CN116597983B - 基于nfc和复吸判断的特殊场景毒情分析预警方法 - Google Patents
基于nfc和复吸判断的特殊场景毒情分析预警方法 Download PDFInfo
- Publication number
- CN116597983B CN116597983B CN202310561462.XA CN202310561462A CN116597983B CN 116597983 B CN116597983 B CN 116597983B CN 202310561462 A CN202310561462 A CN 202310561462A CN 116597983 B CN116597983 B CN 116597983B
- Authority
- CN
- China
- Prior art keywords
- drug
- group
- inhalation
- data
- withdrawal
- 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
- 231100000419 toxicity Toxicity 0.000 title claims abstract description 76
- 230000001988 toxicity Effects 0.000 title claims abstract description 76
- 238000004458 analytical method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 40
- 229940079593 drug Drugs 0.000 claims abstract description 75
- 239000003814 drug Substances 0.000 claims abstract description 75
- 239000012634 fragment Substances 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000001815 facial effect Effects 0.000 claims description 117
- 208000007271 Substance Withdrawal Syndrome Diseases 0.000 claims description 89
- 238000012544 monitoring process Methods 0.000 claims description 50
- 210000001747 pupil Anatomy 0.000 claims description 37
- 238000010521 absorption reaction Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 16
- 239000003053 toxin Substances 0.000 claims description 14
- 231100000765 toxin Toxicity 0.000 claims description 14
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 13
- 229940088679 drug related substance Drugs 0.000 claims description 13
- 210000000744 eyelid Anatomy 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 231100000614 poison Toxicity 0.000 claims description 10
- 239000002574 poison Substances 0.000 claims description 10
- 206010013663 drug dependence Diseases 0.000 claims description 9
- 208000011117 substance-related disease Diseases 0.000 claims description 9
- 230000002110 toxicologic effect Effects 0.000 claims description 4
- 231100000027 toxicology Toxicity 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 16
- NOQGZXFMHARMLW-UHFFFAOYSA-N Daminozide Chemical compound CN(C)NC(=O)CCC(O)=O NOQGZXFMHARMLW-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008602 contraction Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- GVGLGOZIDCSQPN-PVHGPHFFSA-N Heroin Chemical compound O([C@H]1[C@H](C=C[C@H]23)OC(C)=O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4OC(C)=O GVGLGOZIDCSQPN-PVHGPHFFSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 229960002069 diamorphine Drugs 0.000 description 2
- 230000009103 reabsorption Effects 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005213 imbibition Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Toxicology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Ophthalmology & Optometry (AREA)
