CN104931989B - 运动轨迹中异常点的检测方法与装置 - Google Patents

Abstract

本发明提供了一种运动轨迹中异常点的检测方法，所述方法包括：按照设定的采样间隔时长采集运动目标的位置点信息；所述位置点信息包括对应位置的坐标和所述对应位置的时间；当采集到的所述位置点信息达到设定个数时，按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；在所述位置点的序列中，确定待检测位置点，根据概率理论对所述待检测位置点进行异常点检测。本发明根据概率理论对运动轨迹进行异常点检测，检测结果比较准确，误判率较低。

Description

运动轨迹中异常点的检测方法与装置

技术领域

本发明涉及定位过程中异常点检测领域，特别涉及运动轨迹中异常点的检测方法与装置。

背景技术

随着GPS(Global Positioning System，全球定位系统)、北斗等定位技术的快速发展，定位功能已经被广泛应用在人们的生产生活中。基于定位功能研发的导航仪、运动手环等电子产品为人们的生活带来了诸多便利。

GPS、北斗等定位技术在应用时，由于电流层、比流层等环境因素的影响，生成的运动轨迹具有一定的误差。运动轨迹是根据一系列定位点生成的。为了对运动轨迹进行优化，需要对运动轨迹中的异常点进行检测。现有技术中，针对运动轨迹中异常点的检测方法主要有两种，一种是判断运动轨迹上是否存在方向变化超过阈值的转角点，如方向变化大于120度的转角点，如果有，则认为转角点处的定位点异常；另一种方法是计算间隔单位时间的两个定位点之间的距离，如计算间隔2秒的两个定位点之间的距离，如果该距离大于预定的阈值如50米，则认为这两个定位点中第二个定位点异常。

由上可知，现有技术中，针对运动轨迹中异常点的检测方法都只是粗略的条件判断，没有严格的理论依据，误判率高，容易将正常的定位点判断为异常点。

发明内容

本发明提供了一种运动轨迹中异常点的检测方法与装置，根据概率理论对运动轨迹进行异常点检测，检测结果比较准确，误判率较低。

第一方面，本发明实施例提供了一种运动轨迹中异常点的检测方法，所述方法包括：

按照设定的采样间隔时长采集运动目标的位置点信息；所述位置点信息包括对应位置的坐标和所述对应位置的时间；

当采集到的所述位置点信息达到设定个数时，按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；

在所述位置点的序列中，确定待检测位置点，根据概率理论对所述待检测位置点进行异常点检测。

结合第一方面，本发明实施例提供了第一方面第一种可能的实施方式，其中，所述根据概率理论对所述待检测位置点进行异常点检测，包括：

在所述位置点的序列中，根据所述待检测位置点之前预定数量的位置点、所述待检测位置点之后相同预定数量的位置点和所述待检测位置点，生成待检测位置点序列；

根据所述待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测所述待检测位置点是否异常。

结合第一方面第一种可能的实施方式，本发明实施例提供了第一方面第二种可能的实施方式，其中，所述根据所述待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测所述待检测位置点是否异常，包括：

若所述待检测位置点满足以下两个公式中的任意一个，则所述待检测位置点为异常的位置点；

其中，P(L)表示所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率；P(S_i)表示所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率；表示所述待检测位置点序列中所有相邻位置点间的距离基于高斯分布的概率的乘积；n表示所述待检测位置点序列中位置点的数量；R表示大于1的比例常数。

结合第一方面第二种可能的实施方式，本发明实施例提供了第一方面第三种可能的实施方式，其中，所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)通过以下公式获得：

其中，distanceS_i表示所述待检测位置点序列中第i对相邻位置点间的距离；meanSingle表示所述位置点的序列中相邻位置点间的距离的平均值；sigmaSingle表示所述位置点的序列中相邻位置点间的距离的方差；

