CN109190588A - 一种人口分类的方法及装置 - Google Patents

一种人口分类的方法及装置 Download PDF

Info

Publication number
CN109190588A
CN109190588A CN201811095690.8A CN201811095690A CN109190588A CN 109190588 A CN109190588 A CN 109190588A CN 201811095690 A CN201811095690 A CN 201811095690A CN 109190588 A CN109190588 A CN 109190588A
Authority
CN
China
Prior art keywords
archives
human body
body image
data
personnel
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
Application number
CN201811095690.8A
Other languages
English (en)
Inventor
高希
乔治
孙靖宇
杨臻
徐安安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Netposa Technologies Ltd
Original Assignee
Netposa Technologies Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Netposa Technologies Ltd filed Critical Netposa Technologies Ltd
Priority to CN201811095690.8A priority Critical patent/CN109190588A/zh
Publication of CN109190588A publication Critical patent/CN109190588A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供了一种人口分类的方法及装置，其中该方法包括如下步骤，获取原始多媒体文件并提取人体图像；对人体图像进行结构化计算得到特征数据；根据特征数据以及人体图像进行聚类计算，将所述人体图像划分成多个个体；为每个个体建立档案，根据档案中所述时间、地点信息对所述档案进行分类，确定长期出现人员、长期未出现人员和临时出现人员。并且结合公安机关的常住人口库数据、暂住人口库数据进行比对分析，确定是否登记在公安机关数据库中，从而辅助验证人工采集数据正确性和真实性，实现区域居住人口的精细化分类管理。

