CN110909263B - 一种身份特征的伴随关系确定方法及装置 - Google Patents
一种身份特征的伴随关系确定方法及装置 Download PDFInfo
- Publication number
- CN110909263B CN110909263B CN201911202661.1A CN201911202661A CN110909263B CN 110909263 B CN110909263 B CN 110909263B CN 201911202661 A CN201911202661 A CN 201911202661A CN 110909263 B CN110909263 B CN 110909263B
- Authority
- CN
- China
- Prior art keywords
- identity
- determining
- accompanying
- space
- time
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供了一种身份特征的伴随关系确定方法及装置,生成每个身份特征的时空轨迹信息;针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;若伴随支持度大于预设阈值,则确定所述两个身份特征的伴随置信度;若两个身份特征的伴随置信度大于或等于第二预设阈值,确定两个身份特征之间存在伴随关系;将每两个身份特征之间的伴随关系发送至服务器,以使服务器确定全部身份特征之间的伴随关系。与现有技术相比,本申请能够在一个监测终端上收集多种类型的监测信息,并在监测终端上将监测信息进行处理,生成初步的伴随关系,再将伴随关系发送给服务器,能够减少服务器的处理压力,提高伴随分析的处理效率。
Description
技术领域
本申请涉及计算机技术领域,尤其是涉及一种身份特征的伴随关系确定方法及装置。
背景技术
随着科技的不断进步,数据挖掘已然成为了当今的热门技术。在数据挖掘技术领域当中,可以利用时空轨迹,对人、设备、动物等对象进行伴随关系的分析,能够学习到其之间的联系,并将这些伴随关系应用于多种场景中,如交通管理、人物或事物的追踪、相关目标确定等。
目前,现有的伴随关系确定方法通常是采集不同监测设备传输的原始监测数据,并根据预设的规则,对各种监测数据进行统计与分析,完成不同的设备或人物之间的伴随关系进行确定。然而,在实际应用中,轨迹数据通常体量极大,导致其计算量会远大于能够接收的范围,服务器短时间内难以承受大量的负荷,容易造成宕机等风险,而计算的效率很低。
发明内容
有鉴于此,本申请的目的在于提供一种身份特征的伴随关系确定方法及装置,能够减少服务器的处理压力,提高伴随分析的处理效率。
本申请实施例提供了一种身份特征的伴随关系确定方法,应用于监测终端,所述方法包括:
根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;
若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;
将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。
在一些可能的实施方式中,在生成每个身份特征的时空轨迹信息之后,所述方法还包括:
基于所述时空轨迹信息,生成每个身份特征的时空轨迹索引信息。
在一些可能的实施方式中,所述基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度,包括:
基于所述时空轨迹索引信息,确定是否在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征;
若是,则从多个其他监测装置中,确定在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征的其他监测装置的数量;
将确定的其他监测装置的数量作为所述两个身份特征的伴随支持度。
在一些可能的实施方式中,所述基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量,包括:
基于所述时空轨迹索引信息,确定所述两个身份特征的时空轨迹特征向量。
在一些可能的实施方式中,所述基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度,包括:
确定多个其他预设时间段内的所述两个身份特征的时空轨迹特征向量;
确定每个其他时间段内的所述两个身份特征的空间轨迹特征向量与预设时间段内所述两个身份特征的时空轨迹特征向量的相似度;
将所有相似度中,大于或等于预设数值的相似度的数量作为所述两个身份特征的伴随置信度。
本申请实施例提供了另一种身份特征的伴随关系确定方法,应用于服务器,所述方法包括:
接收每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系;
基于所述每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系,确定所有身份特征之间的伴随关系。
本申请实施例还提供了一种身份特征的伴随关系确定装置,用于监测终端,所述装置包括:
第一生成模块,用于根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
第一确定模块,用于针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;