- Electromagnetism (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Pathology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于NFC和复吸判断的特殊场景毒情分析预警方法,以识别到佩戴在拟识别人员的腕表上的NFC信息为触发条件,并以复吸数据为依据实现了对每个区域的毒情分析预警,且在分析过程中实现了对毒情分析预警结果的自动化的动态更新。另外,通过一套独创的算法实现了对人员是否复吸以及复吸的毒品种类、所处的复吸期间片段的精准识别。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种基于NFC和复吸判断的特殊场景毒情分析预警方法。
背景技术
对辖区内的不同区域进行毒情分析预警是监控部门的主要工作之一。现有的毒情分析预警方法通常为:通过采集每个地区的人体毛发、污水等样本,并采用大数据分析的技术手段,分析出毒情严重区域以及这些区域的吸毒人员年龄、吸食毒品种类等信息并形成可视化的分析结果后进行展示或预警。每个区域的复吸人员数量,复吸年龄段、复吸毒品种类、复吸所处的复吸节点等是分析该地区毒情的重要考量因素,但在现有毒情分析方法中,由于难以判断人员是否存在复吸而直接排除了复吸数据作为毒情分析的依据。
为了深入了解每个区域的毒情现状,监控部门希望将复吸数据纳入为毒情分析预警的依据,希望能够在特定的触发条件下能够自动触发以复吸数据为依据的毒情分析预警并在达到更新条件时,自动化的动态更新毒情分析预警结果后第一时间展示给监控人员。但这个触发条件如何设置,如何以复吸数据为依据进行毒情分析预警,如何自动化的动态更新毒情分析预警结果目前尚未有现有的解决方案。
另外,监控部门还希望根据展示的毒情分析预警结果能够直接了解每个区域中的每个复吸人员的复吸情况,包括复吸毒品种类和当前所处的复吸节点(复吸期间片段),但现有技术中,尚没有一套可行的方法能够较为准确的识别出复吸人员的复吸毒品种类和当前所处的复吸节点。
发明内容
本发明提供了一种基于NFC和复吸判断的特殊场景毒情分析预警方法,以识别到佩戴在拟识别人员的腕表上的NFC信息为触发条件,并以复吸数据为依据实现了对每个区域的毒情分析预警,且在分析过程中实现了对毒情分析预警结果的自动化的动态更新。另外,通过一套独创的算法实现了对人员是否复吸以及复吸的毒品种类、所处的复吸期间片段的精准识别。
为达此目的,本发明采取以下技术方案:
提供一种基于NFC和复吸判断的特殊场景毒情分析预警方法,步骤包括:
L1,***以NFC设备读取到拟识别人员的腕表上的NFC信息为指令,获取所述拟识别人员的个人戒毒数据和当前毒情监测各区域的区域信息,并从指定群体复吸数据库中提取出群体复吸数据;
L2,所述***以对所述拟识别人员实时采集的第三眼部及面部特征数据,以及对其获取的所述个人戒毒数据和对其提取的各所述群体复吸数据,判断所述拟识别人员是否复吸,
若是,则转入步骤L3;
若否,则终止毒情分析流程;
L3,所述***以所述NFC信息中携带的针对所述拟识别人员的动态更新得到的经常居住地所处位置的第二位点信息,识别出所述经常居住地落入或拟落入的毒情监测区域,并将所述第二位点信息与识别出的所述毒情监测区域的区域唯一编码作信息绑定后存储;
L4,所述***对每个所述毒情监测区域判断与其作信息绑定的关联不同的所述拟识别人员的所述第二位点信息的数量是否超过对应的第一数量阈值,
若至少一个所述毒情监测区域超过对应的所述第一数量阈值,则根据预设策略更新毒情分析预警展示结果;
若均未超过对应的所述第一数量阈值,则不更新所述毒情分析预警展示结果。
作为优选,所述毒情监测区域的的所述区域信息包括所述区域唯一编码和区域范围信息,所述区域范围信息包括所述毒情监测区域的圆心所处位置的第一位点信息和半径长度信息,步骤L4中,更新所述毒情分析预警展示结果的所述预设策略包括步骤:
L41,针对每个所述毒情监测区域,判断其绑定的不同的所述拟识别人员分别对应所处的第二位点处于区域外的数量是否大于第二数量阈值,
若是,则转入步骤L42;
若否,则跳转到步骤L43;
L42,计算处于区域外的每个所述第二位点与所绑定的所述毒情监测区域的圆心的距离,并以第一最长距离为半径扩充所述毒情监测区域后标记出扩充区域,然后转入步骤L43;
L43,针对每个所述毒情监测区域,判断其绑定的不同的所述拟识别人员分别对应所处的第二位点处于区域内的数量是否大于第三数量阈值,
若是,则转入步骤L44;
若否,则终止更新所述毒情分析预警展示结果;
L44,计算处于区域内的每个所述第二位点与所绑定的所述毒情监测区域的圆心的距离与所述毒情监测区域的半径的比值,并判断最大比值是否小于比值阈值,
若是,则以所述最大比值对应的区域内的所述第二位点与圆心的第二最长距离位半径收缩所述毒情监测区域后标记出收缩区域;
若否,则终止更新所述毒情分析预警展示结果。
作为优选,所述个人戒毒数据包括所述拟识别人员的年龄落入的年龄段、性别、毒龄、戒毒的毒品种类以及在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第一眼部与面部特征数据;
所述群体复吸数据包括所表征的复吸群体在复吸周期内的每个复吸期间片段中的第二眼部与面部特征数据。
作为优选,步骤L1中,所述***根据所述个人戒毒数据与布隆过滤器中的第一点位的第一映射关系,从所述第一点位绑定的所述指定群体复吸数据库中提取出每条所述群体复吸数据;
步骤L2中,判断所述拟识别人员是否复吸的方法包括步骤:
S1,实时采集所述拟识别人员的第三眼部及面部特征数据;
S2,将所述第三眼部及面部特征与所提取的每条所述群体复吸数据中的每个所述复吸期间片段对应的所述第二眼部与面部特征数据进行相似度比对,
若比对成功,则转入步骤S3或从记载有当前参与比对的所述第二眼部及面部特征数据的所述群体复吸数据中提取出携带的复吸毒品种类以及复吸期间片段并形成复吸识别结果后输出;
若比对失败,则终止识别流程。
作为优选,所述的基于NFC和复吸判断的特殊场景毒情分析预警方法还包括步骤:
S3,根据步骤S2比对成功的所述群体复吸数据与布隆过滤器中的第二点位的第二映射关系,从所述第二点位绑定的群体戒毒数据库中提取出群体戒毒数据,所述群体戒毒数据包括比对成功的所述群体复吸数据所表征的所述复吸群体的年龄落入的年龄段、性别、与所述拟识别人员相同的戒毒毒品种类以及所述复吸群体在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第四眼部及面部特征;
S4,将同一所述戒毒期间片段下的所述第四眼部及面部特征与所述第一眼部及面部特征进行相似度比对,
若比对成功,则从步骤S2中参与比对的所述第二眼部及面部特征数据的所述群体复吸数据中提取出携带的复吸毒品种类以及复吸期间片段并形成为所述复吸识别结果后输出;
