监测目标与GIS协同的动态行为轨迹分析

监测目标与GIS协同的动态行为轨迹分析

黄忠琦 李琳 吴金雕

黑龙江工业学院

摘要：如何高效处理分析新型牲畜自动培训系统获得的动态轨迹数据，对于提高新型牲畜自动培训系统的成功率有着重要的研究意义。由于全球定位系统在室内不可用，传统的室外定位技术难以为室内应用提供可靠的服务，新型牲畜自动培训系统的动态轨迹数据分析面临着一系列的挑战，因此基于最新室内移动目标行为识别及轨迹追踪方法，结合监控系统设计一种协同GIS的针对该培训系统所培训用户动态行为轨迹分析方法。

关键词：轨迹追踪；GIS分析技术；视频GIS

引言

随着全球卫星导航定位系统、中国遥感卫星、地理信息系统的发展,基于新型信息技术的行为智能监测及分析成为研究热点。与此同时遥感卫星、监控影像系统以及具有GPS和AIS功能的设备无时无刻不在收集海量的轨迹数据，但是由于全球定位系统在室内不可用，传统的室外定位技术难以为室内应用提供可靠的服务，因此我们面临着如何获得精准的轨迹数据，并且需要我们利用轨迹数据挖掘出有用的信息，对数据质量作出评价及对已分析好的数据进行表示，能够帮助我们进一步的了解并提高自动培训系统对牲畜的培训成功率，进而更好的改善新型牲畜自动培训系统的开发方法。

针对以上问题，本文充分应用了GIS分析技术针对自动培训系统中采集的动态轨迹数据的挖掘与处理,设计了time-location-target（TLT）分析方法，其中time代表系统监测用户获取轨迹分析的时间段；location代表用户在视频课监测图像中的位置，即监测用户所在区域，其中区域包含真实场景或虚拟仿真场景；target表示为用户目标，主要包括所有的用户序号，将轨迹数据更好地应用于自动培训系统的场景建模中,为提高自动培训系统的培训成功率提供一种可行的解决方案。

1、方法设计

针对以上问题，本文将监控系统与视频GIS结合的动态行为轨迹分析方法分为三部分：

（1）用户对象在室内且监控系统中进行时，虽有GPS的轨迹采集，但由于室内影响信号的传输，导致对于用户的行动轨迹无法进行高精度的提取，因此利用已有“轨迹模型（Tra-Model）”［1］，且使用“顾及室内环境特征的隐式马尔科夫模型(hidden Markov model, HMM)”［2］来确定用户轨迹，为移动目标提取精准的轨迹，为地理空间下动态行为轨迹分析奠定数据基础；

（2）在获取了高精度的目标轨迹的基础上，设计一种在三维地理信息系统视角下的TLT综合分析方法，以实现对用户轨迹的准确分析。同时通过以上手法获取到用户的精确实时轨迹，为三维地理信息系统下TLT分析提供实时、准确、高精度的轨迹数据源；

（3）利用已有技术协同“视频GIS”［3］建立一种“顾及用户停留位置特征提取的用户位置预测模型”，以分析未来培训对象的行动轨迹。

2.“室内目标移动行为识别及轨迹追踪技术”［4］协同“Tra-Model”的移动目标轨迹提取

为满足获得更高精度的轨迹数据的需求，结合摄像机的特点及缺点和地理场景的特殊性，利用已有“包含丰富语义的轨迹模型（Tra-Model）”协同“室内目标移动行为识别及追踪技术”［4］，提取目标实时轨迹。“Tra-Model”模型包含系统设定的地理场景内多个高清摄像机监控下的所有用户目标动态轨迹集合，表示如下：

式中表示每个目标的移动轨迹，标识了时间，地理坐标等语义信息，包含所在摄像机编号、目标编号、目标序号、目标图像以及结合“hidden Markov mode”获取的坐标点集合。

利用“IGMM_BLOB算法”对用户目标进行持续监测与实时跟踪，获取图像空间下目标坐标集合，通过“Emgu”调用现有的“SSD-MobileNet目标检测模型”获取轨迹类型再利用“基于单应法的轨迹映射方法”在基础上获取通过“hidden Markov mode”修正过的地理空间坐标点集合。

3.基于TLT方法协同GIS的目标动态行为轨迹综合分析

在“Tra-Model”结合“hidden Markov mode”实现目标轨迹提取的基础上，基于TLT分析方法规则，实现流程如图1所示，首先，通过所监控的视频序列获取视频帧；其次，综合考虑监控摄像的视域范围需求，设定时间段（time）、用户序号（target）、场景区域（location）；然后，在地理空间下进行是否到达在指定区域进行排泄的行为检测；得到准确有效的培训信息。

图1分析方法流程图

3.1行为检测

是否到达指定区域检测需要判断目标轨迹与培训场景中厕所的分界线是否相交，流程如图2所示。

图2 行为检测流程图

某个目标轨迹中最新点构成的向量为，设定的分界线段/面为，分界线段端点构成的向量为R。假设两个端点的坐标为（、（；R两个坐标端点为（）、（），另有：

则当>0，<0或<0，>0时，与在地理空间相交，表明动态目标进入分界范围。

4.建立监测用户行为轨迹预测模型

在建立监测用户行为轨迹预测模型时面临着一个重要的问题，其在复杂的场景背景，光照的变化，目标的遮挡等条件下对用户的精确跟踪，传统的目标跟踪算法是通过分析连续帧图像中目标的位置和运动信息、准确定位、识别并跟踪时间序列中的位置，即基于二维图像中的像坐标分析［5］。

针对以上问题，我们采用可量测视频的目标动态三维重建方法，将获取到的目标地理经纬数据映射到地理信息系统，基于“动态时空三维GIS轨迹分析”和GCN模型和LSTM架构建立符合该系统用户的专属监测用户行为轨迹预测模型。

通过预测用户的行为轨迹来获取用户在特定情况下在指定区域的活动情况，以此判断该系统对用户的培训情况。

4.1位置预测模型框架

顾及停留位置特征的用户位置预测模型流程如图3所示。步骤如下：①通过可量测视频的目标动态三维重建方法得到的动态时空三维GIS数据（地理经纬数据、天气数据、土地类别数据）②通过GIS数据提取停留位置的时间、天气和土地特征，提取聚类的空间位置特征，以构建预测模型中的LSTM层。③在模型的输出层，根据LSTM架构得到长短期记忆模型和历史已知位置进行未来位置的预测。

图3位置预测模型

5、总结

本文融合Tra-Model轨迹模型，结合室内目标移动行为识别及轨迹追踪技术获取用户的精准轨迹，再通过TLT分析方法对用户的行为轨迹进行检测，判断用户是否到达指定区域，最后建立监测用户行为轨迹模型来预测用户未来的行动轨迹，将以上所采到的信息通过GIS进行分析，检测系统培训效果。

参考文献

[1]罗霄月,王艳慧,张兴国.视频与GIS协同的交通违规行为分析方法[J].武汉大学学报(信息科学版),2023,48(4):647-655.

[2]李帆,夏吉喆,黄赵,李晓明,李清泉.顾及停留位置特征提取的个人位置预测方法[J].武汉大学学报(信息科学版),2020,45(12):1970-1980.

[3]刘学军,胡加佩,王美珍,等.视频GIS数据采集与处理[J].现代测绘,2017,40(1):1-5.

[4]熊汉江,郭胜,郑先伟,周妍.室内行人移动行为识别及轨迹追踪[J].武汉大学学报(信息科学版),2018,43(11):1696-1703.

[5]张兴国,刘学军,王思宁,等.监控视频与2D地理空间数据互映射[J].武汉大学学报(信息科学版),2015,40(8):1130-1136.

2023年度黑龙江省大学生创新创业训练计划项目——GIS牧业科技—新型牲畜自动培训系统的首例开创者