所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率P(L)通过以下公式获得：

其中，distanceL表示所述待检测位置点序列中第一个和最后一个位置点间的距离；meanSome表示所述位置点的序列中每n个相邻位置点间的距离的平均值；sigmaSome表示所述位置点的序列中每n个相邻位置点间的距离的方差。

结合第一方面，本发明实施例提供了第一方面第四种可能的实施方式，其中，所述方法还包括：

若当前的待检测位置点为所述位置点的序列中的第一个位置点，计算所述待检测位置点与所述位置点的序列中的第二个位置点间的第一距离；

若当前的待检测位置点为所述位置点的序列中的最后一个位置点，计算所述待检测位置点和所述位置点的序列中的倒数第二个位置点间的第二距离；

比较所述第一距离/所述第二距离的值是否大于第三阈值，如果是，确定所述待检测位置点为异常的位置点；其中，所述第三阈值等于第三预设倍率与所述位置点的序列中相邻位置点间的平均距离的乘积。

第二方面，本发明实施例提供了一种运动轨迹中异常点的检测装置，所述装置包括：

采样模块，用于按照设定的采样间隔时长采集运动目标的位置点信息；所述位置点信息包括对应位置的坐标和所述对应位置的时间；

位置点序列生成模块，用于当采集到的所述位置点信息达到设定个数时，按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；

异常点检测模块，用于在所述位置点的序列中，确定待检测位置点，根据概率理论对所述待检测位置点进行异常点检测。

结合第二方面，本发明实施例提供了第二方面第一种可能的实施方式，其中，所述异常点检测模块包括：

待检测位置点序列生成单元，用于在所述位置点的序列中，根据所述待检测位置点之前预定数量的位置点、所述待检测位置点之后相同预定数量的位置点和所述待检测位置点，生成待检测位置点序列；

待检测位置点检测单元，用于根据所述待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测所述待检测位置点是否异常。

结合第二方面第一种可能的实施方式，本发明实施例提供了第二方面第二种可能的实施方式，其中，所述待检测位置点检测单元用于：

若所述待检测位置点满足以下两个公式中的任意一个，则所述待检测位置点为异常的位置点；

其中，P(L)表示所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率；P(S_i)表示所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率；表示所述待检测位置点序列中所有相邻位置点间的距离基于高斯分布的概率的乘积；n表示所述待检测位置点序列中位置点的数量；R表示大于1的比例常数。

结合第二方面第二种可能的实施方式，本发明实施例提供了第二方面第三种可能的实施方式，其中，所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)通过以下公式获得：

其中，distanceS_i表示所述待检测位置点序列中第i对相邻位置点间的距离；meanSingle表示所述位置点的序列中相邻位置点间的距离的平均值；sigmaSingle表示所述位置点的序列中相邻位置点间的距离的方差；

所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率P(L)通过以下公式获得：

其中，distanceL表示所述待检测位置点序列中第一个和最后一个位置点间的距离；meanSome表示所述位置点的序列中每n个相邻位置点间的距离的平均值；sigmaSome表示所述位置点的序列中每n个相邻位置点间的距离的方差。

结合第二方面，本发明实施例提供了第二方面第四种可能的实施方式，其中，所述装置还包括：

第一距离计算模块，用于若当前的待检测位置点为所述位置点的序列中的第一个位置点，计算所述待检测位置点与所述位置点的序列中的第二个位置点间的第一距离；

第二距离计算模块，用于若当前的待检测位置点为所述位置点的序列中的最后一个位置点，计算所述待检测位置点和所述位置点的序列中的倒数第二个位置点间的第二距离；

异常位置点确定模块，用于比较所述第一距离/所述第二距离的值是否大于第三阈值，如果是，确定所述待检测位置点为异常的位置点；其中，所述第三阈值等于第三预设倍率与所述位置点的序列中相邻位置点间的平均距离的乘积。

