CN108664608A - 可疑人员的识别方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明提供了一种可疑人员的识别方法、装置及计算机可读存储介质。该方法包括：获取进入监控区域的每个人员的活动轨迹行为数据；将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括异常行为数据；若活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。由于根据活动轨迹行为数据对该人员是否为可疑人员进行判断，不再依赖于危险人员人脸数据库，能够根据行为特征有效识别出可疑人员，提高了识别的准确度，并且能够在发生违法犯罪行为前进行识别，能够进行违法犯罪前的事前预防。

Description

可疑人员的识别方法、装置及计算机可读存储介质

技术领域

本发明实施例涉及视频和图像处理技术领域，尤其涉及一种可疑人员的识别方法、装置及计算机可读存储介质。

背景技术

为了保证人民群众的生命财产安全，在火车站、机场、地铁站、广场、超市、商场等人口密集的区域都设置了安保手段。其中，视频监控是目前最常用的安保手段。

在现有的视频监控方案中，包括人工视频监控方法和智能视频监控方法。在人工视频监控方法中，需要监控人员时刻保持注意力集中，严密观察。判断可疑人员主要依赖监控人员的个人能力和经验。而智能视频监控方法主要使用人脸识别方法进行可疑人员的检测。

现有的人工视频监控方法，监控人员长时间工作容易劳累，导致监控质量下降，监控***往往只能起到事后取证的作用，此时已经造成了经济损失，无法做到事前预防。而现有的智能视频监控方法依赖于危险人员人脸数据库，对于不在危险人员数据库名单上的人，无法提供有效的方法，识别的准确度无法保障。

发明内容

本发明实施例提供一种可疑人员的识别方法、装置及计算机可读存储介质，解决了现有技术中对可疑人员的人工识别方法无法做到事前预防的技术问题，也解决了现有技术中对可疑人员的智能识别方法对于不在危险人员数据库名单上的人，无法提供有效的方法，识别的准确度无法保障的技术问题。

本发明实施例提供一种可疑人员的识别方法，包括：

获取进入监控区域的每个人员的活动轨迹行为数据；

将所述活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括异常行为数据；

若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。

进一步地，如上所述的方法，所述若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员，具体包括：

若所述活动轨迹行为数据包括异常行为数据，则判断所述活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值；

若所述异常行为持续时间大于或等于预设时间阈值，则判断所述活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值；

若所述异常行为数据的个数大于或等于预设个数阈值，则确定该活动轨迹行为数据的所属人员为可疑人员。

进一步地，如上所述的方法，所述获取进入监控区域的每个人员的活动轨迹行为数据，具体包括：

采集进入到监控区域的每个人员的行为数据；

基于人脸识别技术将同一人员的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。

进一步地，如上所述的方法，所述获取进入监控区域的每个人员的活动轨迹行为数据之前，还包括：

采集多种人口密集公共场所的视频数据；

对所述视频数据进行特征提取并分类，以获取异常行为特征数据；

根据所述异常行为特征数据构建异常行为数据库。

本发明实施例提供一种可疑人员的识别装置，包括：

获取模块，用于获取进入监控区域的每个人员的活动轨迹行为数据；

判断模块，用于将所述活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括异常行为数据；

确定模块，用于若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。

进一步地，如上所述的装置，所述确定模块，具体用于：

若所述活动轨迹行为数据包括异常行为数据，则判断所述活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值；若所述异常行为持续时间大于或等于预设时间阈值，则判断所述活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值；若所述异常行为数据的个数大于或等于预设个数阈值，则确定该活动轨迹行为数据的所属人员为可疑人员。

进一步地，如上所述的装置，所述获取模块，具体用于：

采集进入到监控区域的每个人员的行为数据；基于人脸识别技术将同一人员的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。

