买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京财经大学申请的专利基于时空群组划分的多相机车辆轨迹层级聚类算法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116089680B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211678492.0，技术领域涉及：G06F16/906；该发明授权基于时空群组划分的多相机车辆轨迹层级聚类算法是由解愉嘉;王崴;毛波设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本基于时空群组划分的多相机车辆轨迹层级聚类算法在说明书摘要公布了：本发明公开了基于时空群组划分的多相机车辆轨迹层级聚类算法，包括以下步骤：将视频目标轨迹空间化；然后对视频目标轨迹进行群组间轨迹聚类：获取最长时间星际编号，重叠缩放系数；按最优不等长轨迹点对应法则，进行群组内车辆目标轨迹聚类，最终得到群组间轨迹聚类结果；进行群组间轨迹聚类：结合轨迹的起终点，反映群体轨迹动态特征；分别取车辆目标在每个相机群组下进入点和离开点做为轨迹采样点，形成多个轨迹子段，然后对轨迹子段进行多层级聚类。本发明在同场景相机群组内将轨迹所在相机编号作为标签，可有效处理相机群组不等距轨迹数据；相机群组间不同地理场景的组号作为标签，对相机群组间轨迹进行了合理化聚类分析。

本发明授权基于时空群组划分的多相机车辆轨迹层级聚类算法在权利要求书中公布了：1.基于时空群组划分的多相机车辆轨迹层级聚类算法，其特征在于，包括以下步骤： 1、将视频目标轨迹空间化； 2、然后对视频目标轨迹进行聚类； 3、步骤2包括群组内轨迹聚类算法和群组间轨迹聚类算法； 4、步骤3中的群组内轨迹聚类算法包括：获取最长时间相机编号，重叠缩放系数；按最优不等长轨迹点对应法则，进行群组内车辆目标轨迹聚类，最终得到群组内轨迹聚类结果； 步骤4具体包括：相机划分为群组时，应尽可能同时满足“组内相机距离和最小且相机间视域重叠面积最大”； 建立一对多和多对一的匹配，使得两条轨迹具有相同模式的波谷和波峰匹配； 已知两个不等长的轨迹序列: 12 其中的轨迹序列可能时间点并不等距；固定一个由表示的特征空间；其局部距离度量被定义为函数： 13 定义序列 14 为最优不等长轨迹点对应序列，其中： 15 则序列满足： 16 和之间距离代价表示为： 17 和之间的最优总代价表示为的最小值： 18； 所述的步骤4中的重叠缩放系数包括： 假设相机群组： 19 对于目标，假设被捕捉到；其中， 20 按照捕捉时间先后排序，该目标对应轨迹表示为一系列节点： 21 22 其中 23 代表该目标在该节点被捕捉到； 假设两条轨迹，在相机,构成的相机群组下的轨迹其中中在两个相机下的总时长为，分为三部分，其中仅被一个相机捕捉，而则同时被两个相机捕捉；在其整个过程，即时间内仅被捕捉；如直接计算其二者距离，因在时间存在相机交叠，因此轨迹节点的密度会随之增加，进而导致距离值的增加；因此为了消除增加部分的距离，首先获取，全局总时长分别为=，=，而实际计算时常为=+，=；因此，得到，交叠轨迹的缩放系数为: 24 该系数应在距离计算时相乘以消除相机重叠对距离的增加； 5、步骤3中的群组间轨迹聚类算法包括：因群组间轨迹范围比群组内的范围更大，因此结合群组间轨迹的起点和终点，反映群体轨迹动态特征；分别取车辆目标在每个相机群组下的进入点和离开点做为轨迹采样点，形成多个轨迹子段，然后对轨迹子段进行多层级聚类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京财经大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。