述增量轨迹中的位置点是否为兴趣点，如果是兴趣点则进行标记，待压缩轨迹时至少保留所述兴趣点，从而确保在轨迹压缩时不会丢失这个重要的兴趣点，由于兴趣点可以表示对象在这点附近停留了一段时间，在后续轨迹分析时可以使得分析更加准确。
[0021]本申请实施例第三方面提供了一种轨迹压缩方法，包括如下步骤:
[0022]获取增量轨迹;所述增量轨迹中包括至少两个位置点信息；
[0023]根据所述位置点信息判断所述增量轨迹中的位置点是否为边界点；
[0024]如果所述位置点是边界点则将该位置点标记为边界点；
[0025]对带有边界点标记的增量轨迹进行压缩，所述压缩后的轨迹至少保留所述边界点。
[0026]本申请实施例第四方面提供了一种轨迹压缩装置，包括:
[0027]第二获取模块，用于获取增量轨迹;所述增量轨迹中包括至少两个位置点信息；
[0028]第三判断模块，用于根据所述位置点信息判断所述增量轨迹中的位置点是否为边界点；
[0029]第三标记模块，用于如果所述位置点是边界点则将该位置点标记为边界点；
[0030]第二压缩模块，用于对带有边界点标记的增量轨迹进行压缩，所述压缩后的轨迹至少保留所述边界点。
[0031]有益效果如下:
[0032]本申请实施例所提供的轨迹压缩方法及装置，在获取到增量轨迹之后，可以根据所述增量轨迹中包括的位置点信息判断所述增量轨迹中的位置点是否为边界点，如果是边界点则进行标记，待压缩轨迹时至少保留所述边界点，从而确保在轨迹压缩时不会丢失这个边界点，由于边界点往往代表着剧烈运动、暴力或越界等重要信息，在后续轨迹分析时可以确保分析更加准确。
【附图说明】
[0033]下面将参照附图描述本申请的具体实施例，其中:
[0034]图1示出了本申请实施例中一种轨迹压缩方法实施的流程示意图；
[0035]图2示出了本申请实施例中另一种轨迹压缩方法实施的流程示意图；
[0036]图3示出了本申请实施例中判断兴趣点的轨迹示意图一；
[0037]图4示出了本申请实施例中判断兴趣点的轨迹示意图二；
[0038]图5示出了本申请实施例中判断兴趣点的轨迹示意图三；
[0039]图6示出了本申请实施例中一种轨迹压缩装置的结构示意图；
[0040]图7示出了本申请实施例中另一种轨迹压缩装置的结构示意图。
【具体实施方式】
[0041]为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。
[0042]发明人在发明过程中注意到:
[0043]在基于计算机视觉或基于GPS传感器的人、车等轨迹行为分析时，假如有人在一个点附近停留了一段时间，那么在他产生的整体轨迹中，这段停留的轨迹并不符合普通压缩算法保留顶点的条件，采用现有的压缩算法则会丢失这个重要的兴趣点。
[0044]针对现有技术的不足，本申请实施例提出了一种轨迹压缩方法及装置，下面进行说明。
[0045]图1示出了本申请实施例一种轨迹压缩方法实施的流程示意图，如图所示，所述轨迹压缩方法可以包括如下步骤:
[0046]步骤101、获取增量轨迹;所述增量轨迹中包括至少一个位置点信息；
[0047]步骤102、根据所述位置点信息判断所述增量轨迹中的位置点是否为兴趣点；
[0048]步骤103、如果所述位置点是兴趣点，则将该位置点标记为兴趣点；
[0049]步骤104、对带有兴趣点标记的增量轨迹进行压缩，所述压缩后的轨迹至少保留所述兴趣点。
[0050]具体实施时，在基于计算机视觉或者基于GPS传感器的人、车轨迹分析系统中，轨迹数据流可以是随着时间t的进行不断生成轨迹帧的数据流。所述增量轨迹可以为包括一段轨迹帧的数据流，每个轨迹帧可以代表一个位置点，所述增量轨迹可以包括不同个数的轨迹帧，每个轨迹帧之间的时间戳可以是等差数列形式，具体差值可以根据采样频率确定。
[0051]本申请实施例所提供的轨迹压缩方法，在获取到增量轨迹之后，可以根据所述增量轨迹中包括的位置点信息判断所述增量轨迹中的位置点是否为兴趣点，如果是兴趣点则进行标记，待压缩轨迹时至少保留所述兴趣点，从而确保在轨迹压缩时不会丢失这个重要的兴趣点，由于兴趣点可以表示对象在这点附近停留了一段时间，采用本申请实施例所提供的轨迹压缩方法，可以保留兴趣热点，在后续轨迹分析时可以使得分析更加准确。
[0052]实施中，所述位置点信息具体可以包括所述位置点的坐标和时间戳，所述根据所述位置点信息判断所述增量轨迹中的位置点是否为兴趣点，具体可以为:
[0053]根据所述增量轨迹中相邻两个位置点的坐标计算相邻两个位置点之间的距离；
[0054]判断所述距离d和所述两个位置点的时间戳之差△t的比值是否小于等于预设速度阈值MV;
[0055]如果第k个位置点至第k+p个位置点之间每两个位置点的比较结果均为所述比值小于等于所述MV，且所述第k+p个位置点的时间戳与所述第k个位置点的时间戳之差大于等于预设时间阈值MT，将所述第k个位置点至所述第k+p个位置点的轨迹的外接矩形作为兴趣区域，所述兴趣区域的中心作为兴趣点。
[0056]具体实施时，所述位置点信息可以包括所述位置点的坐标和时间戳，所述位置点的坐标可以为二维坐标、三维坐标等，所述时间戳为该轨迹帧的当前时间。
[0057]判断所述位置点是否为兴趣点可以分别判断轨迹中任意相邻两个位置点的距离与时间戳的差的比值是否小于等于预设速度阈值，例如可以为:
[0058]I (xi，yi)，(X2，y2) |/(t2_ti)是否< =MV;
[0059]I (X2，y2)，(X3，y3) I /(t3_t2)是否< =MV；...
[0060]或者，
[0061 ] I (xi，yi，Z2)，(X2，y2，Z2) I /(t2_ti)是否< =MV；
[0062]I (X2，y2，Z3)，(X3，y3，Z3) I /(t3_t2)是否 < =MV ；...
[0063]如果第k个位置点至第k+p个位置点之间每两个位置点的比较结果均为所述比值小于等于所述MV，且所述第k+p个位置点的时间戳与所述第k个位置点的时间戳之差大于等于预设时间阈值MT，将所述第k个位置点至所述第k+p个位置点的轨迹的外接矩形作为兴趣区域，所述兴趣区域的中心作为兴趣点。例如:[(xk，yk，tk)，(xk+i，yk+i，tk+i),..., (xk+P，yk+P，tk+p)]中任意相邻两帧k+a和k+a+1有 | (xk+a，yk+a)，(xk+a+i，yk+a+i) | /(tk+a+i_tk+a) < =MV;且tk+P-tk>=MT，那么，则以这段轨迹的空间包围盒(外接矩形区域)作