Description

一种人口分类的方法及装置
技术领域
本申请涉及人口管理技术领域，尤其是涉及一种人口分类的方法及装置。
背景技术
当前人口管理工作强烈依赖社区民警挨家挨户进行数据采集，导致数据采集不全、数据质量差、数据真实性难以验证等问题，进一步导致公安人口管理工作难度很大。目前公安机关的人口分类技术存在以下缺陷：
1)人口数据的采集过程严重依赖人工进行，数据不全且错误率高；2)难以对区域人口数据进行有效分类管理；3)缺少对人工采集的人口数据的验证办法；4)难以实现对区域人口进行精细化管理的工作要求。
随着监控视频头、专用人体图像抓拍机等监控设备的大量部署及视频结构化技术的普及，使用监控设备辅助区域人口管理工作势在必行。目前，公安等管理单位已经累积了大量监控设备采集的数据，对监控设备采集数据进行结构化分析得到结构化的特征数据也很普遍，但缺乏针对这些监控数据和特征数据的进一步分析方法，也缺乏合适的人口分类方法对监控数据进行利用，使其无法被公安机关等单位合理应用，无法服务于当前的区域人口管理工作。
发明内容
有鉴于此，本申请的目的在于提供一种人口分类的方法及装置，提供了区域人口数据的采集和分析方法，以个人为单位建立档案和人口分类，使监控设备采集的海量数据得到应用；并且结合公安机关的常住人口库数据、暂住人口库数据进行比对分析，辅助验证人工采集数据正确性和真实性，从而实现区域居住人口的精细化分类管理。
第一方面，本申请实施例提供了一种人口分类的方法，包括如下步骤：
数据采集模块获取原始多媒体文件，从所述原始多媒体文件中提取人体图像；
结构化算法引擎对所述人体图像进行结构化计算，得到所述人体图像的特征数据；
聚类算法引擎根据所述特征数据以及所述人体图像进行聚类计算，将所述人体图像划分成多个集合，每个集合的人体图像对应一个个体；
为所述每个个体建立档案，所述档案包括对应个体的人体图像集合、每个人体图像的时间、地点信息和每个人体图像的所述特征数据；
分类算法引擎获取所有的所述档案，根据所述档案中所述时间、地点信息对所述档案进行分类，确定长期出现人员、长期未出现人员和临时出现人员。
结合第一方面，提供了第一方面的第一种可能的实施方式，其中，一种人口分类方法还包括如下步骤：
获取模块获取常住人口库和暂住人口库的数据，分类算法引擎将所述长期出现人员数据与所述常住人口库和暂住人口库的数据进行对比，得到未登记人员数据。
结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述人体图像结构化信息数据包括人脸特征数据、人体特征数据、衣着特征数据和/或表情特征数据。
结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述确定长期出现人员数据包括如下步骤：
分类算法引擎获取所述档案；获取预定地理分析区域，根据所述分析区域对应的所述档案进行分析，统计每个个体的出现次数、出现时间，如果所述出现次数大于第一次数阈值，最后的所述出现时间与第一次所述出现时间之间的时间差大于第一时间阈值，且所述出现时间符合预定规律，则确定所述档案对应的个体为所述长期出现人员。
结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述确定长期未出现人员数据包括如下步骤：
分类算法引擎获取所述长期出现人员的所述档案；获取预定地理分析区域，根据所述分析区域对应的所述档案中的时间进行分析，如果最后的出现时间与当前时间之间的时间差大于第二时间阈值，则确定所述档案对应的个体为所述长期未出现人员。
结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述确定临时出现人员数据包括如下步骤：
分类算法引擎获取所述档案；获取预定地理分析区域，根据所述分析区域对应的所述档案进行分析，统计出现次数，如果所述出现次数小于第二次数阈值，则确定所述档案对应的个体为所述临时出现人员。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第六种可能的实施方式，其中，所述确定未登记人员数据包括如下步骤：
分类算法引擎获取所述长期出现人员的所述档案；计算所述档案中的所述特征数据与所述常住人口库和暂住人口库中个体对应的特征数据的相似度，如果在所述常住人口库和所述暂住人口库中均不存在相似度大于阈值的个体，则确定所述档案对应的个体为所述未登记人员。
结合第一方面，本申请实施例提供了第一方面的第七种可能的实施方式，其中，一种人口分类方法还包括如下步骤：
分类算法引擎获取所述档案；统计所述地点中出现最多的地址，确定所述档案对应的个体的长期出现区域。
第二方面，本申请实施例还提供一种人口分类的装置，包括数据采集模块，结构化算法引擎，聚类算法引擎，分类算法引擎；
所述数据采集模块，用于获取原始多媒体文件，从所述原始多媒体文件中提取人体图像；
所述结构化算法引擎，用于对所述人体图像进行结构化计算，得到所述人体图像的特征数据；
所述聚类算法引擎，用于根据所述特征数据以及所述人体图像进行聚类计算，将所述人体图像划分成多个集合，每个集合的人体图像对应一个个体，并为所述每个个体建立档案；
所述分类算法引擎，用于获取所有的所述档案，根据所述档案中所述时间、地点信息对所述档案进行分类，确定长期出现人员、长期未出现人员和临时出现人员。
结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中一种人口分类的装置，还包括获取模块；
所述获取模块，用于获取常住人口库和暂住人口库的数据；