进一步地，如上所述的装置，还包括：

采集模块，采集多种人口密集公共场所的视频数据；

特征提取模块，用于对所述视频数据进行特征提取并分类，以获取异常行为特征数据；

构建模块，用于根据所述异常行为特征数据构建异常行为数据库。

本发明实施例提供一种可疑人员的识别装置，包括：

存储器，处理器以及计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述所述的方法。

本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述所述的方法。

本发明实施例提供一种可疑人员的识别方法、装置及计算机可读存储介质，通过获取进入监控区域的每个人员的活动轨迹行为数据；将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括异常行为数据；若活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。由于根据活动轨迹行为数据对该人员是否为可疑人员进行判断，不再依赖于危险人员人脸数据库，能够根据行为特征有效识别出可疑人员，提高了识别的准确度，并且能够在发生违法犯罪行为前进行识别，能够进行违法犯罪前的事前预防。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明可疑人员的识别方法实施例一的流程图；

图2为本发明可疑人员的识别方法实施例二的流程图；

图3为本发明可疑人员的识别装置实施例一的结构示意图；

图4为本发明可疑人员的识别装置实施例二的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

图1为本发明可疑人员的识别方法实施例一的流程图，如图1所示，本实施例的执行主体为可疑人员的识别装置，该可疑人员的识别装置集成在计算机、平台设备或服务器或其他具有独立计算和处理能力的设备中，通过网页或客户端向用户提供服务，则本实施例提供的可疑人员的识别方法包括以下几个步骤。

步骤101，获取进入监控区域的每个人员的活动轨迹行为数据。

具体地，本实施例中，预先在人口密集的公共场所安装多个监控设备，监控设备对进入监控区域的每个人员的行为数据进行存储。从多个监控设备中获取每个人员的行为数据，并将同一个人的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。每个人员的活动轨迹行为数据能够表示每个人员在每个活动区域的具体行为。

本实施例中，对某人员的活动轨迹行为数据进行示例性说明为：张某早上八点进入超市，推着购物车，从水果区走到熟食区又返回到水果区，但并未购物，最后走到付款区，紧挨着前一购物人员的口袋大于或等于2分钟后，九点从无购物通道离开。

步骤102，将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括异常行为数据。

本实施例中，预先构建异常行为特征库，在异常行为特征库中存储有大量的异常行为的特征数据。其中，异常行为是有很大概率将要发生违法犯罪的可疑行为。如将要发生偷窃或抢劫等违法犯罪前的可疑行为。

本实施例中，以人口密集的公共场所为超市为例对超市内的异常行为的特征数据进行示例性说明为：进入超市不买东西，推着空车转来转去；推着空车或空手在超市外逡巡；专门盯着别人付款后的购物车或钱包、手提包等。

可以理解的是，异常行为特征数据可根据实际情况进行添加或修正。

步骤103，若活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。

具体地，本实施例中，可每间隔预设时间段将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，判断活动轨迹行为数据中是否包括异常行为数据，若活动轨迹行为数据中包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员，若活动轨迹行为数据中不包括异常行为数据，则继续获取下一预设时间段的活动轨迹行为数据，并再次对该活动轨迹行为数据是否包括异常行为数据进行判断，直到该人员离开该人口密集的公共场所。

本实施例提供的可疑人员的识别方法，通过获取进入监控区域的每个人员的活动轨迹行为数据；将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括异常行为数据；若活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。由于根据活动轨迹行为数据对该人员是否为可疑人员进行判断，不再依赖于危险人员人脸数据库，能够根据行为特征有效识别出可疑人员，提高了识别的准确度，并且能够在发生违法犯罪行为前进行识别，能够进行违法犯罪前的事前预防。

图2为本发明可疑人员的识别方法实施例二的流程图，如图2所示，本实施例提供的可疑人员的识别方法，是在本发明可疑人员的识别方法实施例一的基础上，对步骤101，步骤103的进一步细化，并且还包括了构建异常行为数据库的步骤，则本实施例提供的可疑人员的识别方法包括以下步骤。