本发明实施例中的运动轨迹中异常点的检测方法，首先按照设定的采样间隔时长采集运动目标的位置点信息，然后按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列，最后在位置点的序列中，确定待检测位置点，根据概率理论对待检测位置点进行异常点检测。与现有技术相比，本实施例中的运动轨迹中异常点的检测方法不是粗略的条件判断，而是基于概率理论的方法，检测结果比较准确，误判率较低。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出本发明第一实施例所提供的运动轨迹中异常点的检测方法的一种流程示意图；

图2示出本发明第一实施例所提供的运动轨迹中异常点的检测方法的另一种流程示意图；

图3示出本发明第一实施例所提供的运动轨迹中异常点的检测方法的具体流程示意图；

图4示出本发明第二实施例所提供的运动轨迹中异常点的检测装置的一种结构示意图；

图5示出本发明第二实施例所提供的异常点检测模块的结构示意图；

图6示出本发明第二实施例所提供的运动轨迹中异常点的检测装置的又一种结构示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对现有技术中运动轨迹中异常点的检测方法都只是粗略的条件判断，没有严格的理论依据，误判率高，容易将正常的定位点判断为异常点的问题，本发明提供了一种运动轨迹中异常点的检测方法与装置，根据概率理论对运动轨迹进行异常点检测，检测结果比较准确，误判率较低。

经过试验发现，当间隔固定时间采集运动目标的位置点信息时，间隔固定时间的位置点信息对应的距离与该距离的数量满足高斯分布(又名正态分布)，基于此，本发明基于概率理论和高斯分布理论对运动轨迹中的异常点进行检测，该运动轨迹可以是通过GPS定位、北斗定位、wifi(Wireless Fidelity，无线保真技术)定位和蓝牙定位等其他本领域能够实现的定位技术获得的，相应的位置点信息为GPS位置点信息、北斗位置点信息、wifi位置点信息和蓝牙位置点信息。其中，wifi定位和蓝牙定位又称为室内定位技术。下面通过实施例详细描述本发明的内容。这里首先说明，本实施例中提到的任意两个位置点间的距离，或者任意两个位置点信息对应的距离，均指得是两点之间的直线距离。

实施例一

如图1所示的本发明实施例一提供的运动轨迹中异常点的检测方法的流程图，该方法包括以下步骤102至步骤106：

步骤102，按照设定的采样间隔时长采集运动目标的位置点信息；该位置点信息包括对应位置的坐标和对应位置的时间。

步骤104，当采集到的位置点信息达到设定个数时，按照采集到的位置点信息中的时间先后顺序对位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列。

步骤106，在位置点的序列中，确定待检测位置点，根据概率理论对待检测位置点进行异常点检测。

本发明实施例中，首先按照设定的采样间隔时长采集运动目标的位置点信息，然后按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列，最后在位置点的序列中，确定待检测位置点，根据概率理论对待检测位置点进行异常点检测。与现有技术相比，本实施例中的运动轨迹中异常点的检测方法不是粗略的条件判断，而是基于概率理论的方法，检测结果比较准确，误判率较低。

在步骤102中，设定的采样间隔时长优选为1秒，即每隔1秒采集一次运动目标的位置点信息。运动目标的位置点信息可以是具有定位功能的设备或者终端如GPS设备或者北斗设备生成的，还可以是运动目标自身生成的。位置点信息中对应位置的坐标可以是对应位置的经纬度坐标，还可以是对应位置的极坐标。一种优选的实施方式中，位置点信息的格式为((X,Y)；TIME)，其中，(X,Y)表示该位置点信息对应位置的经纬度坐标，TIME表示运动目标在该位置点信息对应位置的时间。

