CN112419120A - 群体性聚集事件预警方法、装置、***和电子设备 - Google Patents
群体性聚集事件预警方法、装置、***和电子设备 Download PDFInfo
- Publication number
- CN112419120A CN112419120A CN202011159392.8A CN202011159392A CN112419120A CN 112419120 A CN112419120 A CN 112419120A CN 202011159392 A CN202011159392 A CN 202011159392A CN 112419120 A CN112419120 A CN 112419120A
- Authority
- CN
- China
- Prior art keywords
- data
- target person
- determining
- information
- target
- 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.)
- Granted
Links
- 230000002776 aggregation Effects 0.000 title claims abstract description 121
- 238000004220 aggregation Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 71
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 230000002354 daily effect Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 231100001263 laboratory chemical safety summary Toxicity 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Signal Processing (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (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)
- Alarm Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种群体性聚集事件预警方法、装置、***和电子设备,在获取到设定的目标人员的时空信息数据后,可以分别根据每个目标人员的时空信息数据,确定出每个目标人员的当前轨迹数据,再将每个目标人员的当前轨迹数据与历史轨迹数据进行比对,根据每个目标人员的当前轨迹数据与历史轨迹数据的相似度,确定每个目标人员的当前轨迹数据是否为异常轨迹数据,最后分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点,如果得到的异常轨迹数据中包含聚集点,可以根据该聚集点的位置信息发出预警提示信息。从而可以根据目标人员的轨迹数据,快速定位出最有可能发生群体性聚集事件的位置和目标人员,有效地减少错误报警事件的发生。
Description
技术领域
本申请涉及数据处理领域,具体涉及一种群体性聚集事件预警方法、装置、***和电子设备。
背景技术
随着经济和社会改革进入攻坚阶段,群体性聚集事件明显增多,特别是涉军、上访等涉稳人员的群体性上访事件,已经逐步进入了高发期,如何及时在海量数据中分析并预警潜在的群体性聚集事件的发生成为了行业的一大挑战。
发明内容
为解决现有存在的技术问题,本申请实施例提供一种群体性聚集事件预警方法、装置、***和电子设备,可以预警可能发生群体性聚集事件的聚集点。
为达到上述目的,本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种群体性聚集事件预警方法,包括:
获取设定的目标人员的时空信息数据;
分别根据每个目标人员的时空信息数据,确定每个目标人员的当前轨迹数据;每条当前轨迹数据中均包含至少一个轨迹点;
对于每个目标人员,将所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据进行比对,根据所述目标人员的当前轨迹数据与历史轨迹数据的相似度,确定所述目标人员的当前轨迹数据是否为异常轨迹数据;所述目标人员的历史轨迹数据是根据所述目标人员的历史时空信息数据确定的;
分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点;
若得到的异常轨迹数据中包含聚集点,根据所述聚集点的位置信息发出预警提示信息。
本申请实施例提供的群体性聚集事件预警方法,在获取到设定的目标人员的时空信息数据后,可以分别根据每个目标人员的时空信息数据,确定出每个目标人员的当前轨迹数据,再将每个目标人员的当前轨迹数据与历史轨迹数据进行比对,根据每个目标人员的当前轨迹数据与历史轨迹数据的相似度,确定每个目标人员的当前轨迹数据是否为异常轨迹数据,最后分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点,如果得到的异常轨迹数据中包含聚集点,可以根据该聚集点的位置信息发出预警提示信息。从而可以根据目标人员的轨迹数据,快速定位出最有可能发生群体性聚集事件的位置和目标人员,有效地减少错误报警事件的发生。
在一种可选的实施例中,所述获取设定的目标人员的时空信息数据,包括:
根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据;所述目标人员的辅助定位数据包括如下数据中的至少一种:目标人员的人脸数据、目标人员的车辆数据、目标人员的手机数据。
在该实施例中,根据获取到的目标人员的人脸数据、车辆数据和手机数据中的一种或多种辅助定位数据来确定出目标人员的时空信息数据,可以更加准确地确定出目标人员的时空信息数据。
在一种可选的实施例中,所述目标人员的辅助定位数据包括目标人员的人脸数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:接收采集设备采集的候选人脸数据,将预存的目标人员的人脸数据与所述候选人脸数据进行匹配,从所述候选人脸数据中确定出属于目标人员的人脸数据,并根据所述采集设备的位置和采集所述目标人员的人脸数据的时间,确定所述目标人员的时空信息数据;或者,
所述目标人员的辅助定位数据包括目标人员的车辆数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:接收采集设备采集的候选车辆数据,根据预存的目标人员对应的车辆信息,从所述候选车辆数据中确定出属于目标人员的车辆数据,并根据所述采集设备的位置和采集所述目标人员的车辆数据的时间,确定所述目标人员的时空信息数据;或者,
