一种轨迹相似判断方法和系统

本发明涉及图像识别，提出了一种利用轨迹拐角点的轨迹相似判断方法，该方法制定了一套完善的轨迹相似判断评分机制，可快速得到轨迹之间的相似程度，属于导航与定位领域。

背景技术：

1、用户的轨迹信息在运动分析、交通管理、城市规划、环境监测、资源分配、社交媒体分析、健康监测、自动驾驶、机器人导航、犯罪分析等领域发挥着十分重要的意义，而轨迹相似判断则是用户轨迹信息在上述应用的的重要保障。由于目前常见的轨迹相似判断方法在进行多轨迹相似判断时，都涉及到较大数量的计算，不仅增加了对计算与内存资源需求，降低了用户轨迹应用实时化的可能，且轨迹相似判断时缺乏一套合理的轨迹相似判断评分机制来辅助用户更好的明确轨迹之间的相似程度。

技术实现思路

1、本发明利用轨迹的拐角点(弯曲点、拐弯点等)，提出了一种基于拐角点的轨迹相似判断方法，基于该方法制定了一套完善的轨迹相似判断评分机制，可快速得到轨迹之间的相似程度。

2、本发明的技术方案为一种基于轨迹拐角点的轨迹相似判断方法，该方法制定了一套完善的轨迹相似判断评分机制，可快速得到轨迹之间的相似程度，包括以下步骤：

3、步骤1，提取两条轨迹上的轨迹拐角点；

4、步骤2，完成轨迹m1与轨迹m2间的相似判断，包括以下子步骤：

5、步骤2.1，分别计算m1轨迹的拐角点数量sn1，m2轨迹的拐角点数量sn2；

6、步骤2.2，将轨迹的拐角点数量作为判断依据，得到两者间形状相似程度系数ksn；

7、步骤2.3，分别计算轨迹m1和轨迹m2中除首末拐角点外各拐角前一个拐角点在后一个拐角点的方位位置，并将计算得到的方位位置作为当前拐角的方位特征；

8、步骤2.4，分别将轨迹m1与轨迹m2中各拐角的方位特征按照轨迹经过拐角的次序进行顺序汇总，将汇总后的方位特征作为两个轨迹自身的方位特征；

9、步骤2.5，将轨迹m1的方位特征与轨迹m2的方位特征进行对比，统计得到两个轨迹间方位特征相等的数量an，计算得到两者间角度相似程度系数kan；

10、步骤2.6，计算轨迹m1与轨迹m2中除起始拐角点外各拐角点与其前一个拐角点之间的几何距离，并将计算的几何距离作为当前拐角点的几何特征；

11、步骤2.7，将轨迹m1的几何特征与轨迹m2的几何特征做对比，计算得到两者间几何相似程度系数kgn；

12、步骤2.8，计算轨迹m1与轨迹m2的相似程度，如下式五所示

13、k＝ksn*kan*kgn

14、其中，k为两个轨迹的相似程度，k的取值越接近与1，说明两个轨迹之间越相似，ksn为两者形状相似程度，kan为两者角度相似程度，kgn则为两者几何相似程度。

15、进一步的，步骤1的具体实现方式如下：

16、步骤1.1，设置轨迹最短距离阀值为m；

17、步骤1.2，基于给定的距离阀值m，使用道格拉斯-普克对轨迹进行处理，将复杂曲线轨迹转换为保留轨迹关键特征的近似简化曲线；

18、步骤1.3，步骤1.2处理完成轨迹后剩余的保留轨迹关键特征的点为每条轨迹的拐角点。

19、进一步的，步骤2.2中形状相似程度系数ksn的计算公式如下：

20、

21、其中sn1为轨迹m1的拐角点数量，sn2为轨迹m2所对应拐角点数量。

22、进一步的，步骤2.3中方位位置包括上，下，左，右，右上，右下，左上，左下。

23、进一步的，步骤2.5中角度相似程度系数kan如式(2)所示：

24、

25、其中max(sn1,sn2)为轨迹m1和轨迹m2中的拐角点数量最高的数量，max(sn1,sn2)-2为轨迹中最高拐角点去除后首末拐角点的数量，an为轨迹m1与轨迹m2方位特征相等的数量。

26、进一步的，几何相似程度系数kgn的具体实现方式如下；

27、首先，将轨迹m1的几何特征按照轨迹经过拐角的次序进行顺序汇总，将汇总后的几何特征作为其自身的几何特征dm11，...，dm1i，...，dm1n，判断几何特征数量，若几何特征小于max(sn1，sn2)-1，则将少的部分在汇总后的几何特征中用长度n进行补充，n为自定义数值；