在步骤104中，当采集到的位置点信息很少时，无法生成位置点的序列，因此当采集到的位置点信息达到设定个数，如10个时，生成位置点的序列。生成位置点的距离具体方式可以是：以位置点信息的格式为((X,Y)；TIME)为例，按照多个位置点信息中的TIME值的先后关系，对多个位置点信息中的(X,Y)坐标进行排序，得到各个(X,Y)坐标对应的位置点的序列，该序列的格式可以是{(X1,Y1)，(X2,Y2)，…(Xk,Yk)}，其中(X1,Y1)为最先采集到的位置点，(Xk,Yk)为最后采集到的位置点。

在步骤106中，根据概率理论对待检测位置点进行异常点检测，包括以下动作(a)和(b)。

(a)在位置点的序列中，根据待检测位置点之前预定数量的位置点、待检测位置点之后相同预定数量的位置点和待检测位置点，生成待检测位置点序列。

具体地，以位置点的序列{(X₁,Y₁)，(X₂,Y₂)，…(X_k,Y_k)}为例，确定待检测位置点为(X₅,Y₅)，根据(X₅,Y₅)之前(按照时间顺序之前)2个位置点，(X₅,Y₅)之后(按照时间顺序之后)2个位置点和待检测位置点(X₅,Y₅)，生成待检测位置点序列，待检测位置点序列为{(X₃,Y₃)，(X₄,Y₄)，(X₅,Y₅)，(X₆,Y₆)，(X₇,Y₇)}。

(b)根据待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测待检测位置点是否异常。

在上述动作中，动作(b)，根据待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测待检测位置点是否异常，包括：

若待检测位置点满足公式(1)或者公式(2)，则待检测位置点为异常的位置点；

公式(1)、公式(2)中，P(L)表示待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率；P(S_i)表示待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率；表示待检测位置点序列中所有相邻位置点间的距离基于高斯分布的概率的乘积；n表示待检测位置点序列中位置点的数量；R表示大于1的比例常数。

具体地，以待检测位置点序列{(X₃,Y₃)，(X₄,Y₄)，(X₅,Y₅)，(X₆,Y₆)，(X₇,Y₇)}为例，为方便起见，将该待检测位置点序列用{Q，W，E，R，T}表示，其中，位置点Q表示位置点(X₃,Y₃)，位置点T表示位置点(X₇,Y₇)。因此，在该待检测位置点序列中，P(L)为位置点Q与位置点T间的距离基于高斯分布的概率，该距离是位置点Q与位置点T间的直线距离，该距离的计算公式为QT＝(X₇,Y₇)—(X₃,Y₃)，该距离基于高斯分布的概率记成P(QT)。当i＝1时，P(S_i)为待检测位置点序列中第1对相邻位置点间的距离基于高斯分布的概率，即位置点Q与位置点W间的距离基于高斯分布的概率，记为P(QW)。当i＝2时，P(S_i)为位置点W与位置点E间的距离基于高斯分布的概率，记为P(WE)。以此类推，在待检测位置点序列中，共有4对相邻位置点，P(S₄)记为P(RT)。待检测位置点序列中位置点的数量n为5。在上述待检测位置点序列中，即 综上，对于上述待检测位置点序列，公式(1)为P(QT)⁴>P(QW)×P(WE)×P(ER)×P(RT)×R，公式(2)记为P(QT)⁴>P(QW)×P(WE)×P(ER)×P(RT)÷R。

对于待检测位置点E，若满足公示(1)或者公式(2)，则为异常的位置点。当R越接近1，越多的位置点会被判断为异常点，当R越大，越多的点会被判断为正常点。

本实施例中，待检测位置点序列中位置点的个数不限于5个，在优选的实施例中，待检测位置点序列中位置点的个数为3至11个，即优选待检测位置点之前1至5个位置点和待检测位置点之后1至5个位置点组成待检测位置点序列。

本实施例中，通过基于概率的公式(1)和公式(2)能够判断待检测位置点是否为异常点，基于概率的公式(1)和公式(2)具有严格的理论依据，检测结果准确可靠。

本实施例中，待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)能够通过以下公式获得：

公式(3)中，distanceS_i表示待检测位置点序列中第i对相邻位置点间的距离；meanSingle表示位置点的序列中相邻位置点间的距离的平均值；sigmaSingle表示位置点的序列中相邻位置点间的距离的方差。