第二确定模块,用于若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
第三确定模块,用于基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
第四确定模块,用于若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;
发送模块,用于将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。
在一些可能的实施方式中,所述装置还包括:
第二生成模块,用于基于所述时空轨迹信息,生成每个身份特征的时空轨迹索引信息。
在一些可能的实施方式中,所述第一确定模块具体用于:
基于所述时空轨迹索引信息,确定是否在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征;
若是,则从多个其他监测装置中,确定在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征的其他监测装置的数量;
将确定的其他监测装置的数量作为所述两个身份特征的伴随支持度。
在一些可能的实施方式中,所述第二确定模块具体用于:
基于所述时空轨迹索引信息,确定所述两个身份特征的时空轨迹特征向量。
在一种可能的实施方式中,所述第三确定模块具体用于:
确定多个其他预设时间段内的所述两个身份特征的时空轨迹特征向量;
确定每个其他时间段内的所述两个身份特征的空间轨迹特征向量与预设时间段内所述两个身份特征的时空轨迹特征向量的相似度;
将所有相似度中,大于或等于预设数值的相似度的数量作为所述两个身份特征的伴随置信度。
本申请实施例还提供另一种身份特征的伴随关系确定装置,用于服务器,所述装置包括:
接收模块,用于接收每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系;
伴随关系确定模块,用于基于所述每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系,确定所有身份特征之间的伴随关系。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的身份特征的伴随关系确定方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的身份特征的伴随关系确定方法的步骤。
本申请实施例提供的身份特征的伴随关系确定方法及装置,根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。与现有技术相比,本申请能够在一个监测终端上收集多种类型的监测信息,并在监测终端上将监测信息进行处理,生成初步的伴随关系,再将伴随关系发送给服务器,能够减少服务器的处理压力,提高伴随分析的处理效率。
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所提供的一种身份特征的伴随关系确定方法的流程图;
图2示出了本申请实施例所提供的另一种身份特征的伴随关系确定方法的流程图;
图3示出了本申请实施例所提供的一种身份特征的伴随关系确定方法的流程图;
图4出了本申请实施例所提供的一种身份特征的伴随关系确定方法的流程图;
图5示出了本申请实施例所提供的一种身份特征的伴随关系确定装置的结构示意图;
图6示出了本申请实施例所提供的另一种身份特征的伴随关系确定装置的结构示意图;
图7示出了本申请实施例所提供的一种电子设备的结构示意图。
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每个其他实施例,都属于本申请保护的范围。
经研究发现,现有的伴随关系确定方法通常是采集不同监测设备传输的原始监测数据,并根据预设的规则,对各种监测数据进行统计与分析,完成不同的设备或人物之间的伴随关系进行确定。然而,在实际应用中,轨迹数据通常体量极大,导致其计算量会远大于能够接收的范围,服务器短时间内难以承受大量的负荷,容易造成宕机等风险,而计算的效率很低。
基于此,本申请实施例提供了一种身份特征的伴随关系确定方法,能够减少服务器的处理压力,提高伴随分析的处理效率。
请参阅图1,图1为本申请实施例所提供的一种身份特征的伴随关系确定方法的流程图。如图1中所示,本申请实施例提供的身份特征的伴随关系确定方法,应用于监测终端,所述监测终端能够监测多种身份特征,所述方法包括:
S101、根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息。
该步骤中,可以根据监测终端监测到的每个身份特征,以及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息。
这里,每个监测终端可以是固定位置设置的,也可以是能够移动的,当监测终端是固定位置设置时,一个监测终端中,每个监测记录的位置信息都是相同的,但监测到的时间信息,以及监测到的身份特征,可以是不同的。比如,在一天中,可能监测到身份特征A多次,每次监测到的时间都不同,同时,也可能监测到身份特征B多次,而监测到的时间可能与身份特征A的部分或全部的时间相同。
该步骤中,可以将每次监测到的身份特征,及其对应的时间信息和位置信息整理成一条时空轨迹信息,每个身份特征的时空轨迹信息可以由多条不同时间的时空轨迹信息组成。