所述目标人员的辅助定位数据包括目标人员的手机数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:根据预存的目标人员的手机信息,获取所述目标人员的手机数据,并根据所述目标人员的手机数据,确定所述目标人员的时空信息数据;所述手机数据包括手机在各个时间所处的位置。
在该实施例中,接收采集设备采集的候选人脸数据,将预存的目标人员的人脸数据与候选人脸数据进行匹配,从候选人脸数据中确定出属于目标人员的人脸数据,并根据采集设备的位置和采集目标人员的人脸数据的时间,确定出目标人员的时空信息数据,或者接收采集设备采集的候选车辆数据,根据预存的目标人员对应的车辆信息,从候选车辆数据中确定出属于目标人员的车辆数据,并根据采集设备的位置和采集目标人员的车辆数据的时间,确定出目标人员的时空信息数据,或者根据预存的目标人员的手机信息,获取目标人员的手机数据,并根据目标人员的手机数据,确定出目标人员的时空信息数据。由于从多种目标人员的相关数据中确定出了目标人员的时空信息数据,可以提高群体性聚集事件的预警准确性。
在一种可选的实施例中,将所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据进行比对,根据所述目标人员的当前轨迹数据与历史轨迹数据的相似度,确定所述目标人员的当前轨迹数据是否为异常轨迹数据,包括:
分别确定所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据中的每天轨迹数据的相似度;
将大于或等于第一阈值的相似度的数量作为相似天数;
若所述相似天数小于或等于第二阈值,确定所述目标人员的当前轨迹数据为异常轨迹数据。
在该实施例中,首先分别确定出目标人员的当前轨迹数据与历史轨迹数据中的每天轨迹数据的相似度,然后确定出目标人员的当前轨迹数据与历史轨迹数据的相似天数,当相似天数小于或等于第二阈值时,确定出目标人员的当前轨迹数据为异常轨迹数据。可以大大减少计算群体性聚集事件的整体复杂度,提高计算性能。
在一种可选的实施例中,所述分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点,包括:
根据得到的每条异常轨迹数据中的最新轨迹点,确定待预测聚集点;
对于每个待预测聚集点,获取包含所述待预测聚集点的异常轨迹数据对应的目标人员的属性信息;所述目标人员的属性信息是根据所述目标人员历史参与群体性聚集事件的频率和/或所述目标人员历史参与群体性聚集事件的累计次数确定的;
根据获取的每个目标人员的属性信息,确定每个目标人员对应的权重;
根据每个目标人员对应的权重,确定所述待预测聚集点为聚集点的概率;
若所述待预测聚集点为聚集点的概率大于或等于第三阈值,确定所述待预测聚集点为聚集点。
在该实施例中,首先根据得到的每条异常轨迹数据中的最新轨迹点来确定出待预测聚集点,然后对于每个待预测聚集点,获取包含待预测聚集点的异常轨迹数据对应的目标人员的属性信息,根据获取的每个目标人员的属性信息来确定每个目标人员对应的权重,再根据每个目标人员对应的权重,确定出待预测聚集点为聚集点的概率,最后当待预测聚集点为聚集点的概率大于或等于第三阈值时,确定该待预测聚集点为聚集点。由于在确定得到的异常轨迹数据中的最新轨迹点是否为聚集点时,充分利用了目标人员的属性信息,从而可以大大减少对聚集点的错误判断,提高了准确率。
在一种可选的实施例中,根据所述聚集点的位置信息发出预警提示信息,包括:
将包含所述聚集点的异常轨迹数据对应的目标人员作为参与聚集人员;
发出预警提示信息;所述预警提示信息包含所述聚集点的位置信息和所述参与聚集人员的信息。
在该实施例中,可以将包含聚集点的异常轨迹数据对应的目标人员作为参与聚集人员,然后发出预警提示信息。从而可以预警可能发生群体性聚集事件的聚集点和参与聚集的人员信息。
第二方面,本申请实施例还提供了一种群体性聚集事件预警装置,包括:
数据获取单元,用于获取设定的目标人员的时空信息数据;
数据确定单元,用于分别根据每个目标人员的时空信息数据,确定每个目标人员的当前轨迹数据;每条当前轨迹数据中均包含至少一个轨迹点;以及对于每个目标人员,将所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据进行比对,根据所述目标人员的当前轨迹数据与历史轨迹数据的相似度,确定所述目标人员的当前轨迹数据是否为异常轨迹数据;所述目标人员的历史轨迹数据是根据所述目标人员的历史时空信息数据确定的;
聚集点确定单元,用于分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点;
预警提示单元,用于当得到的异常轨迹数据中包含聚集点时,根据所述聚集点的位置信息发出预警提示信息。
在一种可选的实施例中,所述数据获取单元,具体用于:
根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据;所述目标人员的辅助定位数据包括如下数据中的至少一种:目标人员的人脸数据、目标人员的车辆数据、目标人员的手机数据。
在一种可选的实施例中,所述目标人员的辅助定位数据包括目标人员的人脸数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:接收采集设备采集的候选人脸数据,将预存的目标人员的人脸数据与所述候选人脸数据进行匹配,从所述候选人脸数据中确定出属于目标人员的人脸数据,并根据所述采集设备的位置和采集所述目标人员的人脸数据的时间,确定所述目标人员的时空信息数据;或者,
所述目标人员的辅助定位数据包括目标人员的车辆数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:接收采集设备采集的候选车辆数据,根据预存的目标人员对应的车辆信息,从所述候选车辆数据中确定出属于目标人员的车辆数据,并根据所述采集设备的位置和采集所述目标人员的车辆数据的时间,确定所述目标人员的时空信息数据;或者,
所述目标人员的辅助定位数据包括目标人员的手机数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:根据预存的目标人员的手机信息,获取所述目标人员的手机数据,并根据所述目标人员的手机数据,确定所述目标人员的时空信息数据;所述手机数据包括手机在各个时间所处的位置。
在一种可选的实施例中,所述数据确定单元,具体用于:
分别确定所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据中的每天轨迹数据的相似度;
将大于或等于第一阈值的相似度的数量作为相似天数;
若所述相似天数小于或等于第二阈值,确定所述目标人员的当前轨迹数据为异常轨迹数据。
在一种可选的实施例中,所述聚集点确定单元,具体用于:
根据得到的每条异常轨迹数据中的最新轨迹点,确定待预测聚集点;