具体地，以待检测位置点序列{Q，W，E，R，T}为例，首先计算该待检测位置点序列所在的位置点的序列中，相邻位置点间的距离的平均值meanSingle，相邻位置点间的距离的方差sigmaSingle。具体计算方法是本领域技术人员能够想到的，这里不再赘述。对于待检测位置点序列中第1对相邻位置点而言，P(S₁)即为P(QW)，distanceS₁即为位置点Q和位置点W之间的距离，记为QW。上述公式(3)为

本实施例中，通过公式(3)能够得到待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)，从而代入公式(1)和公式(2)进行计算。公式(3)是基于概率理论和高斯分布理论得到的公式。

本实施例中，待检测位置点序列中第一个和最后一个位置点信息间的距离基于高斯分布的概率P(L)能够通过以下公式获得：

公式(4)中，distanceL表示待检测位置点序列中第一个和最后一个位置点间的距离；meanSome表示位置点的序列中每n个相邻位置点间的距离的平均值；sigmaSome表示位置点的序列中每n个相邻位置点间的距离的方差，n表示待检测位置点序列中位置点的数量。

具体地，以待检测位置点序列{Q，W，E}为例，该待检测位置点序列所在的位置点的序列为{D，Q，W，E，R}。首先计算该位置点的序列中每3个相邻位置点间的距离的平均值meanSome，即位置点D与位置点W间的直线距离DW、位置点Q与位置点E间的直线距离QE，位置点W与位置点R间的直线距离WR的平均值。然后计算每3个相邻位置点间的距离的方差sigmaSingle。方差的计算是在距离的平均值的基础上进行的，具体计算方法是本领域技术人员能够想到的，这里不再赘述。在待检测位置点序列{Q，W，E}中，distanceL为位置点Q和位置点E之间的距离，记为QE。上述公式(4)为

本实施例中，通过公式(4)能够得到待检测位置点序列中第一个和最后一个位置点信息间的距离基于高斯分布的概率P(L)，从而代入公式(1)和公式(2)进行计算。公式(4)是基于概率理论和高斯分布理论得到的公式。

通过公式(1)、(2)、(3)、(4)能够对位置点进行异常点检测，由公式(1)和(2)的构造可知，只有当位置点前后有其他位置点时，才能够通过公式(1)和(2)进行检测，对于位置点的序列中的开始点和结束点，则无法通过公式(1)和(2)进行检测。

基于上述原因，本发明实施例中的方法还包括如图2所示的以下步骤：

步骤108，若当前的待检测位置点为位置点的序列中的第一个位置点，计算待检测位置点与位置点的序列中的第二个位置点间的第一距离；

步骤110，若当前的待检测位置点为位置点的序列中的最后一个位置点，计算待检测位置点和位置点的序列中的倒数第二个位置点间的第二距离；

步骤112，比较第一距离/第二距离的值是否大于第三阈值，如果是，确定待检测位置点为异常的位置点；其中，第三阈值等于第三预设倍率与位置点的序列中相邻位置点间的平均距离的乘积。

其中步骤108和步骤110的顺序可以互换。

具体地，设第三预设倍率为r，r为大于1的比例常数。位置点的序列中的第一个位置点为A，第二个位置点为B，则第一距离为distanceAB，位置点的序列中相邻位置点间的平均距离为meanSingle，若distanceAB>r*meanSingle，则位置点A为异常点。位置点的序列中的最后一个位置点为C，倒数第二个位置点为D，则第二距离为distanceCD，位置点的序列中相邻位置点间的平均距离为meanSingle，若distanceCD>r*meanSingle，则位置点C为异常点。