这里,身份特征可以是一种实体ID,如人脸特征、移动设备的MAC号、国际移动用户识别码、车辆的车牌号码、虚拟账号等等。每个监控终端都能够监测身份特征,当有身份特征被监控终端监测到时,监控终端会将监测到的该身份特征记录,并记录监测到该身份特征的时间与地点,也即上述时间信息及位置信息,时间信息及位置信息结合,组成了时空轨迹信息。
这里,可以对每个监测终端进行统一授时,并统一设置采集时间,可以时多个监测终端能同步进行采集、处理。
S102、针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度。
该步骤中,值得注意的是,不同的身份特征之间可能存在伴随关系,这种伴随关系可以应用到多种场景中,比如,手机的MAC号码和IMSI号码,如果每次都同时被一台监测终端监测到,则可以认为两者之间存在伴随关系,可能两个号码同属于一台手机,或两个号码所属的人物一起活动,可能是伙伴。通过计算伴随关系,能够确定两者之间联系,在多种应用场景下都能起到显著作用,比如,在公安场景下,能够为案件线索分析提供帮助,找到存在关系的账号。
该步骤中,可以从监测终端预设时间段内的监测记录中,确定出监测到每个身份特征的总次数,再分别确定出,在监测到该身份特征时,同时监测到其他身份特征时的总次数,同时监测到其他身份特征时的总数与监测到该身份特征时的总数的比值,即为两个身份特征之间的伴随支持度。
S103、若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量。
其中,伴随支持度表示两个身份特征之间在预设时间段内存在伴随关系的可能性。
具体的,若伴随支持度很低,说明两个身份特征之间虽然出现过同时出现的情况,但概率极低,此时,可以认为两者之间同时出现是偶然情况的可能比较大,则可以认为两个身份特征之间不存在伴随关系。
S104、基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度。
该步骤中,可以查阅监测终端中储存的历史监测记录,历史监测记录属于其他预设时间段,比如,若预设时间段是6月10日内,则可以获取6月10之前或之后的多段时间的历史监测记录,并确定多段其他预设时间段内两个身份特征的时空轨迹特征,并将其他预设时间段内两个身份特征的时空轨迹特征进行对比,确定其相似度,将相似度大于预设值的数量,与其他预设时间段的总数的比值,作为所述伴随置信度。
S105、若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系。
其中,伴随置信度体现了两个身份特征在整体上存在伴随关系的可信程度,若两个身份特征在多个其他预设时间段内也存在伴随关系,则两个身份特征在整体上也大概率存在伴随关系。
S106、将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。
该步骤中,在确定每两个身份特征之间的伴随关系后,可以将其汇总并发送到服务器,服务器再根据每个监测终端发送的伴随关系,确定全部身份特征之间的伴随关系,并确定出不同身份特征之间最优的伴随关系配对结果。
这样,通过在每个监测终端上先行确定消耗算力大的各个身份特征之间的伴随关系,再由服务器进行消耗较小汇总分析,能够将计算任务分配给各个监测终端,进而降低服务器的负载,提升伴随关系确定的效率。
在一种可能的实施方式中,在生成每个身份特征的时空轨迹信息之后,所述方法还包括:
基于所述时空轨迹信息,生成每个身份特征的时空轨迹索引信息。
该步骤中,可以先将时空轨迹信息进行标准化,再进行分片处理,并建立索引,便于后续的使用。
具体的,标准化的数据可以是如下表1及表2的形式的数据。请参阅表1及表2,表1为标准化的Wifi围栏数据,表2为标准化的电子围栏数据。
采集ID | 时间 | 监测终端ID |
B5:C2:86:84:MX:66 | 2034-12-1709:31:28 | 05 |
DA:A5:11:19:AC:10 | 2034-12-1809:31:28 | 05 |
表1
采集ID | 时间 | 监测终端ID |
6546219847621494 | 2034-12-18 09:31:28 | 05 |
4652265161651655 | 2034-12-18 02:31:28 | 05 |
表2
表1中,包括监测到的MAC地址、监测到该MAC地址的时间,以及监测到该MAC地址的监测终端的编号;表2中,包括监测到的IMSI地址、监测到该IMSI地址的时间,以及监测到该IMSI地址的监测终端的编号。
该步骤中,在将多个身份特征的时空轨迹信息标准化之后,可以将时空轨迹数据按照监测终端的ID和时间来做分区存储,把监测终端的ID作为第一级的目录,然后按照预设时间段,将时空轨迹信息做分片处理。
具体的,可以按小时来等分数据,每一个小时的数据是去除了重复数据的,这样就能够极大的减少了数据的数量。
值得注意的是,此处按小时存储是可以更改的,比如可以调整成数分钟或数秒钟进行存储。通过这种转换,可以使一个轨迹通过这种分片的路径来找到具体的数据。具体分片的效果可以如下表3及表4所示。
请参阅表3及表4,表3为进行分片之前的标准化数据,表4为分片操作之后的数据。
采集ID | 采集时间 | 监测终端ID | 采集ID类型 |
13 | 2034-12-17 06:31:28 | 05 | MAC |
13 | 2034-12-17 09:31:28 | 05 | IMSI |
表3
表4
如表3及表4中所示,采集ID为身份认证标识对应的编号,监测终端ID为监测到该身份特征的检测终端对应的编号,监测终端ID/时间分片为根据监测终端ID及采集时间生成的字符串。