所述分类算法引擎将所述长期出现人员数据与所述常住人口库和暂住人口库的数据进行对比，得到未登记人员数据。
本申请实施例提供的一种人口分类的方法及装置，对监控设备采集的视频和/或照片中的人体图像数据进行聚类，形成人体图像身份数据，并以个人为单位归档存储，之后对人体图像身份数据进行深入的分析挖掘，将原本没有规律、难以应用的人体图像记录进行精细化分类，得到人口分类数据。与现有技术中的人工采集人口过程和仅对监控视频进行结构化处理相比，本申请采用监控视频作为人口分类的数据源，比人工采集省时省力，准确性高，且能实时更新数据；将原本散布在海量抓怕记录中的目标身份数据进行聚类，大大缩小运算分析的数据量；对聚类后的人体图像身份数据归档，再加工，进行精细分类，便于在人口管理中使用；提供了验证人工采集人口数据正确性、完整性的验证方法，便于实现区域人口的精细化管理。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例一所提供的一种人口分类方法的流程图；
图2示出了本申请实施例二所提供的另一种人口分类方法的流程图；
图3示出了本申请长期出现人员分类方法的流程图；
图4示出了本申请长期未出现人员分类方法的流程图；
图5示出了本申请临时人员分类方法的流程图；
图6示出了本申请未登记人员分类方法的流程图；
图7示出了本申请实施例三所提供的一种人口分类装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到实现区域居住人口的精细化分类管理对区域人口数据的采集和分析方法的需求，本申请实施例提供了一种人口分类的方法及装置，下面通过实施例进行描述。
为便于对本实施例进行理解，首先对本申请实施例一所公开的一种人口分类方法进行详细介绍。
如图1所示，实施例一涉及的一种人口分类方法包括如下步骤。
S101：从监控设备获取多媒体文件，获取人脸、人体等人体图像；
S102：调用结构化算法，获取人体图像结构化数据，人体图像结构化数据包括人脸特征、人体特征、服饰特征、表情特征等信息；
S103：调用人体图像聚类算法，得到人体图像身份数据，并按个人归档，并与人体图像关联存储，人体图像身份数据中包括所述人体图像结构化数据和所述人体图像数据；
S104：以Hadoop、Spark等分布式计算技术为基础，构建分类算法，对人体图像身份数据从空间、时间、规律等维度进行分析，对涉及的人员进行人口分类，将人口分为以下三类。
长期出现人员：持续一段时间出现在某区域且出现时间均匀的人员；长期未出现人员：已确定是长期出现人员，持续一段时间未出现；临时出现人员：之前未出现在某区域，某段时间内少次出现。
如图2所示，实施例二涉及的一种人口分类方法包括如下步骤。
S201：从监控设备获取多媒体文件，获取人脸、人体等人体图像；
S202：调用结构化算法，获取人体图像结构化数据，人体图像结构化数据包括人脸特征、人体特征、服饰特征、表情特征等信息；
S203：调用人体图像聚类算法，得到人体图像身份数据，并按个人归档，并与人体图像关联存储，人体图像身份数据中包括所述人体图像结构化数据和所述人体图像数据；
S204：以Hadoop、Spark等分布式计算技术为基础，构建分类算法，对人体图像身份数据从空间、时间、规律等维度进行分析，对涉及的人员进行人口分类，将人口分为以下三类。
长期出现人员：持续一段时间出现在某区域且出现时间均匀的人员；长期未出现人员：已确定是长期出现人员，持续一段时间未出现；临时出现人员：之前未出现在某区域，某段时间内少次出现。
S205：获取长期出现人员数据，获取公安机关常住人口库和暂住人口库数据。
S206.将两者进行比对分析，得到未登记人员；
未登记人员：长期出现在某区域，但在该区域常住人口库和暂住人口库数据中没有相关信息的人员。
如图3所示，本申请长期出现人员分类方法包括如下步骤。
S301：分类算法引擎获取档案，包括档案中的人体图像、人体图像对应的特征数据、时间和地点信息；
S302：获取根据地理位置设定的分析区域；
S303：对所述分析区域中档案进行分析，统计出现次数、出现时间和出现规律；
S304：如果所述出现次数大于第一次数阈值，最后的所述出现时间与第一次所述出现时间之间的时间差大于第一时间阈值，且所述出现规律均匀，即出现时间符合一定的规律；
S305：确定所述人员为所述长期出现人员。
这里的出现时间符合一定规律，可以理解为经常在某一时间段出现或经常在某一时间点出现。
如图4所示，本申请长期未出现人员分类方法包括如下步骤。
S401：分类算法引擎获取所述长期出现人员的档案；
S402：获取根据地理位置设定的分析区域；
S403：对所述分析区域中的档案进行分析，统计出现次数、出现时间和出现规律；
S404：如果最新的所述出现时间与当前时间之间的时间差大于第二时间阈值；
S405：确定所述人员为所述长期未出现人员。
如图5所示，本申请临时人员分类方法包括如下步骤。
S501：分类算法引擎获取档案；
S502：获取根据地理位置设定的分析区域；
S503：对所述分析区域中的档案进行分析，统计出现次数；
S504：如果所述出现次数小于第二次数阈值；
S505：确定所述人员为所述临时出现人员。
如图6所示，本申请未登记人员分类方法包括如下步骤。
S601：分类算法引擎获取长期出现人员档案；
S602：获取模块获取公安机关常住人口库和暂住人口库数据；
S603：使用所述人体图像身份数据中的所述人脸特征数据在所述常住人口库和暂住人口库数据中进行检索，计算所述档案中的所述人脸特征数据与所述常住人口库和暂住人口库中个体对应的人脸特征数据的相似度；