本实施例中，对于位置点的序列中的开始点和结束点，通过计算第一距离和第二距离，并与第三阈值进行比较，能够检测位置点的序列中开始点和结束点是否为异常位置点。

试验证明，本实施例中的运动轨迹中异常点的检测方法，基于概率理论和高斯分布理论进行异常点检测，检测结果比较准确，误判率较低。

在以上内容的基础上，本发明第一实施例还提供了运动轨迹中异常点的检测方法的具体流程。如图3所示的运动轨迹中异常点的检测方法的具体流程图，该方法流程包括以下步骤301至步骤307：

步骤301，按照设定的采样间隔时长采集运动目标的位置点信息。

步骤302，当采集到的位置点信息达到设定个数时，按照采集到的位置点信息中的时间先后顺序对位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列。

步骤303，在位置点的序列中，确定待检测位置点，根据待检测位置点之前预定数量的位置点、待检测位置点之后相同预定数量的位置点和待检测位置点，生成待检测位置点序列。

步骤304，根据待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测待检测位置点是否异常。

步骤305，若当前的待检测位置点为位置点的序列中的第一个位置点，计算待检测位置点与位置点的序列中的第二个位置点间的第一距离。

步骤306，若当前的待检测位置点为位置点的序列中的最后一个位置点，计算待检测位置点和位置点的序列中的倒数第二个位置点间的第二距离。

步骤307，比较第一距离/第二距离的值是否大于第三阈值，如果是，确定待检测位置点为异常的位置点；其中，第三阈值等于第三预设倍率与位置点的序列中相邻位置点间的平均距离的乘积。

图3中，步骤305和步骤306的顺序和互换。通过图3中的运动轨迹中异常点的检测方法，基于概率理论和高斯分布理论进行异常点检测，检测结果比较准确，误判率较低。

实施例二

在实施例一的基础上，本发明实施例还提供了一种运动轨迹中异常点的检测装置，该装置用来执行实施例一中的运动轨迹中异常点的检测方法，因此适用于实施例一的描述同样适用于实施例二。

如图4所示的一种运动轨迹中异常点的检测装置，该装置包括：

采样模块41，用于按照设定的采样间隔时长采集运动目标的位置点信息；该位置点信息包括对应位置的坐标和对应位置的时间；

位置点序列生成模块42，用于当采集到的位置点信息达到设定个数时，按照采集到的位置点信息中的时间先后顺序对位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；

异常点检测模块43，用于在位置点的序列中，确定待检测位置点，根据概率理论对待检测位置点进行异常点检测。

如图5所示，本实施例中，异常点检测模块43包括：

待检测位置点序列生成单元431，用于在位置点的序列中，根据待检测位置点之前预定数量的位置点、待检测位置点之后相同预定数量的位置点和待检测位置点，生成待检测位置点序列；

待检测位置点检测单元432，用于根据待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测待检测位置点是否异常。

本实施例中，待检测位置点检测单元432用于：若待检测位置点满足以下两个公式中的任意一个，则待检测位置点为异常的位置点；

其中，P(L)表示待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率；P(S_i)表示待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率；表示待检测位置点序列中所有相邻位置点间的距离基于高斯分布的概率的乘积；n表示待检测位置点序列中位置点的数量；R表示大于1的比例常数。

本实施例中，待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)通过以下公式获得：

其中，distanceS_i表示待检测位置点序列中第i对相邻位置点间的距离；meanSingle表示位置点的序列中相邻位置点间的距离的平均值；sigmaSingle表示位置点的序列中相邻位置点间的距离的方差。

本实施例中，待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率P(L)通过以下公式获得：

其中，distanceL表示待检测位置点序列中第一个和最后一个位置点间的距离；meanSome表示位置点的序列中每n个相邻位置点间的距离的平均值；sigmaSome表示位置点的序列中每n个相邻位置点间的距离的方差。