该步骤中,在进行分片操作之后,能够建立时空轨迹信息所对应的时空索引,可以将每个身份特征对应的时空位置转换成了时空轨迹存储分片,然后把这些信息进行压缩并存储在一个文件中,以便能快速检索具体身份特征的时空位置点。索引的形式可以如下表5所示。
请参阅表5,表5为该步骤生成的索引列表,如表5中所示,将各个身份特征按照了地点分片及时间分片,进行了对应的排序整理。
表5
在一种可能的实施方式中,所述基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度,包括:
基于所述时空轨迹索引信息,确定是否在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征;
若是,则从多个其他监测装置中,确定在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征的其他监测装置的数量;
将确定的其他监测装置的数量作为所述两个身份特征的伴随支持度。
在一种可能的实施方式中,所述基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量,包括:
基于所述时空轨迹索引信息,确定所述两个身份特征的时空轨迹特征向量。
该步骤中,在构建索引完毕后,可以通过时空索引来抽取成具体的时空特征。
比如,可以定义一个身份特征在一个时间被监测到表示1,没有被检测到表示0。从而把时空轨迹数据表示成每个身份特征的时空特征向量,这个特征向量表示了时空特征空间。具体的,特征向量的提取可以如下表6所示。
请参阅表6,表6为提取特征向量得到的特征向量表。如表6所示,包括身份特征对应的编号,以及该身份特征在每个地点及时间分片下是否出现。
采集ID | 05/2034121706 | 05/2034121707 | 05/2034121714 | 05/2034121806 |
13 | 1 | 0 | 1 | 1 |
表6
将表6中的特征向量表示出来,形式可以为(001 1 0 1 1)。这样,即可对特征向量进行计算,容易进行比较相似度。
在一种可能的实施方式中,所述基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度,包括:
确定多个其他预设时间段内的所述两个身份特征的时空轨迹特征向量;
确定每个其他时间段内的所述两个身份特征的空间轨迹特征向量与预设时间段内所述两个身份特征的时空轨迹特征向量的相似度;
将所有相似度中,大于或等于预设数值的相似度的数量作为所述两个身份特征的伴随置信度。
本申请实施例提供的身份特征的伴随关系确定方法,根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。与现有技术相比,本申请能够在一个监测终端上收集多种类型的监测信息,并在监测终端上将监测信息进行处理,生成初步的伴随关系,再将伴随关系发送给服务器,能够减少服务器的处理压力,提高伴随分析的处理效率。
请参阅图2,图2为本申请另一实施例提供的身份特征的伴随关系确定方法的流程图。如图2中所示,本申请实施例提供的身份特征的伴随关系确定方法,应用于服务器,包括:
S201、接收每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系。
其中,监测终端能够监测多种身份特征,详细解释请参见上述实施例,在此不再一一赘述。
S202、基于所述每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系,确定所有身份特征之间的伴随关系。
该步骤中,在获取到每个检测终端发送的伴随关系之后,服务器可以对这些伴随关系进行分析统计,将相同身份特征的伴随关系关联起来,得到所有身份特征之间的伴随关系。
请参阅图3,图3为本申请另一实施例提供的身份特征的伴随关系确定方法的流程图。如图3中所示,本申请实施例提供的身份特征的伴随关系确定方法,应用于监测终端,包括:
11)、读取一天内监测终端的监测数据。
12)、将检测数据转换为时空格式,并构建采集到的身份特征的时空数据索引。
13)、确定每两个身份特征之间的伴随支持度。
该步骤中,会出现一天内,一个身份特征对应多个身份特征之间存在伴随关系的可能。
14)、当伴随支持度满足条件时,对满足条件的身份特征进行时空特征抽取。
15)、基于机器学习,确定多天内两个身份特征的伴随置信度,并当伴随置信度达到要求时确定两个身份特征具有伴随关系。
16)、对于其他日期,重复上述过程,直到统计结果的正确率满足预设概率。
17)、将完整的身份特征伴随关系发送至服务器。
请参阅图4,图4为本申请另一实施例提供的身份特征的伴随关系确定方法的流程图。如图4中所示,本申请实施例提供的身份特征的伴随关系确定方法,应用于服务器,包括:
21)、读取每个感知设备(监测终端)上传的身份特征时空伴随关系的数据。
22)、统计伴随关系的比例。
23)、根据伴随关系的比例,确定出不同身份特征之间最优的伴随关系配对结果。
本申请实施例提供的身份特征的伴随关系确定方法及装置,根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。与现有技术相比,本申请能够在一个监测终端上收集多种类型的监测信息,并在监测终端上将监测信息进行处理,生成初步的伴随关系,再将伴随关系发送给服务器,能够减少服务器的处理压力,提高伴随分析的处理效率。