对于每个待预测聚集点,获取包含所述待预测聚集点的异常轨迹数据对应的目标人员的属性信息;所述目标人员的属性信息是根据所述目标人员历史参与群体性聚集事件的频率和/或所述目标人员历史参与群体性聚集事件的累计次数确定的;
根据获取的每个目标人员的属性信息,确定每个目标人员对应的权重;
根据每个目标人员对应的权重,确定所述待预测聚集点为聚集点的概率;
若所述待预测聚集点为聚集点的概率大于或等于第三阈值,确定所述待预测聚集点为聚集点。
在一种可选的实施例中,所述预警提示单元,具体用于:
将包含所述聚集点的异常轨迹数据对应的目标人员作为参与聚集人员;
发出预警提示信息;所述预警提示信息包含所述聚集点的位置信息和所述参与聚集人员的信息。
第三方面,本申请实施例还提供了一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器实现上述第一方面的群体性聚集事件预警方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述第一方面的群体性聚集事件预警方法。
第五方面,本申请实施例还提供了一种群体性聚集事件预警***,所述群体性聚集事件预警***包括第三方面的电子设备和与所述电子设备连接的采集设备;所述采集设备用于采集图像数据,所述图像数据包括目标人员的人脸数据或目标人员的车辆数据。
第二方面、第三方面、第四方面或第五方面中任意一种实现方式所带来的技术效果可参见第一方面的实现方式所带来的技术效果,此处不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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的附图。
图1为本申请实施例提供的一种群体性聚集事件预警***的结构示意图;
图2为本申请实施例提供的一种电子设备的结构示意图;
图3为本申请实施例提供的另一种群体性聚集事件预警***的结构示意图;
图4为本申请实施例提供的一种群体性聚集事件预警方法的流程示意图;
图5为本申请实施例提供的一种群体性聚集事件预警方法的整体流程示意图;
图6为本申请实施例提供的一种群体性聚集事件预警装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,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。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
需要说明的是,本申请的文件中涉及的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着群体性聚集事件的明显增多,特别是涉军、上访等涉稳人员的群体性上访事件已经逐步进入了高发期,如何在海量数据中分析并预警潜在的群体性聚集事件的发生成为了急需解决的问题。对群体性聚集事件进行预警需要从大量的采集数据中分析出聚集的位置,在相关技术中经常采用图像和图形处理方法来分析人群的密度大小进行报警。这些方法只能在群体性聚集事件发生后进行报警,同时这些方法适用的业务场景针对的是人群众多会发***,拥挤等交通安全问题,但不能区分机场,车站等区域人群众多事件与聚众上访等群体性聚集事件的不同。因此,群体性聚集事件的难点在于业务逻辑复杂,提前预警的准确率不高,以及难以实现实时计算。
群体性聚集事件的发生经常伴随着多个目标的异常轨迹数据的出现,传统的异常轨迹算法逻辑复杂,并且多采用地图区域划分方式。这种算法的可解释性差,而且不适用于实际的群体性聚集事件场景。
因此,本申请实施例提供了一种群体性聚集事件预警方法,可以实现对各种采集设备采集到的大量多维数据的存储和秒级查询计算,通过预先设计的数据流向,快速地挖掘出目标轨迹规律,实时或准实时(5秒内)地预警可能发生群体性聚集事件的位置。本申请实施例提供的群体性聚集事件预警方法还结合了历史轨迹数据,可以挖掘出潜在的目标人员的异常轨迹数据。
本申请实施例可以充分利用大数据中掌握的目标人员的信息,结合实际场景,分析出高概率会发生的群体性聚集事件的地点,同时对参与聚集的目标人员进行确认,并将参与聚集的目标人员信息反馈到***中,可以提升***预警的准确性。
下面结合附图及具体实施例对本申请作进一步详细的说明。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
图1中示例性地示出了一种群体性聚集事件预警***的结构示意图。如图1所示,在一些实施例中,群体性聚集事件预警***可以包括电子设备100和至少一个采集设备200。
电子设备100可以是任何能够实现本申请提出的群体性聚集事件预警方法的任何设备,例如,电子设备100可以是服务器。在该实施例中,电子设备的结构可以如图2所示,包括存储器101,通讯模块103以及一个或多个处理器102。
存储器101,用于存储处理器102执行的计算机程序。存储器101可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。
处理器102,可以包括一个或多个中央处理单元(central processing unit,CPU)或者为数字处理单元等等。处理器102,用于调用存储器101中存储的计算机程序时实现本申请实施例提供的群体性聚集事件预警方法。
通讯模块103用于与采集设备200进行通信,获取图像数据。
本申请实施例中不限定上述存储器101、通讯模块103和处理器102之间的具体连接介质。本申请实施例在图2中以存储器101和处理器102之间通过总线104连接,总线104在图2中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线104可以分为地址总线、数据总线、控制总线等。为便于表示,图2中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
采集设备200用于采集图像数据,该图像数据可以是视频数据,也可以是图片数据。该图像数据包括目标人员的人脸数据或目标人员的车辆数据等。例如,采集设备200可以是安装在公路上、交通路口、电子围栏处的摄像头。
在一种实施例中,电子设备100可以和采集设备200直接连接或通过网络进行通信连接,在另一种实施例中,电子设备100与采集设备200之间还可以设有其他服务器,如数据处理服务器等。电子设备100和采集设备200均与数据处理服务器进行连接,采集设备200将采集的图像数据发送至数据处理服务器,数据处理服务器在接收到采集设备200发送的图像数据后,可以将图像数据发送至电子设备100。电子设备100可以从接收到的图像数据中获得目标人员的人脸图像数据和车辆图像数据,从而可以确定出目标人员的时空信息数据。
如图3所示,在另一些实施例中,群体性聚集事件预警***可以包括电子设备100,通过网络与电子设备100连接的数据处理服务器300和通信服务器400,以及与数据处理服务器300连接的多个采集设备200。其中,通信服务器400可以通过网络与多个手机连接,用于获取目标人员的手机数据,并将其发送至电子设备100。电子设备100在接收到通信服务器400发送的目标人员的手机数据后,可以确定出目标人员的时空信息数据。
采集设备200可以将采集的图像数据发送至数据处理服务器300,数据处理服务器在接收到采集设备200发送的图像数据后,可以将图像数据通过网络发送给电子设备100,电子设备100在接收到图像数据后,可以从中获取到目标人员的人脸图像数据和车辆图像数据,从而确定出目标人员的时空信息数据。
在一些实施例中,上述电子设备100执行的群体性聚集事件预警方法的流程图可以参见图4所示,包括以下步骤:
步骤S401,获取设定的目标人员的时空信息数据。
确定出历史上参与过群体性聚集事件的目标人员,获取目标人员的人脸数据、车辆数据和手机数据。根据获取到目标人员的人脸数据、车辆数据和手机数据确定出目标人员的时空信息数据。
步骤S402,分别根据每个目标人员的时空信息数据,确定每个目标人员的当前轨迹数据。
步骤S403,将每个目标人员的当前轨迹数据与历史轨迹数据进行比对,根据每个目标人员的当前轨迹数据与历史轨迹数据的相似度,确定目标人员的当前轨迹数据是否为异常轨迹数据。
分别计算每个目标人员的当前轨迹数据与历史轨迹数据中的每天轨迹数据的相似度,如果某个目标人员的当前轨迹数据与历史轨迹数据中的某天轨迹数据的相似度大于或等于第一阈值时,认为该目标人员的当前轨迹数据与历史轨迹数据中的该天轨迹数据相似。并将大于或等于第一阈值的相似度的数据作为相似天数,当相似天数的数量小于或等于第二阈值时,确定该目标人员的当前轨迹数据为异常轨迹数据。
步骤S404,分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点。
在确定出所有目标人员的异常轨迹数据后,可以确定得到的每条异常轨迹数据中的最新轨迹点是否为聚集点。最新轨迹点为目标人员的当前轨迹数据中的最后一个轨迹点。
步骤S405,若得到的异常轨迹数据中包含聚集点,根据聚集点的位置信息发出预警提示信息。
当确定得到的异常轨迹数据中包含有聚集点时,可以将包含该聚集点的异常轨迹数据对应的目标人员作为参与群体性聚集事件的人员,并且发出预警提示信息,该预警提示信息中包含有该聚集点的位置信息和参与此次群体性聚集事件的人员的信息。
本申请实施例的群体性聚集事件预警方法、装置和电子设备,在获取到设定的目标人员的时空信息数据后,可以分别根据每个目标人员的时空信息数据,确定出每个目标人员的当前轨迹数据,再将每个目标人员的当前轨迹数据与历史轨迹数据进行比对,根据每个目标人员的当前轨迹数据与历史轨迹数据的相似度,确定每个目标人员的当前轨迹数据是否为异常轨迹数据,最后分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点,如果得到的异常轨迹数据中包含聚集点,可以根据该聚集点的位置信息发出预警提示信息。从而可以根据目标人员的轨迹数据,快速定位出最有可能发生群体性聚集事件的位置和目标人员,有效地减少错误报警事件的发生。
每个目标人员可能具有多条时空信息数据,每条时空信息数据包括对应的目标人员出现的时间信息和位置信息。
在一种实施例中,可以根据获取到的目标人员的人脸数据,确定出目标人员的时空信息数据。电子设备在接收到采集设备采集的大量人脸图像数据后,可以先对大量的人脸图像数据进行处理,去除不符合要求的人脸图像数据,例如,可以去除不清晰的人脸图像和缺少重要人脸特征的人脸图像等。再将预先存储的目标人员的人脸图像数据与处理后得到的候选人脸图像数据进行匹配,从中筛选出属于目标人员的人脸图像数据,并根据采集目标人员的人脸图像数据的采集设备所在的位置以及采集目标人员的人脸图像数据的时间,确定出目标人员的时空信息数据。
也可以根据获取到的目标人员的车辆数据,确定出目标人员的时空信息数据。电子设备在接收到采集设备采集的大量的车辆图像数据后,首先从大量的车辆图像数据中筛选出包含有车牌的候选车辆图像,并且筛选出来的候选车辆图像中含有的车牌应该是清晰的。再根据预先存储的目标人员对应的车辆信息,从候选车辆图像数据中筛选出属于目标人员的车辆图像数据,并根据采集设备所在的位置以及采集目标人员的车辆图像数据的时间,确定出目标人员的时空信息数据。
还可以根据获取到的目标人员的手机数据,确定出目标人员的时空信息数据。根据预先存储的目标人员的手机信息,获取目标人员的手机数据。其中,目标人员的手机信息可以是目标人员的手机号码,目标人员的手机数据可以包括定位数据和wifi数据等。根据目标人员的手机数据,可以确定出目标人员的时空信息数据。例如,可以预先存储目标人员的手机号码,根据手机号码可以实时地确定出目标人员的手机所处的位置,将手机所处的位置作为目标人员出现的位置。
在一种可选的实施例中,也可以根据获取到的目标人员的人脸数据和车辆数据,确定出目标人员的时空信息数据。电子设备在接收到采集设备采集的人脸图像数据和车辆图像数据后,可以将预先存储的目标人员的人脸图像数据与接收到的候选人脸图像数据进行匹配,从中筛选出属于目标人员的人脸图像数据,根据预先存储的目标人员对应的车辆信息数据,从接收到的候选车辆图像数据中筛选出属于目标人员的车辆图像数据。根据采集设备采集目标人员的人脸图像数据所在的位置和采集目标人员的人脸图像数据的时间确定出目标人员的第一时空信息数据,根据采集设备采集目标人员的车辆图像数据所在的位置和采集目标人员的车辆图像数据的时间确定出目标人员的第二时空信息数据,综合目标人员的第一时空信息数据和第二时空信息数据共同确定出目标人员的时空信息数据。
还可以根据获取到的目标人员的人脸数据和手机数据,确定出目标人员的时空信息数据。电子设备100在接收到采集设备200采集的人脸图像数据后,可以将预先存储的目标人员的人脸图像数据与接收到的候选人脸图像数据进行匹配,从中筛选出属于目标人员的人脸图像数据,根据预先存储的目标人员的手机信息,获取目标人员的手机数据。根据目标人员的手机数据、采集设备200所在的位置以及采集目标人员的人脸图像数据的时间来共同确定出目标人员的时空信息数据。
还可以根据获取到的目标人员的车辆数据和手机数据,确定出目标人员的时空信息数据。电子设备100在接收到采集设备200采集的车辆图像数据后,可以根据预先存储的目标人员对应的车辆信息,从候选车辆图像数据中筛选出属于目标人员的车辆图像数据,根据预先存储的目标人员的手机信息,获取目标人员的手机数据。根据目标人员的手机数据、采集设备200所在的位置以及采集目标人员的车辆图像数据的时间来共同确定出目标人员的时空信息数据。
在另一种可选的实施例中,也可以根据获取到的目标人员的人脸数据、车辆数据和手机数据,共同确定出目标人员的时空信息数据。电子设备100在接收到采集设备200采集的人脸图像数据和车辆图像数据后,可以将预先存储的目标人员的人脸图像数据与接收到的候选人脸图像数据进行匹配,从中筛选出属于目标人员的人脸图像数据,根据预先存储的目标人员对应的车辆信息数据,从接收到的候选车辆图像数据中筛选出属于目标人员的车辆图像数据,并根据预先存储的目标人员的手机信息,获取目标人员的手机数据。根据采集设备采集目标人员的人脸图像数据所在的位置和采集目标人员的人脸图像数据的时间确定出目标人员的第一时空信息数据,根据采集设备采集目标人员的车辆图像数据所在的位置和采集目标人员的车辆图像数据的时间确定出目标人员的第二时空信息数据,根据目标人员的手机数据确定出目标人员的第三时空信息数据。综合目标人员的第一时空信息数据、第二时空信息数据和第三时空数据共同确定出目标人员的时空信息数据。
图5为本申请实施例提供的一种群体性聚集事件预警方法的整体流程图。在图5中,可以将视频监控、车辆卡口以及电子围栏等前端采集设备采集到的多维数据实时推送到分布式发布订阅消息***Kafka中。电子设备可以从Kafka中实时地进行消息订阅,即从Kafka中实时地获取大量的人脸图像数据和车辆图像数据。
在获取到人脸图像数据和车辆图像数据后,首先对图像数据进行初步的预处理,例如,可以将不清晰的人脸图像和缺少重要人脸特征的人脸图像去除,将不包含有清晰车牌区域的车辆图像去除等。然后,将预先存储的目标人员的人脸图像数据与经过预处理后的人脸图像数据进行匹配,从中筛选出属于目标人员的人脸图像数据,并根据采集设备所在的位置以及采集目标人员的人脸图像数据的时间,确定出目标人员的时空信息数据。或者,根据预先存储的目标人员对应的车辆信息,从经过预处理后的车辆图像数据中筛选出属于目标人员的车辆图像数据,并根据采集设备所在的位置以及采集目标人员的车辆图像数据的时间,确定出目标人员的时空信息数据。或者,根据预先存储的目标人员的手机信息,获取目标人员的手机数据,并根据目标人员的手机数据,确定出目标人员的时空信息数据。
在确定出目标人员的时空信息数据后,将目标人员的时空信息数据推送到Kudu轨迹库中进行存储。在Kudu轨迹库中,可以将目标人员的时空信息数据按照时空信息数据的UUID(Universally Unique Identifier,通用唯一识别码),目标人员的身份ID,时空信息数据中的时间以及时空信息数据中的位置经纬度经过预处理得到的GEOHASH值进行存储,此时的目标人员的时空信息数据也为目标人员的轨迹数据。
可以每日定时按时间先后顺序合并Kudu轨迹库中的每个目标人员每日的轨迹数据,形成当天的日常轨迹数据,并将形成的日常轨迹数据存储在HBase轨迹库中。在HBase轨迹库中,将每条轨迹数据的GEOHASH值作为相应时间点的轨迹点记为ti。采用“目标人员的身份ID的倒序”+“当日时间”作为HBase轨迹库的rowKey。使用身份ID的倒序是为了防止HBase轨迹库中存储的热点数据集中在一个Region Server中,导致不能充分地利用分布式存储的效率,使得查询时间增长。HBase轨迹库中存储的value值可以作为目标人员当日的轨迹序列{t1,t2,…,tn}。通过这种方式可以快速地查找任意目标人员过去一天的轨迹数据,记为Sj。
定时查询HBase轨迹库中目标人员的过去N天的历史轨迹数据{S-n,S-n+1,…,S-1},同时检索Kudu轨迹库中目标人员当日过去时间段的轨迹数据作为当前轨迹数据,计算历史轨迹数据中的每天轨迹数据与当前轨迹数据的相似度,将大于或等于阈值ε的相似度的数量作为相似天数n。例如,当与某一天轨迹数据Sj比较的当前轨迹数据的相似度大于或等于阈值ε时,表明当前轨迹数据与某一天的轨迹数据Sj相似,可以将相似天数n加1。将当前轨迹数据与过去N天中每天的轨迹数据一一进行比对后,如果最终得到的相似天数n与N的比值:n/N<γ,则将对应的目标人员的信息以及当前轨迹数据中的最新轨迹点作为产生异常的轨迹点推入到聚集预警模型中。其中,γ为预先设定的比例阈值,根据γ和历史轨迹数据对应的天数N天,可以确定相似天数的阈值Nγ。如果当前轨迹数据和过去N天的历史轨迹数据相似的天数小于或等于Nγ,则该当前轨迹数据为异常轨迹数据,可以将其存储在异常轨迹库中。
例如,当前轨迹数据为A,过去3天的历史轨迹数据分别为A1,A2,A3。将当前轨迹数据A分别与历史轨迹数据A1,A2,A3进行相似度比对,如果A和A1的相似度大于阈值ε,说明当前轨迹数据A与历史轨迹数据A1相似。如果A和A1的相似度大于阈值ε,A和A2的相似度小于阈值ε,A和A3的相似度小于阈值ε,说明当前轨迹数据与过去3天的历史轨迹数据相似的天数只有1天。假设预先设定的比例阈值γ为2/3,则相似天数的阈值Nγ为γ*3=2/3*3=2天。由于当前轨迹数据与历史轨迹数据的相似天数小于2天,可以确定当前轨迹数据A为异常轨迹数据。
示例性地,可以采用改进的LCSS(Longest Common Sub-Sequence,最长公共序列问题)算法快速计算出历史轨迹数据中的每天轨迹数据与当前轨迹数据的相似度。在改进的LCSS算法中,如果Z既是X的子序列,又是Y的子序列,则称Z为X和Y的公共子序列,即计算出两个序列中长度最长的子序列。例如有两条轨迹数据t1:ABCBDAB和t2:BDCABA,轨迹数据t1和轨迹数据t2的最长公共子序列为BCAB。利用穷举法来得到计算这两条轨迹数据中的最长公共子序列的实际复杂度为O(n3),而采用改进的LCSS算法来计算最长公共子序列时,只需要O(n)。采用改进的LCSS算法分别计算当前轨迹数据x与历史轨迹数据S中的每天轨迹数据Sj的相似度,得到的最长公共序列长度除以当前轨迹数据x的轨迹长度,即为轨迹相似度。该方法既考虑了轨迹数据的时间顺序,同时又降低了轨迹数据中正常轨迹点的连续性和异常轨迹点的敏感程度,将过去时间内的已知轨迹点纳入了相似度的考量,符合群体性聚集事件的场景。
确定出目标人员的当前轨迹数据为异常轨迹数据后,可以将多条异常轨迹数据包含的最新轨迹点中相同的轨迹点合并为一个待预测聚集点。例如,有10条异常轨迹数据A1,A2,A3,A4,B1,B2,B3,C1,C2,C3,每条异常轨迹数据中包含有一个最新轨迹点,其中,A1,A2,A3,A4中包含的最新轨迹点相同,B1,B2,B3中包含的最新轨迹点相同,C1,C2,C3中包含的最新轨迹点相同。因此,根据10条异常轨迹数据可以确定出3个待预测聚集点。
对于每个待预测聚集点,可以获取包含该待预测聚集点的异常轨迹数据对应的目标人员的属性信息,根据获取的每个目标人员的属性信息,确定每个目标人员对应的权重,根据每个目标人员对应的权重,确定该待预测聚集点为聚集点的概率。其中,目标人员的属性信息可以是根据该目标人员历史参与群体性聚集事件的频率确定的,也可以是根据该目标人员历史参与群体性聚集事件的累计次数确定的,或者是根据该目标人员历史参与群体性聚集事件的频率和累计次数确定的。
例如,当目标人员历史参与群体性聚集事件的累计次数为16次时,该目标人员的属性信息可以为骨干分子,当目标人员历史参与群体性聚集事件的累计次数为4次时,该目标人员的属性信息可以为普通分子。对于一个属性信息为骨干分子的目标人员,可以为该目标人员设置一个较大的权重,而对于一个属性信息为普通分子的目标人员,可以为该目标人员设置一个较小的权重。
根据每个目标人员的属性信息可以确定出每个目标人员ai对应的权重ω(ai)∈(0,1),采用泊松分布可以计算出最新轨迹点X为聚集点的概率:
其中,P(X)表示最新轨迹点X为聚集点的概率,λ为参数。
确定待预测聚集点X为聚集点的概率之后,可以将该概率与预先设定的第三阈值进行比较,如果待预测聚集点X为聚集点的概率大于或等于第三阈值,可以确定待预测聚集点X为聚集点。
在一些实施例中,在确定最新轨迹点X是否为聚集点时,还需要考虑到当天是否属于敏感时间,可以根据当天是否属于敏感时间设置不同的第三阈值。例如,如果当天属于敏感时间,可以将第三阈值设置为μ2,如果当天属于非敏感时间,可以将第三阈值设置为μ1,其中,μ1>μ2。当最新轨迹点X满足如下条件时,可以确定最新轨迹点X为聚集点:
在确定出聚集点后,可以对聚集点的位置信息和参与聚集人员的信息发出预警提示信息。
在一种实施例中,在发出预警提示信息,并且经民警确认为群众性聚集事件后,可以将包含聚集点的异常轨迹数据对应的目标人员参与群体性聚集事件的频率或者累计次数加一,进而更新目标人员的属性信息。
在一些实施例中,可以根据民警记录的聚集人员名单或者其他已知的标注数据来确定出群体性聚集事件的目标人员。
与上述实施例提供的群体性聚集事件预警方法基于同一发明构思,本申请实施例中还提供了一种群体性聚集事件预警装置。由于该装置是本申请实施例群体性聚集事件预警方法对应的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见上述方法的实施,重复之处不再赘述。
图6示出了本申请实施例提供的一种群体性聚集事件预警装置的结构示意图,如图6所示,该群体性聚集事件预警装置包括:数据获取单元601、数据确定单元602、聚集点确定单元603和预警提示单元604;其中,
数据获取单元601,用于获取设定的目标人员的时空信息数据;
数据确定单元602,用于分别根据每个目标人员的时空信息数据,确定每个目标人员的当前轨迹数据;每条当前轨迹数据中均包含至少一个轨迹点;以及对于每个目标人员,将目标人员的当前轨迹数据与目标人员的历史轨迹数据进行比对,根据目标人员的当前轨迹数据与历史轨迹数据的相似度,确定目标人员的当前轨迹数据是否为异常轨迹数据;目标人员的历史轨迹数据是根据目标人员的历史时空信息数据确定的;
聚集点确定单元603,用于分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点;
预警提示单元604,用于当得到的异常轨迹数据中包含聚集点时,根据聚集点的位置信息发出预警提示信息。
在一种可选的实施例中,数据获取单元601,具体用于:
根据获取的目标人员的辅助定位数据,确定目标人员的时空信息数据;目标人员的辅助定位数据包括如下数据中的至少一种:目标人员的人脸数据、目标人员的车辆数据、目标人员的手机数据。
在一种可选的实施例中,目标人员的辅助定位数据包括目标人员的人脸数据;根据获取的目标人员的辅助定位数据,确定目标人员的时空信息数据,包括:接收采集设备采集的候选人脸数据,将预存的目标人员的人脸数据与候选人脸数据进行匹配,从候选人脸数据中确定出属于目标人员的人脸数据,并根据采集设备的位置和采集目标人员的人脸数据的时间,确定目标人员的时空信息数据;或者,
目标人员的辅助定位数据包括目标人员的车辆数据;根据获取的目标人员的辅助定位数据,确定目标人员的时空信息数据,包括:接收采集设备采集的候选车辆数据,根据预存的目标人员对应的车辆信息,从候选车辆数据中确定出属于目标人员的车辆数据,并根据采集设备的位置和采集目标人员的车辆数据的时间,确定目标人员的时空信息数据;或者,
目标人员的辅助定位数据包括目标人员的手机数据;根据获取的目标人员的辅助定位数据,确定目标人员的时空信息数据,包括:根据预存的目标人员的手机信息,获取目标人员的手机数据,并根据目标人员的手机数据,确定目标人员的时空信息数据;手机数据包括手机在各个时间所处的位置。
在一种可选的实施例中,数据确定单元602,具体用于:
分别确定目标人员的当前轨迹数据与目标人员的历史轨迹数据中的每天轨迹数据的相似度;
将大于或等于第一阈值的相似度的数量作为相似天数;
若相似天数小于或等于第二阈值,确定目标人员的当前轨迹数据为异常轨迹数据。
在一种可选的实施例中,聚集点确定单元603,具体用于:
根据得到的每条异常轨迹数据中的最新轨迹点,确定待预测聚集点;
对于每个待预测聚集点,获取包含待预测聚集点的异常轨迹数据对应的目标人员的属性信息;目标人员的属性信息是根据目标人员历史参与群体性聚集事件的频率和/或目标人员历史参与群体性聚集事件的累计次数确定的;
根据获取的每个目标人员的属性信息,确定每个目标人员对应的权重;
根据每个目标人员对应的权重,确定待预测聚集点为聚集点的概率;
若待预测聚集点为聚集点的概率大于或等于第三阈值,确定待预测聚集点为聚集点。
在一种可选的实施例中,预警提示单元604,具体用于:
将包含聚集点的异常轨迹数据对应的目标人员作为参与聚集人员;
发出预警提示信息;预警提示信息包含聚集点的位置信息和参与聚集人员的信息。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中的群体性聚集事件预警方法。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,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,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种群体性聚集事件预警方法,其特征在于,包括:
获取设定的目标人员的时空信息数据;
分别根据每个目标人员的时空信息数据,确定每个目标人员的当前轨迹数据;每条当前轨迹数据中均包含至少一个轨迹点;
对于每个目标人员,将所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据进行比对,根据所述目标人员的当前轨迹数据与历史轨迹数据的相似度,确定所述目标人员的当前轨迹数据是否为异常轨迹数据;所述目标人员的历史轨迹数据是根据所述目标人员的历史时空信息数据确定的;
分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点;
若得到的异常轨迹数据中包含聚集点,根据所述聚集点的位置信息发出预警提示信息。
2.根据权利要求1所述的方法,其特征在于,所述获取设定的目标人员的时空信息数据,包括:
根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据;所述目标人员的辅助定位数据包括如下数据中的至少一种:目标人员的人脸数据、目标人员的车辆数据、目标人员的手机数据。
3.根据权利要求2所述的方法,其特征在于,
所述目标人员的辅助定位数据包括目标人员的人脸数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:接收采集设备采集的候选人脸数据,将预存的目标人员的人脸数据与所述候选人脸数据进行匹配,从所述候选人脸数据中确定出属于目标人员的人脸数据,并根据所述采集设备的位置和采集所述目标人员的人脸数据的时间,确定所述目标人员的时空信息数据;或者,
所述目标人员的辅助定位数据包括目标人员的车辆数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:接收采集设备采集的候选车辆数据,根据预存的目标人员对应的车辆信息,从所述候选车辆数据中确定出属于目标人员的车辆数据,并根据所述采集设备的位置和采集所述目标人员的车辆数据的时间,确定所述目标人员的时空信息数据;或者,
所述目标人员的辅助定位数据包括目标人员的手机数据;所述根据获取的目标人员的辅助定位数据,确定所述目标人员的时空信息数据,包括:根据预存的目标人员的手机信息,获取所述目标人员的手机数据,并根据所述目标人员的手机数据,确定所述目标人员的时空信息数据;所述手机数据包括手机在各个时间所处的位置。
4.根据权利要求1所述的方法,其特征在于,将所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据进行比对,根据所述目标人员的当前轨迹数据与历史轨迹数据的相似度,确定所述目标人员的当前轨迹数据是否为异常轨迹数据,包括:
分别确定所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据中的每天轨迹数据的相似度;
将大于或等于第一阈值的相似度的数量作为相似天数;
若所述相似天数小于或等于第二阈值,确定所述目标人员的当前轨迹数据为异常轨迹数据。
5.根据权利要求1所述的方法,其特征在于,所述分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点,包括:
根据得到的每条异常轨迹数据中的最新轨迹点,确定待预测聚集点;
对于每个待预测聚集点,获取包含所述待预测聚集点的异常轨迹数据对应的目标人员的属性信息;所述目标人员的属性信息是根据所述目标人员历史参与群体性聚集事件的频率和/或所述目标人员历史参与群体性聚集事件的累计次数确定的;
根据获取的每个目标人员的属性信息,确定每个目标人员对应的权重;
根据每个目标人员对应的权重,确定所述待预测聚集点为聚集点的概率;
若所述待预测聚集点为聚集点的概率大于或等于第三阈值,确定所述待预测聚集点为聚集点。
6.根据权利要求1所述的方法,其特征在于,根据所述聚集点的位置信息发出预警提示信息,包括:
将包含所述聚集点的异常轨迹数据对应的目标人员作为参与聚集人员;
发出预警提示信息;所述预警提示信息包含所述聚集点的位置信息和所述参与聚集人员的信息。
7.一种群体性聚集事件预警装置,其特征在于,包括:
数据获取单元,用于获取设定的目标人员的时空信息数据;
数据确定单元,用于分别根据每个目标人员的时空信息数据,确定每个目标人员的当前轨迹数据;每条当前轨迹数据中均包含至少一个轨迹点;以及对于每个目标人员,将所述目标人员的当前轨迹数据与所述目标人员的历史轨迹数据进行比对,根据所述目标人员的当前轨迹数据与历史轨迹数据的相似度,确定所述目标人员的当前轨迹数据是否为异常轨迹数据;所述目标人员的历史轨迹数据是根据所述目标人员的历史时空信息数据确定的;
聚集点确定单元,用于分别确定得到的异常轨迹数据中的最新轨迹点是否为聚集点;
预警提示单元,用于当得到的异常轨迹数据中包含聚集点时,根据所述聚集点的位置信息发出预警提示信息。
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现权利要求1~6中任一项所述的方法。
9.一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内存储有计算机程序,其特征在于:所述计算机程序被处理器执行时,实现权利要求1~6中任一项所述的方法。
10.一种群体性聚集事件预警***,其特征在于,包括权利要求8所述的电子设备和与所述电子设备连接的采集设备;所述采集设备用于采集图像数据,所述图像数据包括目标人员的人脸数据或目标人员的车辆数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159392.8A CN112419120B (zh) | 2020-10-26 | 2020-10-26 | 群体性聚集事件预警方法、装置、***和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011159392.8A CN112419120B (zh) | 2020-10-26 | 2020-10-26 | 群体性聚集事件预警方法、装置、***和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419120A true CN112419120A (zh) | 2021-02-26 |
CN112419120B CN112419120B (zh) | 2022-08-26 |
Family
ID=74841451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011159392.8A Active CN112419120B (zh) | 2020-10-26 | 2020-10-26 | 群体性聚集事件预警方法、装置、***和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419120B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597976A (zh) * | 2021-03-02 | 2021-04-02 | 北京数字政通科技股份有限公司 | 一种目标对象的智能防控方法及智能防控*** |
CN113205876A (zh) * | 2021-07-06 | 2021-08-03 | 明品云(北京)数据科技有限公司 | 目标人员的有效线索确定方法、***、电子设备及介质 |
CN113314233A (zh) * | 2021-07-30 | 2021-08-27 | 明品云(北京)数据科技有限公司 | 一种事件追踪处理方法、***、设备和介质 |
CN114708626A (zh) * | 2021-12-17 | 2022-07-05 | 武汉众智数字技术有限公司 | 一种重点人员行为识别与预警的方法 |
CN115393798A (zh) * | 2022-09-01 | 2022-11-25 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107264797A (zh) * | 2016-04-06 | 2017-10-20 | 成都积格科技有限公司 | 人群聚集预警无人机 |
CN108009688A (zh) * | 2017-12-15 | 2018-05-08 | 东软集团股份有限公司 | 聚集事件预测方法、装置及设备 |
CN110457315A (zh) * | 2019-07-19 | 2019-11-15 | 国家计算机网络与信息安全管理中心 | 一种基于用户轨迹数据的群体聚集模式分析方法和*** |
CN110751080A (zh) * | 2019-10-16 | 2020-02-04 | 浙江大华技术股份有限公司 | 异常人员的聚集预警方法、***及相关装置 |
CN111414828A (zh) * | 2020-03-13 | 2020-07-14 | 杭州海康威视***技术有限公司 | 一种异常聚集识别方法及装置 |
-
2020
- 2020-10-26 CN CN202011159392.8A patent/CN112419120B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107264797A (zh) * | 2016-04-06 | 2017-10-20 | 成都积格科技有限公司 | 人群聚集预警无人机 |
CN108009688A (zh) * | 2017-12-15 | 2018-05-08 | 东软集团股份有限公司 | 聚集事件预测方法、装置及设备 |
CN110457315A (zh) * | 2019-07-19 | 2019-11-15 | 国家计算机网络与信息安全管理中心 | 一种基于用户轨迹数据的群体聚集模式分析方法和*** |
CN110751080A (zh) * | 2019-10-16 | 2020-02-04 | 浙江大华技术股份有限公司 | 异常人员的聚集预警方法、***及相关装置 |
CN111414828A (zh) * | 2020-03-13 | 2020-07-14 | 杭州海康威视***技术有限公司 | 一种异常聚集识别方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597976A (zh) * | 2021-03-02 | 2021-04-02 | 北京数字政通科技股份有限公司 | 一种目标对象的智能防控方法及智能防控*** |
CN112597976B (zh) * | 2021-03-02 | 2021-06-25 | 北京数字政通科技股份有限公司 | 一种目标对象的智能防控方法及智能防控*** |
CN113205876A (zh) * | 2021-07-06 | 2021-08-03 | 明品云(北京)数据科技有限公司 | 目标人员的有效线索确定方法、***、电子设备及介质 |
CN113314233A (zh) * | 2021-07-30 | 2021-08-27 | 明品云(北京)数据科技有限公司 | 一种事件追踪处理方法、***、设备和介质 |
CN114708626A (zh) * | 2021-12-17 | 2022-07-05 | 武汉众智数字技术有限公司 | 一种重点人员行为识别与预警的方法 |
CN115393798A (zh) * | 2022-09-01 | 2022-11-25 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
CN115393798B (zh) * | 2022-09-01 | 2024-04-09 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112419120B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112419120B (zh) | 群体性聚集事件预警方法、装置、***和电子设备 | |
EP3497590B1 (en) | Distributed video storage and search with edge computing | |
TWI743987B (zh) | 行為分析方法、電子設備和電腦儲存媒體 | |
CN110874362A (zh) | 一种数据关联分析方法及装置 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
Wirz et al. | Towards an online detection of pedestrian flocks in urban canyons by smoothed spatio-temporal clustering of GPS trajectories | |
CN112182295B (zh) | 基于行为预测的业务处理方法、装置及电子设备 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN111767432B (zh) | 共现对象的查找方法和装置 | |
CN111274287A (zh) | 人员集合同行信息的挖掘方法、装置及电子设备 | |
CN112364176A (zh) | 一种人员行动轨迹的构建方法、设备及*** | |
CN114637884B (zh) | 一种电像计算时空轨迹与道路网的匹配方法、装置及设备 | |
CN114067270A (zh) | 一种车辆追踪方法、装置、计算机设备及存储介质 | |
CN110533906B (zh) | 一种路况信息的获取方法及相关装置 | |
CN113673311A (zh) | 一种交通异常事件检测方法、设备及计算机存储介质 | |
WO2021114615A1 (zh) | 行为风险识别的可视化方法、装置、设备及存储介质 | |
CN114023076B (zh) | 一种基于多源异构数据的特定车辆追踪方法 | |
CN114519879A (zh) | 人体数据归档方法、装置、设备及存储介质 | |
CN112218046B (zh) | 对象监控方法及装置 | |
CN114049658A (zh) | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 | |
CN115687249B (zh) | 一种图像聚档方法、装置、终端及计算机可读存储介质 | |
CN111629336A (zh) | 一种目标区域内人数确定方法、装置、设备及存储介质 | |
CN116610849A (zh) | 获取轨迹相似的移动对象的方法、装置、设备及存储介质 | |
US20220277642A1 (en) | Investigation assistance system and investigation assistance method | |
CN113706578B (zh) | 一种基于轨迹的移动对象伴随关系的确定方法和装置 |
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 |