若比对失败,则终止识别流程。
作为优选,存储在所述第一点位绑定的所述群体复吸数据库中的每条所述群体复吸数据包括所述复吸群体的年龄落入的年龄段、性别、复吸的毒品种类以及所述复吸群体在该复吸毒品种类对应的复吸周期内的每个所述复吸期间片段中的所述第二眼部及面部特征;
存储在所述群体复吸数据库中的每条所述群体复吸数据具有不同的复吸毒品种类,且与所述拟识别人员的戒毒毒品种类相同;
存储在所述群体复吸数据库中的每条所述群体复吸数据具有相同或不同的所述复吸周期。
作为优选,所述拟识别人员的第一眼部与面部特征数据和所述第三眼部与面部特征数据包括个人眼部特征值、个人面部特征值,其中,所述个人眼部特征值包括瞳孔面积对虹膜面积的占比和/或围成瞳孔的第一曲线上的第一点与围成虹膜的第二曲线上的第二点的第一距离/>连接所述第一点和所述第二点的直线延长后穿过所述瞳孔的中心圆点Pc,和/或/>的加权平均值/>
所述个人面部特征值包括第一个人面部特征值和/或第二个人面部特征值,其中,所述第一个人面部特征值包括瞳孔最低点在当前与当前的上一戒毒期间片段的第一位置变化量和/或下眼睑最低点在当前与当前的上一戒毒期间片段的第二位置变化量和/或在当前的戒毒期间片段所述拟识别人员的所述下眼睑最低点与所述瞳孔最低点的第二距离/>和/或/>的加权平均值/>
所述第二个人面部特征值包括在当前的戒毒期间片段鼻尖最低点与鼻翼点的第三距离和/或所述鼻尖最低点与所述鼻翼点的连线与水平线的夹角/>和/或/>的加权平均值/>
所述第一眼部及面部特征数据还包括采集第一眼部与面部特征数据时所述拟识别人员在戒毒期间中所处的戒毒期间片段的第一片段唯一编码,以及所采集的所述第一眼部及面部特征数据与所戒毒品种类的第一特征关联关系。
作为优选,所述复吸群体的所述第二眼部与面部特征数据包括群体眼部特征值、群体面部特征值,其中所述群体眼部特征值包括所述复吸群体中的每个复吸人员的瞳孔面积对虹膜面积的占比的均值M1,和/或每个所述复吸人员中围成瞳孔的第一曲线上的第一点与围成虹膜的第二曲线上的第二点的第一距离/>的均值M2,连接所述第一点和所述第二点的直线延长后穿过所述瞳孔的中心圆点Pc-m,和/或M1、M2的加权平均值/>
所述群体面部特征值包括第一群体面部特征值和/或第二群体面部特征值,其中,所述第一群体面部特征值包括所述复吸群体中的每个所述复吸人员的瞳孔最低点在当前与当前的上一复吸期间片段的第一位置变化量的均值M3,和/或下眼睑最低点在当前与当前的上一复吸期间片段的第二位置变化量/>的M4,和/或在当前的复吸期间片段所述复吸人员的所述下眼睑最低点与所述瞳孔最低点的第二距离/>的均值M5,和/或M3、M4、M5的加权平均值/>
所述第二群体面部特征值包括在当前的复吸期间片段每个所述复吸人员的鼻尖最低点与鼻翼点的第三距离的均值M6,和/或所述鼻尖最低点与所述鼻翼点的连线与水平线的夹角/>的均值M7,和/或M6、M7的加权平均值/>
所述第二眼部及面部特征数据还包括形成所述第二眼部及面部特征数据时所述复吸群体在复吸期间中所处的复吸期间片段的第二片段唯一编码,以及所采集的所述第二眼部及面部特征数据与所复吸的毒品种类的第二特征关联关系。
作为优选,所述第一映射关系为:所述复吸群体中的每个复吸人员与所述拟识别人员具有相同的戒毒特征,包括落入相同的年龄段、具有相同的性别、相同的戒毒毒品种类以及毒龄落入相同的毒龄段。
作为优选,所述第二映射关系为:所述群体复吸数据中表征的所述复吸群体与所述第二点位绑定的所述群体戒毒数据库中的所述群体戒毒数据中表征的戒毒群体为同一群体。
本发明具有以下有益效果:
1、以NFC信息为触发条件,并以复吸数据为依据实现了对每个区域的毒情分析预警,且在分析过程中实现了对毒情分析预警结果的自动化的动态更新;
2、以拟进行复吸识别的个人的戒毒数据与布隆过滤器中的第一点位的第一映射关系,快速匹配出与该拟识别人员具有相同的戒毒特征(包括落入相同的年龄段、具有相同的性别、相同的戒毒毒品种类、毒龄也落入相同的毒龄段)的复吸群体的若干条群体复吸数据,然后对现场采集的拟识别人员的第三眼部及面部特征与每条群体复吸数据中的每个复吸期间片段对应的第二眼部与面部特征数据进行相似度比对,如果比对成功,则提取出该条群体复吸数据中携带的复吸毒品种类以及具体的复吸期间片段作为对该拟识别人员的毒品复吸识别结果。另外,所提取的复吸群体与拟识别人员的戒毒种类相同。本发明通过与拟识别人员具有相同戒毒种类的复吸群体在每个复吸期间片段的眼部与面部特征来回溯拟识别人员个体是否存在复吸、以及复吸的毒品种类、当前所处的复吸期间片段,实现了对是否复吸的准确识别。
3、采用和/或离/>和/或/>为拟识别人员的个人眼部特征,采用/>和/或/>和/或/>和/或/>和/或/>和/或/>和/或/>为拟识别人员的个人面部特征;
采用M1、和/或M2、和/或为匹配到的复吸群体的群体眼部特征,采用M3、和/或M4、和/或M5、和/或/>和/或M6、和/或M7、和/或/>为匹配到的所述复吸群体的群体面部特征;
上述的个人及群体眼部特征、个人面部及群体面部特征计算过程简单,有利于提高判断是否复吸的效率,并且强相关的表征出了不同毒品种类在戒毒阶段、复吸阶段时对于不同年龄段、不同性别,不同毒龄、不同复吸期间片段、不同戒毒期间片段的眼部及面部特征变化,提高了判断是否复吸的准确率。
4、增加了复吸判断结果校验机制。通过第一点位绑定的群体复吸数据库中的复吸群体在第二点位绑定的群体戒毒数据库中的群体戒毒数据,验证拟识别人员在戒毒周期内的每个戒毒期间片段中的个人眼部及面部特征是否与提取的群体戒毒数据中记载的相应戒毒期间片段中的群体眼部及面部特征相匹配,若是,则最终输出复吸识别结果,若否,则判定前期做出的复吸判断结果不正确,流程终止,进一步提高了复吸识别的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于NFC和复吸判断的特殊场景毒情分析预警方法的实现流程图;
图2是毒品A对应的戒毒期间的戒毒期间片段划分示意图;
图3是毒品B对应的复吸期间的复吸期间片段划分示意图;
图4是计算第一距离的示意图;
图5是计算第二距离的示意图;
图6是计算第三距离和夹角/>的示意图;
图7是动态更新的毒情分析预警展示结果的示例图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若出现术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
在本发明的描述中,除非另有明确的规定和限定,若出现术语“连接”等指示部件之间的连接关系,该术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的一种基于NFC和复吸判断的特殊场景(比如以复吸数据为分析依据之一进行毒情分析预警的场景)毒情分析预警方法,如图1所示,步骤包括:
L1,***以NFC设备读取到拟识别人员的腕表上的NFC信息(腕表上具有NFC芯片,NFC芯片上记载有NFC信息,NFC信息包括拟识别人员的身份信息和经常居住地信息(经常居住地信息由腕表中的定位设备自动分析得到,分析方法为:获取连续一段时间内比如连续一个月内的每天的停留时长最长的位点信息,然后将被获取次数最多的位点作为居住地),根据这个身份信息,***从后台服务器或云端去检索该拟识别人员的个人戒毒数据)为指令,获取拟识别人员的个人戒毒数据(包括拟识别人员的年龄落入的年龄段、性别、毒龄、戒毒的毒品种类以及在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第一眼部与面部特征数据)和当前毒情监测各区域的区域信息(包括区域唯一编码和区域范围信息,其中,区域范围信息包括毒情监测区域的圆心所处位置的第一位点信息(通过坐标确定)和半径长度信息),并从指定群体复吸数据库中提取出群体复吸数据(包括所表征的复吸群体在复吸周期内的每个复吸期间片段中的第二眼部与面部特征数据);
L2,***以对拟识别人员实时采集的第三眼部及面部特征数据,以及对其获取的个人戒毒数据和对其提取的各群体复吸数据,判断拟识别人员是否复吸,
若是,则转入步骤L3;
若否,则终止毒情分析流程;
L3,***以NFC信息中携带的针对拟识别人员的动态更新得到的经常居住地所处位置的第二位点信息,识别出经常居住地落入或拟落入的毒情监测区域(这里需要说明的是,经常居住地是动态在变化而非固定的,因此拟识别人员的经常居住地位点可能落在区域内,也可能落在当前时间点获取的毒情监测区域之外,对于落在当前获取的毒情监测区域之外的经常居住地位点,***将首先计算第二位点与每个区域的圆心的第一连线距离,然后对该第一连线距离与该区域的圆半径作差,得到第二连线距离,将第二连线距离最小的当前获取到的毒情监测区域作为拟落入的毒情监测区域),并将第二位点信息与识别出的毒情监测区域的区域唯一编码作信息绑定后存储;
L4,***对每个毒情监测区域判断与其作信息绑定的关联不同的拟识别人员的第二位点信息的数量是否超过对应的第一数量阈值,
若至少一个毒情监测区域超过对应的第一数量阈值,则根据预设策略更新毒情分析预警展示结果;
若均未超过对应的第一数量阈值,则不更新毒情分析预警展示结果。
步骤L4中,更新毒情分析预警展示结果的预设策略包括步骤:
L41,针对每个毒情监测区域,判断其绑定的不同的拟识别人员分别对应所处的第二位点(经常居住地)处于区域外的数量是否大于第二数量阈值,
若是,则转入步骤L42;
若否,则跳转到步骤L43;
L42,计算处于区域外的每个第二位点与所绑定的毒情监测区域的圆心的距离,并以第一最长距离为半径扩充毒情监测区域后标记出扩充区域(图7中r0表示第一最长距离,代表第二位点P0与圆心O0的距离最长,图7中黑色填充部分为扩充区域),然后转入步骤L43;
L43,针对每个所毒情监测区域,判断其绑定的不同的拟识别人员分别对应所处的第二位点处于区域内的数量是否大于第三数量阈值,
若是,则转入步骤L44;
若否,则终止更新毒情分析预警展示结果;
L44,计算处于区域内的每个第二位点(如图7中的P0 ′)与所绑定的毒情监测区域的圆心(如图7中的圆心O0)的距离与毒情监测区域的半径(如图7中的r)的比值,并判断最大比值是否小于比值阈值,
若是,则以最大比值对应的区域内的第二位点与圆心之间的第二最长距离(如图7中的r0 ′)为半径收缩毒情监测区域后标记出收缩区域(图7中的灰色填充区域为收缩区域);
若否,则终止更新毒情分析预警展示结果。
判断每个拟识别人员是否复吸是对每个区域进行毒情分析预警的关键,因此,以下对本发明如何判断是否复吸进行具体说明:
步骤L1中个,***以读取到NFC信息为指令获取的拟识别人员的个人戒毒数据包括拟识别人员的年龄落入的年龄段、性别、毒龄、戒毒的毒品种类以及在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第一眼部与面部特征数据;
不同的年龄段、不同性别、相同或不同毒龄、吸食的毒品种类相同或不同,对应的戒毒周期通常不同,在该戒毒周期的每个戒毒期间片段中的眼部与面部特征变化通常并不相同,因此,本发明中,针对不同的年龄段、不同性别、相同或不同毒龄、吸食相同或不同的毒品种类,分别给定了不同的戒毒周期,比如男性25-30周岁这一年龄段中具有3年毒龄且吸食的毒品种类为***,该条件对应如图2所示的戒毒周期,该戒毒周期下比如划分有5个戒毒期间片段,其中戒毒期间片段1为6个月,戒毒期间片段2为4个月、戒毒期间片段3为2个月、戒毒期间片段3为1个月,戒毒期间片段4为15天。
获取个人戒毒数据的目的是为了后续在步骤S3-S4中对步骤S2作出的是否复吸的复吸识别结果进行校验。
获取个人戒毒数据的同时,还需要从指定群体复吸数据库中提取出群体复吸数据,提取方法为:
根据个人戒毒数据与布隆过滤器中的第一点位的第一映射关系,从第一点位绑定的群体复吸数据库中提取出每条群体复吸数据,群体复吸数据包括所表征的复吸群体在复吸周期内的每个复吸期间片段中的第二眼部与面部特征数据;
将个人戒毒数据与群体复吸数据通过布隆过滤器中的第一点位形成第一映射关系,当获取到拟识别人员的个人戒毒数据后能够基于这个映射关系,非常快速的获取到复吸识别判断所需的群体复吸数据。第一映射关系具体为:复吸群体中的每个复吸人员与拟识别人员具有相同的戒毒特征,包括落入相同的年龄段、具有相同的性别、相同的戒毒毒品种类以及毒龄落入相同的毒龄段。
存储在第一点位绑定的群体复吸数据库中的每条群体复吸数据包括复吸群体的年龄落入的年龄段、性别、复吸的毒品种类以及复吸群体在该复吸毒品种类对应的复吸周期内的每个复吸期间片段中的第二眼部及面部特征;
存储在群体复吸数据库中的每条群体复吸数据具有不同的复吸毒品种类,且与拟识别人员的戒毒毒品种类相同;
存储在群体复吸数据库中的每条群体复吸数据具有相同或不同的复吸周期。图3示出了毒品B的复吸期间,比如男性25-30周岁这一年龄段中具有3年毒龄且吸食的毒品种类为***的复吸期间为图3所示,包括4个复吸期间片段。
获取到拟识别人员的个人戒毒数据和所需的群体复吸数据后,正式进入如下的是否复吸的判断流程,具体包括步骤:
S1,实时采集拟识别人员的第三眼部及面部特征;
S2,将第三眼部及面部特征与所提取的每条群体复吸数据中的每个复吸期间片段对应的第二眼部与面部特征数据进行相似度比对,
若比对成功,则转入步骤S3或从记载有当前参与比对的第二眼部及面部特征数据的群体复吸数据中提取出携带的复吸毒品种类(根据事先形成的第二眼部及面部特征数据与复吸的毒品种类的第二特征关联关系,可以快速匹配出复吸毒品种类)以及复吸期间片段信息(每个复吸期间片段具有唯一的复吸期间片段编码,通过这个编码能够识别出参与比对的复吸期间片段具体为哪个片段)并形成复吸识别结果后输出;
若比对失败,则终止识别流程。
以下对第一眼部与面部特征数据、第三眼部及面部特征数据具体包括的数据内容和特征值的具体计算方式进行详细说明:
拟识别人员的第一眼部与面部特征数据和第三眼部与面部特征数据包括个人眼部特征值、个人面部特征值,其中,个人眼部特征值包括瞳孔面积对虹膜面积的占比(瞳孔面积和虹膜面积的计算方式可采用现有的图像识别方式,通过机器学***均值/>
个人面部特征值包括第一个人面部特征值和/或第二个人面部特征值,其中,第一个人面部特征值包括瞳孔最低点在当前与当前的上一戒毒期间片段的第一位置变化量和/或下眼睑最低点在当前与当前的上一戒毒期间片段的第二位置变化量/>和/或在当前的戒毒期间片段拟识别人员的所述下眼睑最低点与瞳孔最低点的第二距离/>(/>如图5所示,/>的计算方法为:首先通过图像识别技术识别出图5中所示的瞳孔最低点和下眼睑最低点,然后在两点间所连的线即为/>这里需要说明的是,吸食不同的毒品对瞳孔的大小变化通常会产生不同的影响,比如吸食***时间越久,虹膜辐射肌收缩越明显,瞳孔扩大的越明显,而吸食***则相反,因此在计算/>时,不以虹膜最低点为参照)、和/或的加权平均值/>的位置变换量通过如下方式计算而得:对前后两个戒毒期间片段采集的眼部图像,用固定尺寸的矩形框框选住眼睛区域并截取框选图像,然后识别出瞳孔最低点,并分别标记坐标点,两者间的坐标点位移量即为/> 的计算原理与/>相同,不再赘述。
第二个人面部特征值包括在当前的戒毒期间片段鼻尖最低点与鼻翼点的第三距离(/>的计算方式如图6中所示,鼻尖最低点和鼻翼点的识别也通过图像识别技术实现,具体识别过程不做说明),和/或鼻尖最低点与鼻翼点的连线与水平线的夹角/>(/>的计算方式如图6中所示),和/或/>的加权平均值/>
第一眼部及面部特征数据还包括采集第一眼部与面部特征数据时拟识别人员在戒毒期间中所处的戒毒期间片段的第一片段唯一编码,以及所采集的第一眼部及面部特征数据与所戒毒品种类的第一特征关联关系。
以下对复吸群体的第二眼部与面部特征数据具体包括的数据内容以及特征值的具体计算方式进行详细说明:
复吸群体的第二眼部与面部特征数据包括群体眼部特征值、群体面部特征值,其中群体眼部特征值包括复吸群体中的每个复吸人员的瞳孔面积对虹膜面积的占比的均值M1,和/或每个复吸人员中围成瞳孔的第一曲线上的第一点与围成虹膜的第二曲线上的第二点的第一距离/>的均值M2,连接第一点和所述第二点的直线延长后穿过瞳孔的中心圆点Pc-m,和/或M1、M2的加权平均值/>
群体面部特征值包括第一群体面部特征值和/或第二群体面部特征值,其中,第一群体面部特征值包括复吸群体中的每个复吸人员的瞳孔最低点在当前与当前的上一复吸期间片段的第一位置变化量的均值M3,和/或下眼睑最低点在当前与当前的上一复吸期间片段的第二位置变化量/>的M4,和/或在当前的复吸期间片段复吸人员的下眼睑最低点与瞳孔最低点的第二距离/>的均值M5,和/或M3、M4、M5的加权平均值/>
第二群体面部特征值包括在当前的复吸期间片段每个复吸人员的鼻尖最低点与鼻翼点的第三距离的均值M6,和/或鼻尖最低点与鼻翼点的连线与水平线的夹角的均值M7,和/或M6、M7的加权平均值/>
第二眼部及面部特征数据还包括形成第二眼部及面部特征数据时复吸群体在复吸期间中所处的复吸期间片段的第二片段唯一编码,以及所采集的第二眼部及面部特征数据与所复吸的毒品种类的第二特征关联关系。
其中,与/>与/>与/>与/>与/>与/> 与/>的计算原理相同,不再赘述。
步骤S4中,进行相似度比对的方式为:判断与M1的差值、和/或/>与M2的差值、和/或/>与/>的差值、和/或/>与M3的差值、和/或/>与M4的差值、和/或/>与M5的差值、和/或/>与/>的差值、和/或/>与M6的差值、和/或/>与M7的差值、和/或/>与/>的差值在分别对应的预设差值范围内,若是,则判定相似度比对成功,否则,判定相似度比对失败。
为了提升复吸识别的准确率,本发明还设置了复吸判断结果校验机制,校验方法为在步骤S1-S2的技术基础上,增加了如下步骤:
S3,根据步骤S2比对成功的群体复吸数据与布隆过滤器中的第二点位的第二映射关系(该第二映射关系为:群体复吸数据中表征的复吸群体与所述第二点位绑定的群体戒毒数据库中的群体戒毒数据中表征的戒毒群体为同一群体),从第二点位绑定的群体戒毒数据库中提取出群体戒毒数据,群体戒毒数据包括比对成功的群体复吸数据所表征的复吸群体的年龄落入的年龄段、性别、与拟识别人员相同的戒毒毒品种类以及复吸群体在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第四眼部及面部特征;
S4,将同一戒毒期间片段下的第四眼部及面部特征与第一眼部及面部特征进行相似度比对,
若比对成功,则从步骤S2中参与比对的第二眼部及面部特征数据的所述群体复吸数据中提取出携带的复吸毒品种类以及复吸期间片段并形成为上述的复吸识别结果后输出;
若比对失败,则终止识别流程。
这里需要说明的是,第四眼部及面部特征的特征值的计算原理与第二眼部及面部特征的特征值的计算原理相同,不同的是,第四眼部及面部特征的特征值计算的依据为同一复吸群体在戒毒期间的眼部及面部特征,而第二眼部及面部特征的计算依据为该复吸群体在复吸期间的眼部及面部特征。需要强调的是,同一复吸群体在戒毒期间的戒毒毒品种类与复吸期间的复吸毒品种类相同或不同,因此该复吸群体具有与拟识别人员的相同戒毒期间,但可能复吸期间并不相同。综上,本发明通过增加校验机制,通过群体戒毒数据去校验对拟识别人员个人的复吸识别结果,进一步提升了复吸识别的准确性。另外,引入了布隆过滤器的点位映射关系,能够快速匹配出用于判断是否复吸的相关特征值的计算数据依据,大幅提升了是否复吸的判断速度。
需要声明的是,上述具体实施方式仅仅为本发明的较佳实施例及所运用技术原理。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等。但是,这些变换只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书所使用的一些术语并不是限制,仅仅是为了便于描述。
Claims (9)
1.一种基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,步骤包括:
L1,***以NFC设备读取到拟识别人员的腕表上的NFC信息为指令,获取所述拟识别人员的个人戒毒数据和当前毒情监测各区域的区域信息,并从指定群体复吸数据库中提取出群体复吸数据;
L2,所述***以对所述拟识别人员实时采集的第三眼部及面部特征数据,以及对其获取的所述个人戒毒数据和对其提取的各所述群体复吸数据,判断所述拟识别人员是否复吸,
若是,则转入步骤L3;
若否,则终止毒情分析流程;
L3,所述***以所述NFC信息中携带的针对所述拟识别人员的动态更新得到的经常居住地所处位置的第二位点信息,识别出所述经常居住地落入或拟落入的毒情监测区域,并将所述第二位点信息与识别出的所述毒情监测区域的区域唯一编码作信息绑定后存储;
L4,所述***对每个所述毒情监测区域判断与其作信息绑定的关联不同的所述拟识别人员的所述第二位点信息的数量是否超过对应的第一数量阈值,
若至少一个所述毒情监测区域超过对应的所述第一数量阈值,则根据预设策略更新毒情分析预警展示结果;
若均未超过对应的所述第一数量阈值,则不更新所述毒情分析预警展示结果;
所述毒情监测区域的的所述区域信息包括所述区域唯一编码和区域范围信息,所述区域范围信息包括所述毒情监测区域的圆心所处位置的第一位点信息和半径长度信息,步骤L4中,更新所述毒情分析预警展示结果的所述预设策略包括步骤:
L41,针对每个所述毒情监测区域,判断其绑定的不同的所述拟识别人员分别对应所处的第二位点处于区域外的数量是否大于第二数量阈值,
若是,则转入步骤L42;
若否,则跳转到步骤L43;
L42,计算处于区域外的每个所述第二位点与所绑定的所述毒情监测区域的圆心的距离,并以第一最长距离为半径扩充所述毒情监测区域后标记出扩充区域,然后转入步骤L43;
L43,针对每个所述毒情监测区域,判断其绑定的不同的所述拟识别人员分别对应所处的第二位点处于区域内的数量是否大于第三数量阈值,
若是,则转入步骤L44;
若否,则终止更新所述毒情分析预警展示结果;
L44,计算处于区域内的每个所述第二位点与所绑定的所述毒情监测区域的圆心的距离与所述毒情监测区域的半径的比值,并判断最大比值是否小于比值阈值,
若是,则以所述最大比值对应的区域内的所述第二位点与圆心的第二最长距离位半径收缩所述毒情监测区域后标记出收缩区域;
若否,则终止更新所述毒情分析预警展示结果。
2.根据权利要求1所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,所述个人戒毒数据包括所述拟识别人员的年龄落入的年龄段、性别、毒龄、戒毒的毒品种类以及在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第一眼部与面部特征数据;
所述群体复吸数据包括所表征的复吸群体在复吸周期内的每个复吸期间片段中的第二眼部与面部特征数据。
3.根据权利要求2所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,步骤L1中,所述***根据所述个人戒毒数据与布隆过滤器中的第一点位的第一映射关系,从所述第一点位绑定的所述指定群体复吸数据库中提取出每条所述群体复吸数据;
步骤L2中,判断所述拟识别人员是否复吸的方法包括步骤:
S1,实时采集所述拟识别人员的第三眼部及面部特征数据;
S2,将所述第三眼部及面部特征与所提取的每条所述群体复吸数据中的每个所述复吸期间片段对应的所述第二眼部与面部特征数据进行相似度比对,
若比对成功,则转入步骤S3或从记载有当前参与比对的所述第二眼部及面部特征数据的所述群体复吸数据中提取出携带的复吸毒品种类以及复吸期间片段并形成复吸识别结果后输出;
若比对失败,则终止识别流程。
4.根据权利要求3所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,还包括步骤:
S3,根据步骤S2比对成功的所述群体复吸数据与布隆过滤器中的第二点位的第二映射关系,从所述第二点位绑定的群体戒毒数据库中提取出群体戒毒数据,所述群体戒毒数据包括比对成功的所述群体复吸数据所表征的所述复吸群体的年龄落入的年龄段、性别、与所述拟识别人员相同的戒毒毒品种类以及所述复吸群体在所戒毒品种类对应的戒毒周期内的每个戒毒期间片段中的第四眼部及面部特征;
S4,将同一所述戒毒期间片段下的所述第四眼部及面部特征与所述第一眼部及面部特征进行相似度比对,
若比对成功,则从步骤S2中参与比对的所述第二眼部及面部特征数据的所述群体复吸数据中提取出携带的复吸毒品种类以及复吸期间片段并形成为所述复吸识别结果后输出;
若比对失败,则终止识别流程。
5.根据权利要求3所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,存储在所述第一点位绑定的所述群体复吸数据库中的每条所述群体复吸数据包括所述复吸群体的年龄落入的年龄段、性别、复吸的毒品种类以及所述复吸群体在该复吸毒品种类对应的复吸周期内的每个所述复吸期间片段中的所述第二眼部及面部特征;
存储在所述群体复吸数据库中的每条所述群体复吸数据具有不同的复吸毒品种类,且与所述拟识别人员的戒毒毒品种类相同;
存储在所述群体复吸数据库中的每条所述群体复吸数据具有相同或不同的所述复吸周期。
6.根据权利要求3所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,所述拟识别人员的第一眼部与面部特征数据和所述第三眼部与面部特征数据包括个人眼部特征值、个人面部特征值,其中,所述个人眼部特征值包括瞳孔面积对虹膜面积的占比和/或围成瞳孔的第一曲线上的第一点与围成虹膜的第二曲线上的第二点的第一距离/>连接所述第一点和所述第二点的直线延长后穿过所述瞳孔的中心圆点Pc,和/或的加权平均值/>
所述个人面部特征值包括第一个人面部特征值和/或第二个人面部特征值,其中,所述第一个人面部特征值包括瞳孔最低点在当前与当前的上一戒毒期间片段的第一位置变化量和/或下眼睑最低点在当前与当前的上一戒毒期间片段的第二位置变化量/>和/或在当前的戒毒期间片段所述拟识别人员的所述下眼睑最低点与所述瞳孔最低点的第二距离/>和/或/>的加权平均值/>
所述第二个人面部特征值包括在当前的戒毒期间片段鼻尖最低点与鼻翼点的第三距离和/或所述鼻尖最低点与所述鼻翼点的连线与水平线的夹角/>和/或/>的加权平均值/>
所述第一眼部及面部特征数据还包括采集第一眼部与面部特征数据时所述拟识别人员在戒毒期间中所处的戒毒期间片段的第一片段唯一编码,以及所采集的所述第一眼部及面部特征数据与所戒毒品种类的第一特征关联关系。
7.根据权利要求3所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,所述复吸群体的所述第二眼部与面部特征数据包括群体眼部特征值、群体面部特征值,其中所述群体眼部特征值包括所述复吸群体中的每个复吸人员的瞳孔面积对虹膜面积的占比的均值M1,和/或每个所述复吸人员中围成瞳孔的第一曲线上的第一点与围成虹膜的第二曲线上的第二点的第一距离/>的均值M2,连接所述第一点和所述第二点的直线延长后穿过所述瞳孔的中心圆点Pc-m,和/或M1、M2的加权平均值/>
所述群体面部特征值包括第一群体面部特征值和/或第二群体面部特征值,其中,所述第一群体面部特征值包括所述复吸群体中的每个所述复吸人员的瞳孔最低点在当前与当前的上一复吸期间片段的第一位置变化量的均值M3,和/或下眼睑最低点在当前与当前的上一复吸期间片段的第二位置变化量/>的M4,和/或在当前的复吸期间片段所述复吸人员的所述下眼睑最低点与所述瞳孔最低点的第二距离/>的均值M5,和/或M3、M4、M5的加权平均值/>
所述第二群体面部特征值包括在当前的复吸期间片段每个所述复吸人员的鼻尖最低点与鼻翼点的第三距离的均值M6,和/或所述鼻尖最低点与所述鼻翼点的连线与水平线的夹角/>的均值M7,和/或M6、M7的加权平均值/>
所述第二眼部及面部特征数据还包括形成所述第二眼部及面部特征数据时所述复吸群体在复吸期间中所处的复吸期间片段的第二片段唯一编码,以及所采集的所述第二眼部及面部特征数据与所复吸的毒品种类的第二特征关联关系。
8.根据权利要求3-7任意一项所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,所述第一映射关系为:所述复吸群体中的每个复吸人员与所述拟识别人员具有相同的戒毒特征,包括落入相同的年龄段、具有相同的性别、相同的戒毒毒品种类以及毒龄落入相同的毒龄段。
9.根据权利要求4所述的基于NFC和复吸判断的特殊场景毒情分析预警方法,其特征在于,所述第二映射关系为:所述群体复吸数据中表征的所述复吸群体与所述第二点位绑定的所述群体戒毒数据库中的所述群体戒毒数据中表征的戒毒群体为同一群体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561462.XA CN116597983B (zh) | 2023-05-16 | 2023-05-16 | 基于nfc和复吸判断的特殊场景毒情分析预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561462.XA CN116597983B (zh) | 2023-05-16 | 2023-05-16 | 基于nfc和复吸判断的特殊场景毒情分析预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116597983A CN116597983A (zh) | 2023-08-15 |
CN116597983B true CN116597983B (zh) | 2024-06-04 |
Family
ID=87607628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310561462.XA Active CN116597983B (zh) | 2023-05-16 | 2023-05-16 | 基于nfc和复吸判断的特殊场景毒情分析预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116597983B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951560A (zh) * | 2017-03-31 | 2017-07-14 | 武汉丰普科技有限公司 | 一种社区戒毒人员动态管控***及管控方法 |
KR20170101675A (ko) * | 2016-02-29 | 2017-09-06 | 이동규 | 빅 데이터 및 전자 발찌를 이용한 성범죄자 감시 및 알림 시스템과 그 방법 |
CN107320081A (zh) * | 2017-07-03 | 2017-11-07 | 北京大学 | 对吸毒人员进行复吸监测的方法和*** |
CN109359785A (zh) * | 2018-11-30 | 2019-02-19 | 安徽四创电子股份有限公司 | 基于大数据的强制隔离戒毒解除人员复吸预测分析*** |
CN110263633A (zh) * | 2019-05-13 | 2019-09-20 | 广州烽火众智数字技术有限公司 | 基于时空关联的涉毒人员检测预警方法、***及存储介质 |
CN111887806A (zh) * | 2019-05-06 | 2020-11-06 | 上海交通大学 | 基于智能手环和物联网的戒护监测*** |
CN114120435A (zh) * | 2020-08-25 | 2022-03-01 | 深圳爱酷智能科技有限公司 | 吸毒人员检测方法、装置、计算机可读存储介质及设备 |
CN115049284A (zh) * | 2022-06-23 | 2022-09-13 | 杭州臻稀生物科技有限公司 | 毒情监测预警评估方法及*** |
WO2023273166A1 (zh) * | 2021-06-29 | 2023-01-05 | 江苏御霖智慧物联发展有限公司 | 一种疑似吸毒人员快速筛查一体终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7436986B2 (en) * | 2003-03-25 | 2008-10-14 | Bausch & Lomb Incorporated | Positive patient identification |
WO2018228852A1 (en) * | 2017-06-12 | 2018-12-20 | Koninklijke Philips N.V. | Systems and methods for dynamic monitoring of patient conditions and prediction of adverse events |
-
2023
- 2023-05-16 CN CN202310561462.XA patent/CN116597983B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170101675A (ko) * | 2016-02-29 | 2017-09-06 | 이동규 | 빅 데이터 및 전자 발찌를 이용한 성범죄자 감시 및 알림 시스템과 그 방법 |
CN106951560A (zh) * | 2017-03-31 | 2017-07-14 | 武汉丰普科技有限公司 | 一种社区戒毒人员动态管控***及管控方法 |
CN107320081A (zh) * | 2017-07-03 | 2017-11-07 | 北京大学 | 对吸毒人员进行复吸监测的方法和*** |
CN109359785A (zh) * | 2018-11-30 | 2019-02-19 | 安徽四创电子股份有限公司 | 基于大数据的强制隔离戒毒解除人员复吸预测分析*** |
CN111887806A (zh) * | 2019-05-06 | 2020-11-06 | 上海交通大学 | 基于智能手环和物联网的戒护监测*** |
CN110263633A (zh) * | 2019-05-13 | 2019-09-20 | 广州烽火众智数字技术有限公司 | 基于时空关联的涉毒人员检测预警方法、***及存储介质 |
CN114120435A (zh) * | 2020-08-25 | 2022-03-01 | 深圳爱酷智能科技有限公司 | 吸毒人员检测方法、装置、计算机可读存储介质及设备 |
WO2023273166A1 (zh) * | 2021-06-29 | 2023-01-05 | 江苏御霖智慧物联发展有限公司 | 一种疑似吸毒人员快速筛查一体终端 |
CN115049284A (zh) * | 2022-06-23 | 2022-09-13 | 杭州臻稀生物科技有限公司 | 毒情监测预警评估方法及*** |
Non-Patent Citations (3)
Title |
---|
"人工智能+大数据"技术在运动戒毒工作中的运用;贾东明 等;《健康教育与健康促进》;20200620;第15卷(第03期);第326-329页 * |
Juergen Morak 等.Feasibility of mHealth and Near Field Communication technology based medication adherence monitoring.《2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society》.第272-275页. * |
***滥用者复吸情况的分析;陆叶 等;《中国药物滥用防治杂志》;20110115;第17卷(第01期);第26-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116597983A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583278B (zh) | 人脸识别报警的方法、装置、***及计算机设备 | |
JP7083809B2 (ja) | プライバシーの保護を伴う人物の識別しおよび/または痛み、疲労、気分、および意図の識別および定量化のためのシステムおよび方法 | |
Van Koppen et al. | Portraying perpetrators; the validity of offender descriptions by witnesses | |
WO2020214699A1 (en) | Animal data prediction system | |
US20190019283A1 (en) | Method to determine impaired ability to operate a motor vehicle | |
CN107992855A (zh) | 一种基于人脸识别的机场安检三重验证方法 | |
CN108416772A (zh) | 一种基于级联卷积神经网络的斜眼检测方法 | |
CN109492595A (zh) | 适用于固定群体的行为预测方法和*** | |
KR20130058442A (ko) | 신체 체형 맞춤형 보행 교정 시스템 및 방법 | |
Steel et al. | The application of biological motion research: biometrics, sport, and the military | |
CN112990057A (zh) | 一种人体姿态识别方法、装置及电子设备 | |
CN116597983B (zh) | 基于nfc和复吸判断的特殊场景毒情分析预警方法 | |
KR20230017454A (ko) | 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램 | |
CN116758607A (zh) | 基于眼部与面部特征的人员识别方法 | |
CN114399827B (zh) | 基于面部微表情的高校毕业生职业性格测试方法及*** | |
CN114863318A (zh) | 一种基于多模态数据融合的行为识别方法 | |
CN114783097A (zh) | 一种医院防疫管理***及方法 | |
KR100915922B1 (ko) | 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템 | |
Saponaro et al. | Estimating Physical Activity Intensity And Energy Expenditure Using Computer Vision On Videos | |
US20220361747A1 (en) | Eye movement analysis with co-clustering of hidden markov models (emhmm with co-clustering) and with switching hidden markov models (emshmm) | |
CN117523936B (zh) | 基于评价反馈的交互式伤员救治技能组训方法及*** | |
CN113436712B (zh) | 一种用于智慧医疗云服务平台的评价管理*** | |
US11423534B2 (en) | System and method for diagnosing potential diseases from photo and video data and informing the user | |
US20230274760A1 (en) | Voice processing device, voice processing method, recording medium, and voice authentication system | |
Kumar | Biometric Security Based on Respiration |
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 |