步骤201，采集多种人口密集公共场所的视频数据。

其中，人口密集公共场所至少包括：火车站、机场、地铁站、广场、超市、商场，还可以包括其他人口密集公共场所，本实施例中对此不做限定。

其中，在采集的视频数据中包括大量人员的行为数据。

步骤202，对视频数据进行特征提取并分类，以获取异常行为特征数据。

具体地，本实施例中，采用特征提取算法对视频数据进行特征提取，并采用机器学习算法进行分类，获取分类类别中为异常类别的特征数据，该异常类别的特征数据为异常行为特征数据。

其中，本实施例中，对特征提取的算法的类别不做限定，对机器学习短发的类别也不做限定。

步骤203，根据异常行为特征数据构建异常行为数据库。

将异常行为特征数据存储到数据库中来构建异常行为数据库。其中，数据库类型不做限定，如可以为MySQL数据库，Oracle数据库等。

可以理解的是，若异常行为数据库已构建完成，则后续进行可疑人员的识别时不再执行步骤201-步骤203。

步骤204，获取进入监控区域的每个人员的活动轨迹行为数据。

进一步地，获取进入监控区域的每个人员的活动轨迹行为数据具体包括：

首先，采集进入到监控区域的每个人员的行为数据。

具体地，由于在人口密集公共场所中设置有多个监控设备，从多个监控设备对应的存储区域采集进入到监控区域的每个人员的行为数据。

然后，基于人脸识别技术将同一人员的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。

具体地，先通过人脸识别技术获取同一人员的所有行为数据，并根据行为数据中的时间信息，按照时间顺序将行为数据进行拼接，形成该人员的活动轨迹行为数据。

其中，人脸识别技术可以为现有人脸识别技术中的任意一种。

步骤205，将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，判断活动轨迹行为数据是否包括异常行为数据，若是，则执行步骤206，否则执行步骤204。

步骤206，判断活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值，若是，则执行步骤207，否则执行步骤204。

步骤207，判断活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值，若是，则执行步骤208，否则执行步骤204。

步骤208，确定该活动轨迹行为数据的所属人员为可疑人员。

结合步骤205-步骤208进行说明。进一步地，本实施例中，将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，判断活动轨迹行为数据是否包括异常行为数据，若活动轨迹行为数据包括异常行为数据，则说明该人员有动机进行违法犯罪行为，然后判断活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值，若异常行为持续时间大于或等于预设时间阈值，则说明该人员将要进行违法犯罪的嫌疑提高，然后判断活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值，若异常行为数据的个数大于或等于预设个数阈值，则说明该人员将要进行违法犯罪的的嫌疑进一步提高，将异常行为持续时间大于或等于预设时间阈值且异常行为数据的个数大于或等于预设个数阈值的活动轨迹行为数据的所属人员确定为可疑人员。若异常行为持续时间小于预设时间阈值或异常行为数据的个数小于预设个数阈值，则继续获取该人员的活动轨迹行为数据，以进行进一步判断。

其中，预设时间阈值和预设个数阈值预先设定。如预设时间阈值可以为2分钟，或其他适宜时间，预设个数阈值可以为2次，3次或其他适宜个数。

本实施例提供的可疑人员的识别方法，通过采集多种人口密集公共场所的视频数据，对视频数据进行特征提取并分类，以获取异常行为特征数据，根据异常行为特征数据构建异常行为数据库，获取进入监控区域的每个人员的活动轨迹行为数据，将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，判断活动轨迹行为数据是否包括异常行为数据，若是，则判断活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值，若是，则判断活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值，若是，则确定该活动轨迹行为数据的所属人员为可疑人员，否则，继续获取进入监控区域的该人员的活动轨迹行为数据，以进行后续判断。不仅能够在发生违法犯罪行为前进行识别，能够进行违法犯罪前的事前预防，而且进一步提高了识别的准确度，减少偶然事件的发生。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

图3为本发明可疑人员的识别装置实施例一的结构示意图，如图3所示，本实施例提供的可疑人员的识别装置包括：获取模块31，判断模块32，确定模块33。

其中，获取模块31，用于获取进入监控区域的每个人员的活动轨迹行为数据。判断模块32，与获取模块31连接。用于将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括异常行为数据。确定模块33，与判断模块32连接。用于若活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。