请参阅图5、图6,图5为本申请实施例所提供的一种身份特征的伴随关系确定装置的结构示意图,图6为本申请实施例所提供的另一种身份特征的伴随关系确定装置的结构示意图。如图5中所示,所述身份特征的伴随关系确定装置500包括:
第一生成模块510,用于根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
第一确定模块520,用于针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;
第二确定模块530,用于若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
第三确定模块540,用于基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
第四确定模块550,用于若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;
发送模块560,用于将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。
在一些可能的实施方式中,所述身份特征的伴随关系确定装置500还包括:
第二生成模块570,用于基于所述时空轨迹信息,生成每个身份特征的时空轨迹索引信息。
在一些可能的实施方式中,所述第一确定模块520具体用于:
基于所述时空轨迹索引信息,确定是否在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征;
若是,则从多个其他监测装置中,确定在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征的其他监测装置的数量;
将确定的其他监测装置的数量作为所述两个身份特征的伴随支持度。
在一些可能的实施方式中,所述第二确定模块530具体用于:
基于所述时空轨迹索引信息,确定所述两个身份特征的时空轨迹特征向量。
在一种可能的实施方式中,所述第三确定模块540具体用于:
确定多个其他预设时间段内的所述两个身份特征的时空轨迹特征向量;
确定每个其他时间段内的所述两个身份特征的空间轨迹特征向量与预设时间段内所述两个身份特征的时空轨迹特征向量的相似度;
将所有相似度中,大于或等于预设数值的相似度的数量作为所述两个身份特征的伴随置信度。
如图6所示,本申请实施例还提供另一种身份特征的伴随关系确定装置,用于服务器,所述身份特征的伴随关系确定装置600包括:
接收模块610,用于接收每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系;
伴随关系确定模块620,用于基于所述每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系,确定所有身份特征之间的伴随关系。
本申请实施例提供的身份特征的伴随关系确定装置,根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。与现有技术相比,本申请能够在一个监测终端上收集多种类型的监测信息,并在监测终端上将监测信息进行处理,生成初步的伴随关系,再将伴随关系发送给服务器,能够减少服务器的处理压力,提高伴随分析的处理效率。
请参阅图7,图7为本申请实施例所提供的一种电子设备的结构示意图。如图7中所示,所述电子设备700包括处理器710、存储器720和总线730。
所述存储器720存储有所述处理器710可执行的机器可读指令,当电子设备700运行时,所述处理器710与所述存储器720之间通过总线730通信,所述机器可读指令被所述处理器710执行时,可以执行如上述图1、图2、图3以及图4所示方法实施例中的身份特征的伴随关系确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1图2、图3以及图4所示方法实施例中的身份特征的伴随关系确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
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***、装置和单元的具体工作过程,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,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
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,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种身份特征的伴随关系确定方法,其特征在于,应用于监测终端,所述监测终端能够监测多种身份特征,所述方法包括:
根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
基于所述时空轨迹信息,生成每个身份特征的时空轨迹索引信息;
基于所述时空轨迹索引信息,确定是否在所述预设时间段内,存在至少预设数量的时刻,同时监测到两个身份特征;
若是,则从多个其他监测装置中,确定在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征的其他监测装置的数量;
将确定的其他监测装置的数量作为所述两个身份特征的伴随支持度;
若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;