如图6所示，本实施例中的装置为了对位置点的序列中开始点和结束点进行异常检测，在图4的基础上，还包括以下模块：

第一距离计算模块61，用于若当前的待检测位置点为位置点的序列中的第一个位置点，计算待检测位置点与位置点的序列中的第二个位置点间的第一距离；

第二距离计算模块62，用于若当前的待检测位置点为位置点的序列中的最后一个位置点，计算待检测位置点和位置点的序列中的倒数第二个位置点间的第二距离；

异常位置点确定模块63，用于比较第一距离/第二距离的值是否大于第三阈值，如果是，确定待检测位置点为异常的位置点；其中，第三阈值等于第三预设倍率与位置点的序列中相邻位置点间的平均距离的乘积。

图6中，第一距离计算模块61和第二距离计算模块62的位置可以调换。

通过本发明实施例中的装置，首先通过采样模块41按照设定的采样间隔时长采集运动目标的位置点信息，然后通过位置点序列生成模块42按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列，最后通过异常点检测模块43在位置点的序列中，确定待检测位置点，根据概率理论对待检测位置点进行异常点检测。与现有技术相比，本实施例中的运动轨迹中异常点的检测方法不是粗略的条件判断，而是基于概率理论的方法，检测结果比较准确，误判率较低。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (6)

1.一种运动轨迹中异常点的检测方法，其特征在于，所述方法包括：

按照设定的采样间隔时长采集运动目标的位置点信息；所述位置点信息包括对应位置的坐标和所述对应位置的时间；

当采集到的所述位置点信息达到设定个数时，按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；

在所述位置点的序列中，确定待检测位置点，根据概率理论对所述待检测位置点进行异常点检测；

其中，所述根据概率理论对所述待检测位置点进行异常点检测，包括：

在所述位置点的序列中，根据所述待检测位置点之前预定数量的位置点、所述待检测位置点之后相同预定数量的位置点和所述待检测位置点，生成待检测位置点序列；

根据所述待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测所述待检测位置点是否异常；

其中，所述根据所述待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测所述待检测位置点是否异常，包括：

若所述待检测位置点满足以下两个公式中的任意一个，则所述待检测位置点为异常的位置点；

$P{\left(L\right)}^{n-1}>{\mathrm{\Π}}_{i=1}^{i=n-1}P\left(S_i\right)\×R$

$P{\left(L\right)}^{n-1}<{\mathrm{\&Pi;}}_{i=1}^{i=n-1}P\left(S_i\right)\&divide;R$

其中，P(L)表示所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率；P(S_i)表示所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率；表示所述待检测位置点序列中所有相邻位置点间的距离基于高斯分布的概率的乘积；n表示所述待检测位置点序列中位置点的数量；R表示大于1的比例常数。

2.根据权利要求1所述的方法，其特征在于，所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)通过以下公式获得：

$P\left(S_i\right)=\exp (-\frac{{({\mathrm{distanceS}}_i-meanSingle)}^2}{2\&times;{\mathrm{sigmaSingle}}^2})$

其中，distanceS_i表示所述待检测位置点序列中第i对相邻位置点间的距离；meanSingle表示所述位置点的序列中相邻位置点间的距离的平均值；sigmaSingle表示所述位置点的序列中相邻位置点间的距离的方差；

所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率P(L)通过以下公式获得：

$P\left(L\right)=\exp (-\frac{{\left(dis\tan ceL-meanSome\right)}^2}{2\&times;{\mathrm{sigmaSome}}^2})$

其中，distanceL表示所述待检测位置点序列中第一个和最后一个位置点间的距离；meanSome表示所述位置点的序列中每n个相邻位置点间的距离的平均值；sigmaSome表示所述位置点的序列中每n个相邻位置点间的距离的方差。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若当前的待检测位置点为所述位置点的序列中的第一个位置点，计算所述待检测位置点与所述位置点的序列中的第二个位置点间的第一距离；

