(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210509340.1 (22)申请日 2022.05.10 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 陈君豪　柯辛玥　张宏　陈立力　 周明伟　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 刘桂兰 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) (54)发明名称 一种轨迹分类方法、 智能终端以及存 储介质 (57)摘要 本申请公开了一种轨迹 分类方法、 智能终端 以及计算机可读存储介质， 其中， 该轨迹分类方 法包括： 获取第一轨迹集合； 其中， 第一轨迹集合 中的每一轨迹由多个监控点的监控图像对应的 图像信息确定； 在第一轨迹集合中， 确定目标轨 迹， 以及确定与目标轨迹对应的多个监控点相关 联的关联轨迹集合； 对关联轨迹集合中的多个轨 迹进行分类。 通过上述方式， 利用与目标轨迹相 关联的多个监控点来确定关联轨迹集合 以及对 关联轨迹集合中的多个轨迹进行分类， 能够提升 关联轨迹选取的有效率和关联轨迹分类的准确 率。 权利要求书3页 说明书12页 附图7页 CN 115471784 A 2022.12.13 CN 115471784 A 1.一种轨 迹分类方法， 其特 征在于， 所述方法包括： 获取第一轨迹集合； 其中， 所述第一轨迹集合中的每一轨迹由多个监控点的监控图像 对应的图像信息确定； 在所述第一轨迹集合中， 确定目标轨迹， 以及确定与所述目标轨迹对应的多个监控点 相关联的关联轨 迹集合； 对所述关联轨 迹集合中的多个轨 迹进行分类。 2.根据权利要求1所述的轨 迹分类方法， 其特 征在于， 所述图像信息包括人脸信息、 监控点信息和时间信息； 所述获取第一轨 迹集合， 包括： 获取多个监控图像集合； 其中， 每一所述监控图像集合中包括至少两张监控图像， 所述 至少两张监控图像由所述多个监控点采集且每一所述两张监控图像对应相同的所述人脸 信息； 根据每一所述 监控图像集 合中监控图像的所述图像信息， 绘制得到 轨迹； 汇集所述多个监控图像集 合的所述轨 迹， 以获取 所述第一轨 迹集合。 3.根据权利要求2所述的轨 迹分类方法， 其特 征在于， 所述根据每一所述 监控图像集 合中监控图像的所述图像信息， 绘制得到 轨迹， 包括： 根据所述监控点信 息， 确定每一所述监控图像集合中所述监控图像对应的第 一类监控 点集合； 根据所述第 一类监控点集合中各监控点对应的所述 时间信息， 按照时间先后顺序依次 绘制连接， 以得到所述轨 迹。 4.根据权利要求3所述的轨 迹分类方法， 其特 征在于， 所述图像信息还 包括标签信息； 所述根据每一所述监控图像集合中所述监控图像的所述图像信息， 绘制得到轨迹， 还 包括： 根据所述标签信息和所述 监控点信息， 在所述轨 迹对应的位置打上 标签。 5.根据权利要求 4所述的轨 迹分类方法， 其特 征在于， 所述在所述第一轨迹集合中， 确定目标轨迹， 以及确定与所述目标轨迹对应的多个监 控点相关联的关联轨 迹， 包括： 根据所述轨 迹上的所述标签， 确定所述目标轨 迹； 根据所述第 一轨迹集合对应的监控点信 息确定第 二类监控点集合， 以及根据 所述目标 轨迹对应的监控点信息确定第三类监控点 集合； 在所述第二类监控点 集合中确定与所述第三类监控点 集合相关联的关联监控点； 根据所述关联监控点， 在所述第一轨 迹集合中， 确定所述关联轨 迹。 6.根据权利要求5所述的轨 迹分类方法， 其特 征在于， 所述在所述第 二类监控点集合中确定与 所述第三类监控点集合相关联的关联监控点， 包括： 在所述第二类监控点集合中确定与所述第三类监控点集合中每一监控点距离最近的 第一预设数量个监控点； 将所述第一预设数量个监控点与 所述第三类监控点集合中的监控点汇集， 以得到所述权　利　要　求　书 1/3 页 2 CN 115471784 A 2关联监控点； 所述根据所述关联监控点， 在所述第一轨 迹集合中， 确定所述关联轨 迹， 包括： 在所述第一轨迹集合中， 将包括至少一个所述关联监控点的轨迹， 确定为所述关联轨 迹。 7.根据权利要求6所述的轨 迹分类方法， 其特 征在于， 所述对所述关联轨 迹集合中的多个轨 迹进行分类， 包括： 确定所述关联轨 迹集合中的所述多个轨 迹与所述目标轨 迹的轨迹相似度； 根据所述轨迹相似度， 对所述关联轨迹集合中的所述多个轨迹和所述目标轨迹进行分 类。 8.根据权利要求7 所述的轨 迹分类方法， 其特 征在于， 所述确定所述关联轨 迹集合中的所述多个轨 迹与所述目标轨 迹的轨迹相似度， 包括： 在所述第一预设数量个监控点中， 确定与 所述第三类监控点集合中每一监控点距离最 远的第一 监控点； 确定所述第三类监控点 集合中每一所述 监控点与对应的所述第一 监控点的第一距离； 根据所述第 一距离， 确定所述第 三类监控点集合中每一所述监控点与对应所述第 一监 控点的相似度贡献的和值， 以得到所述轨 迹相似度的上限； 在所述第一距离内， 分别确定所述多个轨迹与 所述第三类监控点集合中每一监控点距 离最近的第二 监控点； 确定所述第三类监控点 集合中每一所述 监控点与对应的所述第二 监控点的第二距离； 根据所述第 二距离， 确定所述第 三类监控点集合中每一所述监控点与对应所述第 二监 控点的相似度贡献的和值， 以得到所述轨 迹相似度的下限。 9.根据权利要求8所述的轨 迹分类方法， 其特 征在于， 所述根据 所述轨迹相似度， 对所述关联轨迹集合中的所述多个轨迹和所述目标轨迹进 行分类， 包括： 将所述关联轨迹集合中的所述多个轨迹根据所述轨迹相似度下限由大到小排列为第 一相似度列序； 在所述第一相似度列序中， 确定所述轨迹相似度 下限大于所述轨迹相似度上限的第 二 相似度列序； 在所述第二相似度列序中， 根据所述轨迹相似度下限由大到小， 将第二预设数量条的 所述轨迹和所述目标轨 迹分为一类。 10.根据权利要求9所述的轨 迹分类方法， 其特 征在于， 所述方法还 包括： 将所述第二预设数量条的轨 迹作为训练样本， 训练一轨 迹分类模型； 获取第二轨 迹集合； 将所述第二轨迹集合中的轨迹输入所述轨迹识别模型中， 以对所述第 二轨迹集合中的 所述轨迹进行分类。 11.一种智能终端， 其特征在于， 所述智能终端包括处理器以及与 所述处理器连接的存 储器， 其中， 所述存储器中存储有程序数据， 所述处理器调取所述存储器存储的所述程序数 据， 以执行如权利要求1 ‑10中任一项所述的轨 迹分类方法。权　利　要　求　书 2/3 页 3 CN 115471784 A 3