将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。
2.根据权利要求1所述的方法,其特征在于,所述基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量,包括:
基于所述时空轨迹索引信息,确定所述两个身份特征的时空轨迹特征向量。
3.根据权利要求1所述的方法,其特征在于,所述基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度,包括:
确定多个其他预设时间段内的所述两个身份特征的时空轨迹特征向量;
确定每个其他时间段内的所述两个身份特征的空间轨迹特征向量与预设时间段内所述两个身份特征的时空轨迹特征向量的相似度;
将所有相似度中,大于或等于预设数值的相似度的数量作为所述两个身份特征的伴随置信度。
4.一种身份特征的伴随关系确定方法,其特征在于,应用于服务器,所述方法包括:
接收每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系;
基于所述每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系,确定所有身份特征之间的伴随关系;
根据以下步骤确定每两个身份特征之间的伴随关系:
根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;
若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系。
5.一种身份特征的伴随关系确定装置,其特征在于,用于监测终端,包括:
第一生成模块,用于根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
第二生成模块,用于基于所述时空轨迹信息,生成每个身份特征的时空轨迹索引信息;
第一确定模块,用于针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;
所述第一确定模块具体用于:
基于所述时空轨迹索引信息,确定是否在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征;
若是,则从多个其他监测装置中,确定在所述预设时间段内,存在至少预设数量的时刻,同时监测到所述两个身份特征的其他监测装置的数量;
将确定的其他监测装置的数量作为所述两个身份特征的伴随支持度;
第二确定模块,用于若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
第三确定模块,用于基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
第四确定模块,用于若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系;
发送模块,用于将每两个身份特征之间的伴随关系发送至服务器,以使所述服务器根据每个监测终端发送的所述伴随关系,确定全部身份特征之间的伴随关系。
6.一种身份特征的伴随关系确定装置,其特征在于,用于服务器,所述装置包括:
接收模块,用于接收每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系;
伴随关系确定模块,用于基于所述每个监测终端发送的该监测终端在预设时间段内监测到的每两个身份特征之间的伴随关系,确定所有身份特征之间的伴随关系;
所述接收模块,具体用于接收每个检测终端根据以下步骤确定的每两个身份特征之间的伴随关系:
根据在预设时间段内监测到的每个身份特征及监测到该身份特征时的位置信息和时间信息,生成每个身份特征的时空轨迹信息;
针对每两个身份特征,基于所述时空轨迹信息,确定所述两个身份特征的伴随支持度;
若所述伴随支持度大于或等于第一预设阈值,则基于所述时空轨迹信息,确定所述两个身份特征的时空轨迹特征向量;
基于所述时空轨迹特征向量,确定所述两个身份特征的伴随置信度;
若所述两个身份特征的伴随置信度大于或等于第二预设阈值,确定所述两个身份特征之间存在伴随关系。
7.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至4任一所述的身份特征的伴随关系确定方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至4任一所述的身份特征的伴随关系确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911202661.1A CN110909263B (zh) | 2019-11-29 | 2019-11-29 | 一种身份特征的伴随关系确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911202661.1A CN110909263B (zh) | 2019-11-29 | 2019-11-29 | 一种身份特征的伴随关系确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909263A CN110909263A (zh) | 2020-03-24 |
CN110909263B true CN110909263B (zh) | 2022-10-25 |
Family