本实施例提供的可疑人员的识别装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图4为本发明可疑人员的识别装置实施例二的结构示意图，如图4所示，本实施例提供的可疑人员的识别装置在本发明可疑人员的识别装置实施例一的基础上，进一步地，还包括：采集模块41，特征提取模块42及构建模块43。

进一步地，确定模块33，具体用于：

若活动轨迹行为数据包括异常行为数据，则判断活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值；若异常行为持续时间大于或等于预设时间阈值，则判断活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值；若异常行为数据的个数大于或等于预设个数阈值，则确定该活动轨迹行为数据的所属人员为可疑人员。

进一步地，获取模块31，具体用于：

采集进入到监控区域的每个人员的行为数据；基于人脸识别技术将同一人员的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。

进一步地，采集模块41，采集多种人口密集公共场所的视频数据。特征提取模块42，与采集模块41连接。用于对视频数据进行特征提取并分类，以获取异常行为特征数据。构建模块43，与特征提取模块42连接。用于根据异常行为特征数据构建异常行为数据库。

本实施例提供的可疑人员的识别装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

本发明实施例还提供一种可疑人员的识别装置，包括：存储器，处理器以及计算机程序。

其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现本发明可疑人员的识别方法实施例一或本发明可疑人员的识别方法实施例二中的方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本发明可疑人员的识别方法实施例一或本发明可疑人员的识别方法实施例二中的方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种可疑人员的识别方法，其特征在于，包括：

获取进入监控区域的每个人员的活动轨迹行为数据；

将所述活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括异常行为数据；

若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。

2.根据权利要求1所述的方法，其特征在于，所述若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员，具体包括：

若所述活动轨迹行为数据包括异常行为数据，则判断所述活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值；

若所述异常行为持续时间大于或等于预设时间阈值，则判断所述活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值；

若所述异常行为数据的个数大于或等于预设个数阈值，则确定该活动轨迹行为数据的所属人员为可疑人员。

3.根据权利要求1或2所述的方法，其特征在于，所述获取进入监控区域的每个人员的活动轨迹行为数据，具体包括：

采集进入到监控区域的每个人员的行为数据；

基于人脸识别技术将同一人员的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。

4.根据权利要求3所述的方法，其特征在于，所述获取进入监控区域的每个人员的活动轨迹行为数据之前，还包括：

采集多种人口密集公共场所的视频数据；

对所述视频数据进行特征提取并分类，以获取异常行为特征数据；

根据所述异常行为特征数据构建异常行为数据库。

5.一种可疑人员的识别装置，其特征在于，包括：

获取模块，用于获取进入监控区域的每个人员的活动轨迹行为数据；

判断模块，用于将所述活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括异常行为数据；

确定模块，用于若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员。

6.根据权利要求5所述的装置，其特征在于，所述确定模块，具体用于：

若所述活动轨迹行为数据包括异常行为数据，则判断所述活动轨迹行为数据中异常行为数据对应的异常行为持续时间是否大于或等于预设时间阈值；若所述异常行为持续时间大于或等于预设时间阈值，则判断所述活动轨迹行为数据中包括异常行为数据的个数是否大于或等于预设个数阈值；若所述异常行为数据的个数大于或等于预设个数阈值，则确定该活动轨迹行为数据的所属人员为可疑人员。

7.根据权利要求5或6所述的装置，其特征在于，所述获取模块，具体用于：

采集进入到监控区域的每个人员的行为数据；基于人脸识别技术将同一人员的行为数据按照时间顺序进行拼接，形成每个人员的活动轨迹行为数据。

8.根据权利要求7所述的装置，其特征在于，还包括：

采集模块，采集多种人口密集公共场所的视频数据；

特征提取模块，用于对所述视频数据进行特征提取并分类，以获取异常行为特征数据；

构建模块，用于根据所述异常行为特征数据构建异常行为数据库。

9.一种可疑人员的识别装置，其特征在于，包括：

存储器，处理器以及计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-4中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-4中任一项所述的方法。