若当前的待检测位置点为所述位置点的序列中的最后一个位置点，计算所述待检测位置点和所述位置点的序列中的倒数第二个位置点间的第二距离；

比较所述第一距离/所述第二距离的值是否大于第三阈值，如果是，确定所述待检测位置点为异常的位置点；其中，所述第三阈值等于第三预设倍率与所述位置点的序列中相邻位置点间的平均距离的乘积。

4.一种运动轨迹中异常点的检测装置，其特征在于，所述装置包括：

采样模块，用于按照设定的采样间隔时长采集运动目标的位置点信息；所述位置点信息包括对应位置的坐标和所述对应位置的时间；

位置点序列生成模块，用于当采集到的所述位置点信息达到设定个数时，按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；

异常点检测模块，用于在所述位置点的序列中，确定待检测位置点，根据概率理论对所述待检测位置点进行异常点检测；

其中，所述异常点检测模块包括：

待检测位置点序列生成单元，用于在所述位置点的序列中，根据所述待检测位置点之前预定数量的位置点、所述待检测位置点之后相同预定数量的位置点和所述待检测位置点，生成待检测位置点序列；

待检测位置点检测单元，用于根据所述待检测位置点序列中相邻位置点间的距离基于高斯分布的概率检测所述待检测位置点是否异常；

其中，所述待检测位置点检测单元用于：

若所述待检测位置点满足以下两个公式中的任意一个，则所述待检测位置点为异常的位置点；

$P{\left(L\right)}^{n-1}>{\mathrm{\&Pi;}}_{i=1}^{i=n-1}P\left(S_i\right)\&times;R$

$P{\left(L\right)}^{n-1}<{\mathrm{\&Pi;}}_{i=1}^{i=n-1}P\left(S_i\right)\&divide;R$

其中，P(L)表示所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率；P(S_i)表示所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率；表示所述待检测位置点序列中所有相邻位置点间的距离基于高斯分布的概率的乘积；n表示所述待检测位置点序列中位置点的数量；R表示大于1的比例常数。

5.根据权利要求4所述的装置，其特征在于，所述待检测位置点序列中第i对相邻位置点间的距离基于高斯分布的概率P(S_i)通过以下公式获得：

$P\left(S_i\right)=\exp (-\frac{{({\mathrm{distanceS}}_i-meanSingle)}^2}{2\&times;{\mathrm{sigmaSingle}}^2})$

其中，distanceS_i表示所述待检测位置点序列中第i对相邻位置点间的距离；meanSingle表示所述位置点的序列中相邻位置点间的距离的平均值；sigmaSingle表示所述位置点的序列中相邻位置点间的距离的方差；

所述待检测位置点序列中第一个和最后一个位置点间的距离基于高斯分布的概率P(L)通过以下公式获得：

$P\left(L\right)=\exp (-\frac{{(dis\tan ceL-meanSome)}^2}{2\&times;{\mathrm{sigmaSome}}^2})$

其中，distanceL表示所述待检测位置点序列中第一个和最后一个位置点间的距离；meanSome表示所述位置点的序列中每n个相邻位置点间的距离的平均值；sigmaSome表示所述位置点的序列中每n个相邻位置点间的距离的方差。

6.根据权利要求4所述的装置，其特征在于，所述装置还包括：

第一距离计算模块，用于若当前的待检测位置点为所述位置点的序列中的第一个位置点，计算所述待检测位置点与所述位置点的序列中的第二个位置点间的第一距离；

第二距离计算模块，用于若当前的待检测位置点为所述位置点的序列中的最后一个位置点，计算所述待检测位置点和所述位置点的序列中的倒数第二个位置点间的第二距离；

异常位置点确定模块，用于比较所述第一距离/所述第二距离的值是否大于第三阈值，如果是，确定所述待检测位置点为异常的位置点；其中，所述第三阈值等于第三预设倍率与所述位置点的序列中相邻位置点间的平均距离的乘积。