CN108664600A - 一种用于识别特殊场所嫌疑人的方法和装置 - Google Patents
一种用于识别特殊场所嫌疑人的方法和装置 Download PDFInfo
- Publication number
- CN108664600A CN108664600A CN201810438106.8A CN201810438106A CN108664600A CN 108664600 A CN108664600 A CN 108664600A CN 201810438106 A CN201810438106 A CN 201810438106A CN 108664600 A CN108664600 A CN 108664600A
- Authority
- CN
- China
- Prior art keywords
- crime
- suspicion
- individual
- personnel
- place
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种用于识别特殊场所嫌疑人的方法和装置,选取多个同类型的案发场所及其案发时间段;收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;计算嫌疑人员的嫌疑概率。本发明通过对案发时间段内在案发场所出现过的个体进行检索和交叉碰撞分析,选择出嫌疑人员,计算嫌疑人员嫌疑概率,能够为公安干警重点排查提供现场指导。
Description
技术领域
本发明涉及一种嫌疑人员识别方法,具体涉及一种用于识别特殊场所嫌疑人的方法和装置。
背景技术
在日益飞速发展的信息技术支撑下,利用信息化手段管控犯罪前科、在逃人员等重点人员已经成为了公安机关研究的重要方向。重点人员日常活动时,产生的各项行为记录的数据信息,记载了重点人员的行动轨迹和方向。因此利用人员动态轨迹,来分析重点人员的类型,提高公安情报人员的研判效率,显得尤为重要。
而目前人员分类方法,要么是具有局限性,只能应用到单一场景,如只能识别上班族或者贩毒人员等单一类型,要么具有时效性,当时代发展,改变了人们的生活方式后,固定的识别算法便不再适用。
综上所述,如何基于人员行为轨迹信息识别特殊场所人员嫌疑程度方法,尚缺乏有效的解决方案。
发明内容
为了克服上述现有技术的不足,本发明提供了一种用于识别特殊场所嫌疑人的方法和装置,通过对案发时间段内在案发场所出现过的个体进行检索和交叉碰撞分析,选择出嫌疑人员,计算嫌疑人员嫌疑概率,能够为公安干警重点排查提供现场指导。
本发明所采用的技术方案是:
一种用于识别特殊场所嫌疑人的方法,该方法包括以下步骤:
选取多个同类型的案发场所及其案发时间段;
收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;
从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;
对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;
计算嫌疑人员的嫌疑概率。
进一步的,所述收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库的步骤包括:
利用与个体移动终端相关联的运营商提供的定位信息,收集在每个案发场所内出现过的个体及其行为轨迹。
进一步的,所述对所检索个体的行为轨迹进行交叉碰撞分析的步骤包括:
根据所检索个体的行为轨迹,判断所检索个体是否在两个或两个以上的案发场所出现过;
如果该个体在两个或两个以上的案发场所出现过,则将该个体标记为嫌疑人员;如果该个体仅在一个案发场所出现过,则将该个体排除。
进一步的,所述嫌疑人员的嫌疑概率的计算方法为:
根据案发场所的浮动时间、嫌疑人员每次出现在案发场所的时长和案发场所的数量,计算所有嫌疑人员的嫌疑概率,嫌疑概率越大,则其对应的嫌疑人员与案发场所的关系越大。
进一步的,所述嫌疑人员的嫌疑概率的表达式为:
式中,P为嫌疑人员的嫌疑概率,N为案发场所的数量,ti为嫌疑人员第i次出现在案发场所的时长,i=1,2,3,…,n;n为嫌疑人员在案发场所出现的次数;T为案发场所的浮动时间。
一种用于识别特殊场所嫌疑人的装置,该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤,包括:
选取多个同类型的案发场所及其案发时间段;
收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;
从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;
对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;
计算嫌疑人员的嫌疑概率。
与现有技术相比,本发明的有益效果是:
本发明通过对案发时间段内在案发场所出现过的个体进行检索和交叉碰撞分析,选择出嫌疑人员,计算嫌疑人员嫌疑概率,通过该嫌疑人员的嫌疑概率,能够判断其与案发场所的关系大小,能够为公安干警重点排查提供现场指导。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本发明实施例公开的用于识别特殊场所嫌疑人的方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的,现有技术中存在只能应用到单一场景,只能对单一类型的人员进行识别的不足,为了解决如上的技术问题,本申请提出了一种用于识别特殊场所嫌疑人的方法和装置。