S604：如果没有检索到该人员的记录，即如果在所述常住人口库和所述暂住人口库中均不存在相似度大于阈值的个体；
S605：则确定该人员为所述未登记人员。
基于相同的技术构思，本申请实施例还提供一种人口分类装置，如图7所示为一种人口分类装置的结构示意图。
701数据采集模块，用于获取原始多媒体文件，从所述原始多媒体文件中提取人体图像；
702结构化算法引擎，用于对所述人体图像进行结构化计算，得到所述人体图像的特征数据；
703聚类算法引擎，用于根据所述特征数据以及所述人体图像进行聚类计算，将所述人体图像划分成多个集合，每个集合的人体图像对应一个个体，并为所述每个个体建立档案；
704获取模块，用于获取公安机关常住人口库和暂住人口库数据。
705分类算法引擎，用于获取所有的所述档案，根据所述档案中所述时间、地点信息对所述档案进行分类，确定长期出现人员、长期未出现人员和临时出现人员；并将所述长期出现人员数据与所述常住人口库和暂住人口库数据进行对比，得到未登记人员数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种人口分类的方法，其特征在于，包括如下步骤：
数据采集模块获取原始多媒体文件，从所述原始多媒体文件中提取人体图像；
结构化算法引擎对所述人体图像进行结构化计算，得到所述人体图像的特征数据；
聚类算法引擎根据所述特征数据以及所述人体图像进行聚类计算，将所述人体图像划分成多个集合，每个集合的人体图像对应一个个体；
为每个所述个体建立档案，所述档案包括对应个体的人体图像集合、每个人体图像的时间、地点信息和每个人体图像的所述特征数据；
分类算法引擎获取所有的所述档案，根据所述档案中所述时间、地点信息对所述档案进行分类，确定长期出现人员、长期未出现人员和临时出现人员。
2.根据权利要求1所述的方法，其特征在于，还包括如下步骤：
获取模块获取常住人口库和暂住人口库的数据，分类算法引擎将所述长期出现人员数据与所述常住人口库和暂住人口库的数据进行对比，得到未登记人员数据。
3.根据权利要求1所述的方法，其特征在于，所述人体图像结构化信息数据包括人脸特征数据、人体特征数据、衣着特征数据和/或表情特征数据。
4.根据权利要求1所述的方法，其特征在于，所述确定长期出现人员数据包括如下步骤：
分类算法引擎获取所述档案；获取预定地理分析区域，根据所述分析区域对应的所述档案进行分析，统计每个个体的出现次数、出现时间，如果所述出现次数大于第一次数阈值，最后的所述出现时间与第一次所述出现时间之间的时间差大于第一时间阈值，且所述出现时间符合预定规律，则确定所述档案对应的个体为所述长期出现人员。
5.根据权利要求1所述的方法，其特征在于，所述确定长期未出现人员数据包括如下步骤：
分类算法引擎获取所述长期出现人员的所述档案；获取预定地理分析区域，根据所述分析区域对应的所述档案中的时间进行分析，如果最后的出现时间与当前时间之间的时间差大于第二时间阈值，则确定所述档案对应的个体为所述长期未出现人员。
6.根据权利要求1所述的方法，其特征在于，所述确定临时出现人员数据包括如下步骤：
分类算法引擎获取所述档案；获取预定地理分析区域，根据所述分析区域对应的所述档案进行分析，统计出现次数，如果所述出现次数小于第二次数阈值，则确定所述档案对应的个体为所述临时出现人员。
7.根据权利要求1或2所述的方法，其特征在于，所述确定未登记人员数据包括如下步骤：
分类算法引擎获取所述长期出现人员的所述档案；计算所述档案中的所述特征数据与所述常住人口库和暂住人口库中个体对应的特征数据的相似度，如果在所述常住人口库和所述暂住人口库中均不存在相似度大于阈值的个体，则确定所述档案对应的个体为所述未登记人员。
8.根据权利要求1所述的方法，其特征在于，还包括如下步骤：
分类算法引擎获取所述档案；统计所述地点中出现最多的地址，确定所述档案对应的个体的长期出现区域。
9.一种人口分类的装置，其特征在于，包括数据采集模块，结构化算法引擎，聚类算法引擎，分类算法引擎；
所述数据采集模块，用于获取原始多媒体文件，从所述原始多媒体文件中提取人体图像；
所述结构化算法引擎，用于对所述人体图像进行结构化计算，得到所述人体图像的特征数据；
所述聚类算法引擎，用于根据所述特征数据以及所述人体图像进行聚类计算，将所述人体图像划分成多个集合，每个集合的人体图像对应一个个体，并为所述每个个体建立档案；
所述分类算法引擎，用于获取所有的所述档案，根据所述档案中所述时间、地点信息对所述档案进行分类，确定长期出现人员、长期未出现人员和临时出现人员。
10.根据权利要求9所述的装置，其特征在于，还包括获取模块；
所述获取模块，用于获取常住人口库和暂住人口库的数据；
所述分类算法引擎，还用于将所述长期出现人员数据与所述常住人口库和暂住人口库的数据进行对比，得到未登记人员数据。
CN201811095690.8A 2018-09-19 2018-09-19 一种人口分类的方法及装置 Pending CN109190588A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811095690.8A CN109190588A (zh) 2018-09-19 2018-09-19 一种人口分类的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811095690.8A CN109190588A (zh) 2018-09-19 2018-09-19 一种人口分类的方法及装置

