>[0053] 进一步的，获取到的目标终端运动数据利用惯性导航方法计算持有目标终端的运 动者的室内行走轨迹，在持有目标终端的运动者的运动过程中，运动者持有的目标终端通 过运动传感器按照固定的采样频率f进行运动路径信息采样，其中；从目标终端的运动传 感器实时获取的运动数据包括目标终端内置的加速度计的加速度数据，目标终端内置的巧 螺仪和指南针的方向数据。
[0054] 如图2所示，所述根据实时获取目标终端的运动数据，确定目标终端的室内行走 轨迹的步骤102则还可进一步包括：
[0055] 步骤201 ;根据加速度计的加速度数据计算出目标终端的步长和步频；
[0化6] 根据加速度计测量得到的加速度数据确定用户步数，通过低通滤波器去除测量数 据中的高频噪声，在运行Kalman滤波算法进行数值去噪；通过波峰波谷检测方法识别出加 速度在测量时间范围内的极大值和极小值，并根据相邻的极大极小值，W自适应口限法判 别持有目标终端的运动者是否迈步，每当判定持有目标终端的运动者迈出一步，计步器加 1，持有目标终端的运动者在测量时间内行进的总步数记为N;自适应口限法能够有效地根 据运动者的走步姿势与习惯修正判定为跨步的加速度范围，能在短时间内通过有限的距离 得到最适宜特定运动者的跨步判定方式；
[0化7] 利用步长与步频线性关系测定用户步长A，即Ai=a，f(i)+b。其中，i为步数，a、b为运动者的步伐参数，可W通过采样数据的线性回归确定。
[005引步骤202 ;根据巧螺仪和指南针的方向数据计算出目标终端的运动方向；
[0化9] 指南针的作用主要是为惯性导航方法提供初始方向，之后的惯性导航方法定位过 程中则利用巧螺仪进行行走方向的估计，因此，初始方向的确定：
[0060] 持有目标终端的运动者在定位的开始阶段，通过获取指南针数据得到用户当前所 处的室内环境中的绝对方向（即指南针获取的世界坐标系下的人员朝向），提供基于惯性 导航方法的初始方向。持有目标终端的运动者在运动过程中，目标终端（可为任意的便携 式智能设备）可通过获取巧螺仪测量的返回值确定运动者在行进过程中的角度变化，并将 该角度变化情况与已经获得的持有目标终端的运动者运动的初始方向相叠加，获得目标终 端的绝对运动方向；当目标终端未获得有向地标提供的目标终端初始方向时，则只能计算 相对角度；在迈出一步的过程中，即t。~t。时间内的一次时间积分计算出用户第i步过程 中的角度变化ai
计算可得用户第k+1步的位置（Xw，yw)，
[0061] 其中
[0062] 步骤203 ;根据目标终端的初始位置和初始方向，结合步长和步频、运动方向，得 到室内行走轨迹；
[0063] 通过巧螺仪测得的每跨步角度变化的积分可W确定当前持有目标终端的运动者 的行进方向；将得到方向信息、步长结合当前运动者当前步的位置信息（Xk，yk)，可W定位 运动者的下一步位置信息（xw，yw)。如此即可得到用户在室内行走轨迹；此外，室内行走 轨迹采用图片像素值来表示，即（x，y)为室内图片像素值。
[0064] 其中，利用惯性导航方法计算室内行走轨迹的关键难点在于初始位置与初始方向 的确定；当前利用惯性导航方法的初始位置与初始方向是利用建筑物入口处GI^S信号消失 的位置W及指南针来确定的，然而初始位置与初始方向的精度不高，直接影响后续的定位 精度。为了解决此问题，可选取室内兴趣点（楼梯、电梯、n口等）作为初始位置，如此的兴 趣点是直接标定在室内地图上，定位精度比较高。此外，当人们出电梯、楼梯、n口时，前进 的方向大多数情况下是进与出两个方向，由此对指南针产生的误差进行校准，提高初始方 向的精度。
[0065] 更进一步的，所述根据目标终端的初始位置和初始方向，结合步长和步频、运动方 向，得到室内行走轨迹的步骤203则还可进一步包括；
[0066] 步骤301 ;根据目标终端的初始位置和初始方向，结合步长和步频、运动方向，得 到目标终端每一步的位置信息；
[0067] 步骤302 ;将目标终端每一步的位置信息与室内地图兴趣点进行匹配；
[0068] 步骤303 ;将目标终端的匹配得到的每一步的匹配位置信息，实时显示在室内地 图上，形成带有每一步的匹配位置信息的室内行走轨迹。
[0069] 利用图片像素值唯一确定室内兴趣点在室内地图的绝对坐标，属于人工标定 方式。利用室内广泛存在的兴趣点，将持有目标终端的运动者的行走轨迹与室内地图 匹配，实时的将目标终端的当前位置显示在室内地图上。在匹配的过程中，会出现匹配 误差，定义为error;定义室内兴趣点（i)的坐标为
^用惯性导航方法定位 出用户处于兴趣点i的坐标为
，那么利用欧氏距离来度量匹配误差error,即
匹配优化目标是最小化error得到精确地用户室 内行走轨迹。error的计算公式如下所示：
[0070] 对第i个兴趣点匹配误差为erroiv优化目标为：
[0071]
[0072] 其中，i= 1，2，…，n，n为室内地图兴趣点的数量。
[0073] 所述的误差优化方法采用遗传算法进行求解，具体可采用W下步骤：
[0074] (1)染色体编码
[0075] 在本方案中，每个兴趣点的匹配误差采用m个基因来表示，即假设在特定的室内 空间，两个兴趣点的匹配误差最大值为2-米。m的确定根据室内空间的大小W及两个兴趣 点之间的最大距离来确定。如此，染色体的个数就有2-种。
[0076] (2)遗传算法参数确定
[0077] ?Pc=0. 7 (W该个概率交换2个选择的染色体的部分基因，产生2个后代）
[007引?Pm= 0. 001 (W该个概率随机改变2个后代的基因值）
[0079] (3)适应度函数确定
[0080] 适应度函数即为优化目标：
[0081]
[0082] 较佳的，所述基于共享轨迹的室内寻人方法还包括：
[0083] 获取指定终端的当前位置信息W及室内地图的兴趣点拓扑地图；
[0084] 通过路径规划算法计算从指定终端的当前位置到目标终端当前位置的最短路 径；
[0085] 将该最短路径返回给指定终端用于导航。
[0086] 由于共享的目标终端的室内行走轨迹已经与室内地图进行匹配，基于兴趣点拓扑 地图可通过路径规划算法计算从用户B(指定终端）当前位置到用户A(目标终端）当前位 置的最短路径。
[0087] 兴趣点拓扑地图构建方法为：首先将室内地图的兴趣点在室内地图中进行标记， 赋予像素坐标值，（x，y);每一对兴趣点之间的距离通过惯性导航方法测得；兴趣点拓扑关 系如图4a和4b所示。
[0088] 基于用户B的当前位置与用户A的当前位置，运行DiAstra算法计算最短路径， 导航用户B至用户A的位置。
[0089] 从上述实施例可W看出，本发明提供的基于共享轨迹的室内寻人方法，通过从目 标终端获取其实时采集的运动数据，给定初始位置与初始方向，利用惯性导航技术得到持 有目标终端的用户A在公共室内空间的行走轨迹并且利用像素值与室内地图进行匹配；再 将用户A实时的室内行走轨迹共享给持有指定终端的用户B或更多的其他用户；还可通过 获取目标终端同时设置并上传的共享密钥，从而令持有指定终端的用户B利用共享密钥下 载用户A的行走轨迹，基于室内兴趣点拓扑地图从当前位置导航至目标点，在保证用户隐 私的前提下，大大提高了室内寻人的效率。
[0090] 需要指出的是，本发明实施例中阐述的室内行走轨迹是指在二维平面上的行走轨 迹，兴趣点的坐标位置信息也都是限定在二维平面上的位置信息与范围信息。如具有多层 建筑物的室内公共空间，应当在不同的高度层面建立多个平面，每个平面内可分别使用本 发明阐述的方法进行寻人，不同平面内的轨迹之间、使用者之间均应避免相互干扰。
[0091] 本发明的另一方面，提供了一种基于共享轨迹的室内寻人云端服务器。参照附图 5,为本发明提供的基于共享轨迹的室内寻人云端服务器的实施例的结构示例图。
[0092] 如图5所示，所述基于共享轨迹的室内寻人云端服务器400,包括：
[0093] 数据获取模块401，用于实时获取目标终端的运动数据；
[0094] 轨迹模块402,用于根据实时获取的目标终端运动数据，确定该目标终端的室内行 走轨迹；
[0095] 共享模块403,用于向其他终端或指定终端共享该目标终端的室内行走轨迹，供其 导航至目标终端的当前位置；
[0096] 存档模块404,用于存储实时获取的终端的运动数据及其室内行走轨迹。
[0097] 进一步的，获取到的目标终端运动数据利用惯性