本申请的一种典型的实施方式中,如图1所示,提供了一种用于识别特殊场所嫌疑人的方法,该方法包括以下步骤:
选取多个同类型的案发场所及其案发时间段;
收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;
从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;
对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;
计算嫌疑人员的嫌疑概率。
本发明实施例提出的用于识别特殊场所嫌疑人的方法,通过对案发时间段内在案发场所出现过的个体进行检索和交叉碰撞分析,选择出嫌疑人员,计算嫌疑人员嫌疑概率,通过该嫌疑人员的嫌疑概率,能够判断其与案发场所的关系大小,能够为公安干警重点排查提供现场指导。
为了本领域的技术人员更好地了解本发明,下面列举一个更为详细的实施例,本发明实施例提供了一种用于识别特殊场所嫌疑人的方法,该方法包括以下步骤:
步骤1:选取多个同类型的案发场所及其案发时间段。
在本实施例中,所述案发场所即为特殊场所,可为贩毒场所、***场所、盗窃场所等。选取同类型或者相似类型的特殊场所及其案发时间段,如已知的十个贩毒场所,以及相对应的贩毒时间。
步骤2:收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库。
利用与个体移动终端相关联的运营商提供的定位信息,收集在案发时间段内、在每个案发场所内出现过的个体及其行为轨迹。
步骤3:从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体。
从步骤2所建立的行为轨迹库中,检索出各个案发场所在所对应的案发时间段内出现的个体及其行为轨迹,便于后续的分析。
步骤4:对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员。
在步骤3检索出的人体中过滤出出现过两个及其两个以上场所的个体。例如:在步骤1中,选取的场所为:A1~A10十个场所,在第三步中,检索出P1~P100一百个人员,判断P1~P100一百个人员是否出现过两个及其两个以上场所。如果其中P1在A1~A10十个场所中任意两个和两个以上出现过,那么则将P1记为嫌疑人员,如果其只出现过一个场所,则将其排除;依次循环,直至一百个人员全部判断完毕。
步骤5:计算嫌疑人员的嫌疑概率。
根据案发场所类型的浮动时间、嫌疑人员每次出现在案发场所的时长和案发场所的数量,计算嫌疑人员的嫌疑概率,嫌疑概率越大,则其对应的嫌疑人员与案发场所的关系越大。
所述嫌疑人员的嫌疑概率的表达式为:
式中,P为嫌疑人员的嫌疑概率,N为案发场所的数量,ti为嫌疑人员第i次出现在案发场所的时长,i=1,2,3,…,n;n为嫌疑人员在案发场所出现的次数;T为浮动时间参数,即根据特殊场所类型动态调整的时间参数,如特殊场所为夜市,即该时间应为夜市的开始时间和结束时间。
将所有嫌疑人员全部按上述公式(1)计算概率后,P值(可能大于1)越大,则其对应的嫌疑人员与案发场所的关系越大,即若案发场所为贩毒场所,改人员为吸毒或者贩毒的概率最大,若为盗窃场所,其为窃贼的概率最大。
本发明实施例提出的用于识别特殊场所嫌疑人的方法,通过对案发时间段内在案发场所出现过的个体进行检索和交叉碰撞分析,选择出嫌疑人员,计算嫌疑人员嫌疑概率,通过该嫌疑人员的嫌疑概率,能够判断其与案发场所的关系大小,能够为公安干警重点排查提供现场指导。
本申请的另一典型实施方式,提供了一种用于识别特殊场所嫌疑人的装置,该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤,包括:
选取多个同类型的案发场所及其案发时间段;
收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;
从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;
对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;
计算嫌疑人员的嫌疑概率。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种用于识别特殊场所嫌疑人的方法,其特征是,包括以下步骤:
选取多个同类型的案发场所及其案发时间段;
收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;
从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;
对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;
计算嫌疑人员的嫌疑概率。
2.根据权利要求1所述的用于识别特殊场所嫌疑人的方法,其特征是,所述收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库的步骤包括:
利用与个体移动终端相关联的运营商提供的定位信息,收集在每个案发场所内出现过的个体及其行为轨迹。
3.根据权利要求1所述的用于识别特殊场所嫌疑人的方法,其特征是,所述对所检索个体的行为轨迹进行交叉碰撞分析的步骤包括:
根据所检索个体的行为轨迹,判断所检索个体是否在两个或两个以上的案发场所出现过;
如果该个体在两个或两个以上的案发场所出现过,则将该个体标记为嫌疑人员;如果该个体仅在一个案发场所出现过,则将该个体排除。