Publications (1)

Publication Number Publication Date
CN109190588A true CN109190588A (zh) 2019-01-11

Family

ID=64908643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811095690.8A Pending CN109190588A (zh) 2018-09-19 2018-09-19 一种人口分类的方法及装置

Country Status (1)

Country Link
CN (1) CN109190588A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784321A (zh) * 2019-03-28 2019-05-21 北京深醒科技有限公司 一种基于人脸识别的实有人口统计分类方法和装置
CN110059657A (zh) * 2019-04-25 2019-07-26 北京旷视科技有限公司 档案处理方法、装置、电子设备及计算机可读存储介质
CN110288015A (zh) * 2019-06-21 2019-09-27 北京旷视科技有限公司 一种人像检索的处理方法和装置
CN110334247A (zh) * 2019-06-28 2019-10-15 深圳市商汤科技有限公司 一种信息处理方法、装置及存储介质
CN110334564A (zh) * 2019-03-18 2019-10-15 特斯联（北京）科技有限公司 一种基于目标跟踪的常住人口识别方法和***
CN110390031A (zh) * 2019-06-28 2019-10-29 深圳市商汤科技有限公司 信息处理方法及装置、图像设备及存储介质
CN110796013A (zh) * 2019-09-29 2020-02-14 浙江新再灵科技股份有限公司 一种常驻人口信息收集方法及***
CN111582693A (zh) * 2020-04-28 2020-08-25 重庆中科云从科技有限公司 一种人口管理方法、***、机器可读介质及设备
CN112052280A (zh) * 2020-09-10 2020-12-08 厦门市美亚柏科信息股份有限公司 一种基于时空数据的实有人口分析方法及***
CN112689131A (zh) * 2021-03-12 2021-04-20 深圳市安软科技股份有限公司 基于网格化的活动目标监控方法、装置及相关设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8094948B2 (en) * 2007-04-27 2012-01-10 The Regents Of The University Of California Photo classification using optical parameters of camera from EXIF metadata
CN104268153A (zh) * 2014-09-01 2015-01-07 北京航天金盾科技有限公司 一种人口数据查重方法和装置
CN105138982A (zh) * 2015-08-21 2015-12-09 中南大学 一种基于多特征聚类及分类的人群异常检测与评估方法
CN106156804A (zh) * 2016-08-16 2016-11-23 浙江工业大学 一种基于K‑means聚类的移动疑似危险人群分类方法
CN106971317A (zh) * 2017-03-09 2017-07-21 杨伊迪 基于人脸识别与大数据分析的广告投放效果评价与智能推送决策方法
CN107273833A (zh) * 2017-06-06 2017-10-20 深圳市至壹科技开发有限公司 用于监测流动人口的方法及其***
CN107480626A (zh) * 2017-08-09 2017-12-15 广州云从信息科技有限公司 一种采用人脸识别的人口普查监控的方法
CN107977673A (zh) * 2017-11-15 2018-05-01 上海世脉信息科技有限公司 一种基于大数据的经济活动人口识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8094948B2 (en) * 2007-04-27 2012-01-10 The Regents Of The University Of California Photo classification using optical parameters of camera from EXIF metadata
CN104268153A (zh) * 2014-09-01 2015-01-07 北京航天金盾科技有限公司 一种人口数据查重方法和装置
CN105138982A (zh) * 2015-08-21 2015-12-09 中南大学 一种基于多特征聚类及分类的人群异常检测与评估方法
CN106156804A (zh) * 2016-08-16 2016-11-23 浙江工业大学 一种基于K‑means聚类的移动疑似危险人群分类方法
CN106971317A (zh) * 2017-03-09 2017-07-21 杨伊迪 基于人脸识别与大数据分析的广告投放效果评价与智能推送决策方法
CN107273833A (zh) * 2017-06-06 2017-10-20 深圳市至壹科技开发有限公司 用于监测流动人口的方法及其***
CN107480626A (zh) * 2017-08-09 2017-12-15 广州云从信息科技有限公司 一种采用人脸识别的人口普查监控的方法
CN107977673A (zh) * 2017-11-15 2018-05-01 上海世脉信息科技有限公司 一种基于大数据的经济活动人口识别方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334564B (zh) * 2019-03-18 2020-04-24 特斯联（北京）科技有限公司 一种基于目标跟踪的常住人口识别方法和***
CN110334564A (zh) * 2019-03-18 2019-10-15 特斯联（北京）科技有限公司 一种基于目标跟踪的常住人口识别方法和***
CN109784321A (zh) * 2019-03-28 2019-05-21 北京深醒科技有限公司 一种基于人脸识别的实有人口统计分类方法和装置
CN110059657A (zh) * 2019-04-25 2019-07-26 北京旷视科技有限公司 档案处理方法、装置、电子设备及计算机可读存储介质
CN110288015A (zh) * 2019-06-21 2019-09-27 北京旷视科技有限公司 一种人像检索的处理方法和装置
CN110334247A (zh) * 2019-06-28 2019-10-15 深圳市商汤科技有限公司 一种信息处理方法、装置及存储介质
CN110390031A (zh) * 2019-06-28 2019-10-29 深圳市商汤科技有限公司 信息处理方法及装置、图像设备及存储介质
CN110796013A (zh) * 2019-09-29 2020-02-14 浙江新再灵科技股份有限公司 一种常驻人口信息收集方法及***
CN111582693A (zh) * 2020-04-28 2020-08-25 重庆中科云从科技有限公司 一种人口管理方法、***、机器可读介质及设备
CN112052280A (zh) * 2020-09-10 2020-12-08 厦门市美亚柏科信息股份有限公司 一种基于时空数据的实有人口分析方法及***
CN112052280B (zh) * 2020-09-10 2022-04-29 厦门市美亚柏科信息股份有限公司 一种基于时空数据的实有人口分析方法及***
CN112689131A (zh) * 2021-03-12 2021-04-20 深圳市安软科技股份有限公司 基于网格化的活动目标监控方法、装置及相关设备
CN112689131B (zh) * 2021-03-12 2021-06-01 深圳市安软科技股份有限公司 基于网格化的活动目标监控方法、装置及相关设备