28、然后，将轨迹m2的几何特征按照轨迹经过拐角的次序进行顺序汇总，将汇总后的几何特征作为其自身的几何特征dm21，...，dm2i，...,dm2n，判断几何特征数量，若几何特征小于max(sn1，sn2)-1，则将少的部分在汇总后的几何特征中用长度n进行补充；

29、然后，分别将轨迹m1的几何特征与轨迹m2的几何特征做差值计算，计算差值的总和，如下式(3)所示，

30、

31、其中i为轨迹m1与轨迹m2几何特征数量的最大值，kgi为轨迹m1每一个拐角点的几何特征与轨迹m2对应拐角点的几何特征的差值的绝对值；

32、最后，计算得到两者间几何相似程度系数kgn，如下式(4)所示，

33、

34、本发明还提供一种轨迹相似判断系统，包括以下模块：

35、轨迹拐角点提取模块，用于提取两条轨迹上的轨迹拐角点；

36、相似判断模块，用于完成轨迹m1与轨迹m2间的相似判断，包括以下子模块：

37、拐角点数量计算子模块，用于分别计算m1轨迹的拐角点数量sn1，m2轨迹的拐角点数量sn2；

38、形状相似程度系数计算子模块，用于将轨迹的拐角点数量作为判断依据，得到两者间形状相似程度系数ksn；

39、方位位置获取子模块，用于分别计算轨迹m1和轨迹m2中除首末拐角点外各拐角前一个拐角点在后一个拐角点的方位位置，并将计算得到的方位位置作为当前拐角的方位特征；

40、方位特征提取子模块，用于分别将轨迹m1与轨迹m2中各拐角的方位特征按照轨迹经过拐角的次序进行顺序汇总，将汇总后的方位特征作为两个轨迹自身的方位特征；

41、角度相似程度系数计算子模块，用于将轨迹m1的方位特征与轨迹m2的方位特征进行对比，统计得到两个轨迹间方位特征相等的数量an，计算得到两者间角度相似程度系数kan；

42、几何特征计算模块，用于计算轨迹m1与轨迹m2中除起始拐角点外各拐角点与其前一个拐角点之间的几何距离，并将计算的几何距离作为当前拐角点的几何特征；

43、几何相似程度系数计算子模块，用于将轨迹m1的几何特征与轨迹m2的几何特征做对比，计算得到两者间几何相似程度系数kgn；

44、相似程度判断子模块，用于计算轨迹m1与轨迹m2的相似程度，如下式五所示

45、k＝ksn*kan*kgn

46、其中，k为两个轨迹的相似程度，k的取值越接近与1，说明两个轨迹之间越相似，ksn为两者形状相似程度，kan为两者角度相似程度，kgn则为两者几何相似程度。

47、进一步的，形状相似程度系数ksn的计算公式如下：

48、

49、其中sn1为轨迹m1的拐角点数量，sn2为轨迹m2所对应拐角点数量。

50、进一步的，角度相似程度系数kan如式(2)所示：

51、

52、其中max(sn1,sn2)为轨迹m1和轨迹m2中的拐角点数量最高的数量，max(sn1,sn2)-2为轨迹中最高拐角点去除后首末拐角点的数量，an为轨迹m1与轨迹m2方位特征相等的数量。

53、进一步的，几何相似程度系数kgn的具体实现方式如下；

54、首先，将轨迹m1的几何特征按照轨迹经过拐角的次序进行顺序汇总，将汇总后的几何特征作为其自身的几何特征dm11，...，dm1i，...,dm1n，判断几何特征数量，若几何特征小于max(sn1，sn2)-1，则将少的部分在汇总后的几何特征中用长度n进行补充，n为自定义数值；

55、然后，将轨迹m2的几何特征按照轨迹经过拐角的次序进行顺序汇总，将汇总后的几何特征作为其自身的几何特征dm21，...，dm2i,...,dm2n，判断几何特征数量，若几何特征小于max(sn1，sn2)-1，则将少的部分在汇总后的几何特征中用长度n进行补充；

56、然后，分别将轨迹m1的几何特征与轨迹m2的几何特征做差值计算，计算差值的总和，如下式(3)所示，

57、

58、其中i为轨迹m1与轨迹m2几何特征数量的最大值，kgi为轨迹m1每一个拐角点的几何特征与轨迹m2对应拐角点的几何特征的差值的绝对值；

59、最后，计算得到两者间几何相似程度系数kgn，如下式(4)所示，

60、

61、本发明的优势在于：提出了一种新的轨迹相似判断方法，利用轨迹拐角点实现轨迹间的形状相似判断、角度相似判断、几何相似判断，并基于该判断制定了一套完善的轨迹相似判断评分机制，可快速得到轨迹之间的相似程度，同时也摆脱了常规轨迹相似判断对计算与内存资源需求的限制，提高了其实时化的可能。