ID=69820700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911202661.1A Active CN110909263B (zh) | 2019-11-29 | 2019-11-29 | 一种身份特征的伴随关系确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909263B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112000736B (zh) * | 2020-08-14 | 2023-03-24 | 济南浪潮数据技术有限公司 | 时空轨迹伴随分析方法、***及电子设备和存储介质 |
CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764197A (zh) * | 2018-06-06 | 2018-11-06 | 中兴智能交通股份有限公司 | 伴随车辆识别方法、装置、终端及计算机可读存储介质 |
CN109828967A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种伴随关系获取方法、***、设备、存储介质 |
JP2019101622A (ja) * | 2017-11-30 | 2019-06-24 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、制御方法、プログラム |
CN109947793A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
-
2019
- 2019-11-29 CN CN201911202661.1A patent/CN110909263B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019101622A (ja) * | 2017-11-30 | 2019-06-24 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、制御方法、プログラム |
CN108764197A (zh) * | 2018-06-06 | 2018-11-06 | 中兴智能交通股份有限公司 | 伴随车辆识别方法、装置、终端及计算机可读存储介质 |
CN109828967A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种伴随关系获取方法、***、设备、存储介质 |
CN109947793A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110909263A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008323A (zh) | 一种身份标识的伴随关系确定方法及装置 | |
CN106469276B (zh) | 数据样本的类型识别方法及装置 | |
CN111352808B (zh) | 告警数据处理方法、装置、设备及存储介质 | |
CN110909263B (zh) | 一种身份特征的伴随关系确定方法及装置 | |
CN110347888B (zh) | 订单数据的处理方法、装置及存储介质 | |
CN109831454B (zh) | 虚假流量的识别方法和装置 | |
CN111949702B (zh) | 异常交易数据的识别方法、装置及设备 | |
CN111090807A (zh) | 一种基于知识图谱的用户识别方法及装置 | |
CN111368619A (zh) | 可疑人员的检测方法、装置及设备 | |
CN112307297B (zh) | 一种基于优先级规则的用户标识统一方法及*** | |
CN112073709B (zh) | 测试数据的生成方法、装置及电子设备 | |
CN113992340A (zh) | 用户异常行为识别方法、装置、设备、存储介质和程序 | |
CN112437034B (zh) | 虚假终端检测方法和装置、存储介质及电子装置 | |
CN109886239B (zh) | 人像聚类方法、装置及*** | |
CN111064719A (zh) | 文件异常下载行为的检测方法及装置 | |
CN112583900A (zh) | 云计算的数据处理方法及相关产品 | |
CN112269937A (zh) | 一种计算用户相似度的方法、***及装置 | |
CN114817518B (zh) | 基于大数据档案识别的证照办理方法、***及介质 | |
CN111368858A (zh) | 用户满意度评估方法及装置 | |
CN113094412B (zh) | 一种身份识别方法、装置、电子设备以及存储介质 | |
CN112613396B (zh) | 一种任务紧急程度处理方法及*** | |
CN113627542A (zh) | 一种事件信息处理方法、服务器及存储介质 | |
CN105681097B (zh) | 获取终端设备更换周期的方法和装置 | |
CN110909262B (zh) | 一种身份信息的伴随关系确定方法及装置 | |
CN110990665B (zh) | 数据处理方法、装置、***、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |