[发明专利]基于特征提取的车辆循迹方法、装置、设备和介质

说明书

本申请提供了一种基于特征提取的车辆循迹方法、装置、设备和介质，涉及数据处理技术领域，该方法包括：获取待查询车辆图片，基于待查询车辆图片确定图片特征值；基于图片特征值对应的数据类型确定目标搜索引擎，并通过目标搜索引擎检索后得到待查询车辆图片对应的目标采集信息；其中，数据类型包括热数据和冷数据；目标采集信息至少包括采集时间、采集地点、人车信息、行驶方向、坐标信息的一种或多种；基于目标采集信息和预先构建的出行特征决策模型，对车辆出行轨迹进行重构，以进行车辆循迹。本申请提升了海量数据的查询速度和计算能力，进而提升了车辆循迹的计算效率。

技术领域

本申请涉及数据处理技术领域，尤其是涉及一种基于特征提取的车辆循迹方法、装置、设备和介质。

背景技术

对于庞大的大数据分析业务，几百台的hadoop集群处理P级的存储总量，每日上亿的入库和查询请求，需要对上万的设备去重，并关联百万的历史全表，进行曝光、点击、pv、uv、pr、日活、新增，给集群造成很大压力，系统负载高，任务响应慢，耗时久，不能及时响应请求。

相关技术中，在还原目标物体路径轨迹时，由于摄像头覆盖率及采集准确率的影响，设备故障导致数据丢失，导致数据记录颗粒度相对较大，提取完整的行驶轨迹比较困难。

发明内容

本申请的目的在于提供一种基于特征提取的车辆循迹方法、装置、设备和介质，提升了海量数据的查询速度和计算能力，进而提升了车辆循迹的计算效率。

第一方面，本发明提供一种基于特征提取的车辆循迹方法，方法包括：获取待查询车辆图片，基于待查询车辆图片确定图片特征值；基于图片特征值对应的数据类型确定目标搜索引擎，并通过目标搜索引擎检索后得到待查询车辆图片对应的目标采集信息；其中，数据类型包括热数据和冷数据；目标采集信息至少包括采集时间、采集地点、人车信息、行驶方向、坐标信息的一种或多种；基于目标采集信息和预先构建的出行特征决策模型，对车辆出行轨迹进行重构，以进行车辆循迹。

在可选的实施方式中，基于图片特征值对应的数据类型确定目标搜索引擎，包括：当图片特征值对应的数据类型的热数据时，确定目标搜索引擎为预先构建的向量搜索引擎；当图片特征值对应的数据类型的冷数据时，确定目标搜索引擎为预先构建的雷霆数据库。

在可选的实施方式中，通过目标搜索引擎检索后得到待查询车辆图片对应的目标采集信息，包括：当图片特征值对应的数据类型的冷数据时，通过go接口进行判断后调用预先构建的雷霆数据库进行检索，得到待查询车辆图片对应的采集时间和采集坐标。

在可选的实施方式中，通过目标搜索引擎检索后得到待查询车辆图片对应的目标采集信息，包括：当图片特征值对应的数据类型的热数据时，查询预先构建的向量搜索引擎对应的目标代理；通过目标代理查询得到多个结果，并过结果进行合并处理；将合并后的结果匹配对应的标识符和目标相似度；基于标识符和目标相似度通过go接口调用预先构建的雷霆数据库，得到待查询车辆图片对应的物体标识、采集时间、行驶方向、坐标。

在可选的实施方式中，基于目标采集信息和预先构建的出行特征决策模型，对车辆出行轨迹进行重构，包括：基于预设的间隔时间阈值对目标采集信息中出行轨迹进行分割，得到多个出行链；基于预设的路径算法生成与出行链对应的多条近似轨迹；对多条近似轨迹进行指标约束，得到最短出行轨迹，从而基于最短出行轨迹对车辆出行轨迹进行重构。

在可选的实施方式中，对多条近似轨迹进行指标约束，得到最短出行轨迹，包括：基于预先构建的出行特征决策模型，对出行特征决策模型进行指标归一化处理；根据归一化后的指标权值进行最优化，对多条近似轨迹进行指标约束，得到最短出行轨迹。

在可选的实施方式中，预先构建的出行特征决策模型至少包括以下出行特征指标的一种或多种：时距相符程度指标、路径权值指标、信号灯数量指标和出行惯性指标。