Similar Documents

Publication Publication Date Title
CN109190588A (zh) 一种人口分类的方法及装置
CN108733819B (zh) 一种人员档案建立方法和装置
CN106339428B (zh) 基于视频大数据的嫌疑人身份识别方法和装置
US20220092881A1 (en) Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program
CN110458154A (zh) 人脸识别方法、装置和计算机可读存储介质
US20070174272A1 (en) Facial Recognition in Groups
CN111312367A (zh) 一种基于自适应云管理平台的校园人员异常心理预测方法
CN112818149B (zh) 一种基于时空轨迹数据的人脸聚类方法、装置及存储介质
CN105224593B (zh) 一种短暂上网事务中频繁共现账号挖掘方法
CN111159763B (zh) 一种涉法人员群体画像分析***及方法
CN109086829A (zh) 一种社会人口治理的方法及装置
CN109902681B (zh) 用户群体关系确定方法、装置、设备及存储介质
CN110414459A (zh) 建立人车关联的方法及装置
CN106650799A (zh) 一种电子证据分类提取方法及***
Chandran et al. Missing child identification system using deep learning and multiclass SVM
CN111652331B (zh) 一种图像识别方法、装置和计算机可读存储介质
CN110765134A (zh) 档案建立方法、设备及存储介质
KR20180038169A (ko) 딥 러닝 기반의 데이터특징을 이용한 도시영상의 안전도 분류방법
CN106295547A (zh) 一种图像比对方法及图像比对装置
Kordopatis-Zilos et al. Geotagging social media content with a refined language modelling approach
Stylianou et al. Traffickcam: Crowdsourced and computer vision based approaches to fighting sex trafficking
CN111753642B (zh) 一种确定关键帧的方法及装置
CN114078277A (zh) 一人一档的人脸聚类方法、装置、计算机设备及存储介质
CN112364176A (zh) 一种人员行动轨迹的构建方法、设备及***
KR20200060942A (ko) 연속된 촬영 영상에서의 궤적기반 얼굴 분류 방법

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: 20190111