4.根据权利要求1所述的用于识别特殊场所嫌疑人的方法,其特征是,所述嫌疑人员的嫌疑概率的计算方法为:
根据案发场所的浮动时间、嫌疑人员每次出现在案发场所的时长和案发场所的数量,计算所有嫌疑人员的嫌疑概率,嫌疑概率越大,则其对应的嫌疑人员与案发场所的关系越大。
5.根据权利要求4所述的用于识别特殊场所嫌疑人的方法,其特征是,所述嫌疑人员的嫌疑概率的表达式为:
式中,P为嫌疑人员的嫌疑概率,N为案发场所的数量,ti为嫌疑人员第i次出现在案发场所的时长,i=1,2,3,…,n;n为嫌疑人员在案发场所出现的次数;T为案发场所的浮动时间。
6.一种用于识别特殊场所嫌疑人的装置,其特征是,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤,包括:
选取多个同类型的案发场所及其案发时间段;
收集在所有案发场所内出现过的个体及其行为轨迹,建立行为轨迹库;
从行为轨迹库中检索出在案发时间段内各个案发场所出现的个体;
对所检索个体的行为轨迹进行交叉碰撞分析,以选择出嫌疑人员;
计算嫌疑人员的嫌疑概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810438106.8A CN108664600A (zh) | 2018-05-09 | 2018-05-09 | 一种用于识别特殊场所嫌疑人的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810438106.8A CN108664600A (zh) | 2018-05-09 | 2018-05-09 | 一种用于识别特殊场所嫌疑人的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108664600A true CN108664600A (zh) | 2018-10-16 |
Family
ID=63778970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810438106.8A Pending CN108664600A (zh) | 2018-05-09 | 2018-05-09 | 一种用于识别特殊场所嫌疑人的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664600A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325548A (zh) * | 2018-10-23 | 2019-02-12 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN109977108A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市甲易科技有限公司 | 一种基于行为轨迹库的多种轨迹碰撞分析方法 |
CN110009022A (zh) * | 2019-03-26 | 2019-07-12 | 第四范式(北京)技术有限公司 | 吸毒人员信息的预测方法、装置与计算设备 |
CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
CN112182055A (zh) * | 2019-07-02 | 2021-01-05 | ***通信集团贵州有限公司 | 嫌疑人确定方法及装置、设备、存储介质 |
CN113450236A (zh) * | 2020-03-24 | 2021-09-28 | 浙江宇视科技有限公司 | 基于时空数据的可疑人员识别方法、装置、***和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914532A (zh) * | 2014-03-31 | 2014-07-09 | 安徽新华博信息技术股份有限公司 | 案件嫌疑人自动排查的分析方法 |
JP2017049733A (ja) * | 2015-08-31 | 2017-03-09 | パナソニックIpマネジメント株式会社 | 事件証拠管理システム及び事件証拠管理方法 |
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN107622465A (zh) * | 2016-07-15 | 2018-01-23 | 中国电信股份有限公司 | 用于识别嫌疑人的方法和*** |
CN107832364A (zh) * | 2017-10-26 | 2018-03-23 | 浙江宇视科技有限公司 | 一种基于时空数据锁定目标对象的方法及装置 |
-
2018
- 2018-05-09 CN CN201810438106.8A patent/CN108664600A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914532A (zh) * | 2014-03-31 | 2014-07-09 | 安徽新华博信息技术股份有限公司 | 案件嫌疑人自动排查的分析方法 |
JP2017049733A (ja) * | 2015-08-31 | 2017-03-09 | パナソニックIpマネジメント株式会社 | 事件証拠管理システム及び事件証拠管理方法 |
CN107622465A (zh) * | 2016-07-15 | 2018-01-23 | 中国电信股份有限公司 | 用于识别嫌疑人的方法和*** |
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN107832364A (zh) * | 2017-10-26 | 2018-03-23 | 浙江宇视科技有限公司 | 一种基于时空数据锁定目标对象的方法及装置 |
Non-Patent Citations (1)
Title |
---|
庄华: "轨迹侦查探析", 《中国刑警学院学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325548A (zh) * | 2018-10-23 | 2019-02-12 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN110009022A (zh) * | 2019-03-26 | 2019-07-12 | 第四范式(北京)技术有限公司 | 吸毒人员信息的预测方法、装置与计算设备 |
CN109977108A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市甲易科技有限公司 | 一种基于行为轨迹库的多种轨迹碰撞分析方法 |
CN109977108B (zh) * | 2019-04-03 | 2021-04-27 | 深圳市甲易科技有限公司 | 一种基于行为轨迹库的多种轨迹碰撞分析方法 |
CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
CN110222640B (zh) * | 2019-06-05 | 2022-02-18 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
CN112182055A (zh) * | 2019-07-02 | 2021-01-05 | ***通信集团贵州有限公司 | 嫌疑人确定方法及装置、设备、存储介质 |
CN113450236A (zh) * | 2020-03-24 | 2021-09-28 | 浙江宇视科技有限公司 | 基于时空数据的可疑人员识别方法、装置、***和介质 |
CN113450236B (zh) * | 2020-03-24 | 2022-12-23 | 浙江宇视科技有限公司 | 基于时空数据的可疑人员识别方法、装置、***和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664600A (zh) | 一种用于识别特殊场所嫌疑人的方法和装置 | |
CN104700434B (zh) | 一种用于复杂结构化场景的人群运动轨迹异常检测方法 | |
CN111726586A (zh) | 一种生产体系操作规范监测提醒*** | |
CN113076683B (zh) | 用于变电站行为监测的卷积神经网络模型的建模方法 | |
CN107862868B (zh) | 一种基于大数据进行车辆轨迹预测的方法 | |
CN111930868A (zh) | 一种基于多维数据采集的大数据行为轨迹分析方法 | |
CN109918674B (zh) | 一种基于案件要素相似性建模的案件串并方法 | |
CN110492480A (zh) | 配电网拓扑识别方法、装置、计算机设备和可读存储介质 | |
CN105760548A (zh) | 一种基于大数据跨域比对的车辆首次出现分析方法及*** | |
TW201327430A (zh) | 物件追蹤的方法、系統、電腦程式產品與記錄媒體 | |
CN112131325A (zh) | 轨迹确定方法、装置及设备、存储介质 | |
CN108540752A (zh) | 对视频监控中目标对象进行识别的方法、装置和*** | |
CN105825671A (zh) | 一种基于大数据车辆全轨迹碰撞的伴随车分析方法及*** | |
CN102625083B (zh) | 一种视频监控网络的建设方法 | |
CN112836657A (zh) | 一种基于轻量化YOLOv3的行人检测方法及*** | |
Feng et al. | A Sequential Convolution Network for Population Flow Prediction with Explicitly Correlation Modelling. | |
CN112328649A (zh) | 一种多轨迹数据相似度的计算方法和存储设备 | |
CN108062511A (zh) | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 | |
CN103399905B (zh) | 一种海洋涡旋演变过程信息提取方法 | |
CN109615573A (zh) | 基于大数据的外地人员流窜作案分析方法及*** | |
CN115294519A (zh) | 一种基于轻量化网络的异常事件检测及预警方法 | |
CN109299700A (zh) | 基于人群密度分析的地铁群体异常行为检测方法 | |
Yang et al. | Pedestrian tracking algorithm for dense crowd based on deep learning | |
CN108615359A (zh) | 一种车辆落脚点分析方法和装置 | |
CN110166422A (zh) | 域名行为识别方法、装置、可读存储介质和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181016 |