CN117931969A - 关联场所确定方法、设备及存储介质 - Google Patents
关联场所确定方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117931969A CN117931969A CN202311756485.2A CN202311756485A CN117931969A CN 117931969 A CN117931969 A CN 117931969A CN 202311756485 A CN202311756485 A CN 202311756485A CN 117931969 A CN117931969 A CN 117931969A
- Authority
- CN
- China
- Prior art keywords
- record data
- place
- target object
- path record
- path
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000013459 approach Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000007796 conventional method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000005065 mining Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/248—Presentation of query results
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种关联场所确定方法、设备及存储介质,该关联场所确定方法包括:获取目标对象的途径记录数据集;将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备;从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所。可以根据候选场所对应的关联设备,将途径记录数据集中的途径记录数据进行拆分,以得到与该候选场所关联性最高的途径记录数据,便于后续的关联场所分析,相对传统方式中对单个设备进行点位分析,实现了从点到面的升级,提高关联场所分析的准确性。
Description
技术领域
本申请涉及数据分析技术领域,特别是涉及一种关联场所确定方法、设备及存储介质。
背景技术
目前,通过前期视频图像监控网的建设,已经积累了大量的视图感知数据,比如对象抓拍数据以及终端设备采集数据等。
在现有的方式中,可以基于视图感知数据实现对象的轨迹感知,从而确定对象的关联场所信息,例如,对单个设备点位采集得到的对象轨迹信息进行各类型频次统计,如抓拍次数统计、抓拍天数统计等,通过这些统计结果判定该对象在该点位出现的概率,从而实现关联场所判断。
但是,上述方式预测的关联场所的准确性较差,不能有效利用视图感知数据。如何对对象的关联场所进行预判,以将这些视图感知数据的价值最大化,是本领域技术人员亟待解决的问题。
发明内容
为了解决上述问题,本申请至少提供一种关联场所确定方法、设备及存储介质。
本申请第一方面提供了一种关联场所确定方法,方法包括:获取目标对象的途径记录数据集,途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的;确定途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备;从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所。
在一实施例中,关联场所判断条件包括停留判定条件和预设停留次数阈值;在从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件之后,还包括:判断各个关联设备对应的途径记录数据是否满足停留判定条件;若满足停留判定条件,则更新目标对象针对候选场所的累积停留次数;判断累积停留次数是否超过预设停留次数阈值;若超过预设停留次数阈值,则判断为各个关联设备对应的途径记录数据满足关联场所判断条件。
在一实施例中,停留判定条件含有预设时间间隔,途径记录数据含有目标对象对应的途径时间;判断各个关联设备对应的途径记录数据是否满足停留判定条件,包括:将各个关联设备中设备位置相邻的关联设备,作为相邻关联设备;计算相邻关联设备分别对应的途径记录数据之间的途径时间间隔;若途径时间间隔超过预设时间间隔,则判断为相邻关联设备对应的途径记录数据满足停留判定条件。
在一实施例中,停留判定条件含有预设途径次数,途径记录数据含有目标对象对应的途径时间;判断各个关联设备对应的途径记录数据是否满足停留判定条件,包括:统计途径时间处于预设时间段内的途径记录数据的数量,得到对象途径次数;若对象途径次数超过预设途径次数,则判断为关联设备对应的途径记录数据满足停留判定条件。
在一实施例中,还包括:对关联场所进行场所特征分析,得到关联场所相对目标对象的场所类型标签。
在一实施例中,对关联场所进行场所特征分析,得到关联场所相对目标对象的场所类型标签,包括:获取关联场所的场所属性信息,以及对各个关联设备对应的途径记录数据进行统计,得到目标对象相对关联场所的途径统计结果;基于场所属性信和途径统计结果对关联场所进行场所类型预测,得到关联场所相对目标对象的场所类型标签。
在一实施例中,还包括:响应于针对目标对象的查询指令,获取目标对象对应的各个关联场所;对目标对象对应的各个关联场所进行可视化显示处理。
在一实施例中,获取关联场所判断条件,包括:获取目标对象的对象属性信息或候选场所的场所属性信息;基于对象属性信息或场所属性信息,生成匹配的关联场所判断条件。
本申请第二方面提供了一种关联场所确定装置,装置包括:数据获取模块,用于获取目标对象的途径记录数据集,途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的;关联设备确定模块,用于确定途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备;数据提取模块,用于从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;场所判断模块,用于若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所。
本申请第三方面提供了一种电子设备,包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现上述关联场所确定方法。
本申请第四方面提供了一种计算机可读存储介质,其上存储有程序指令,程序指令被处理器执行时实现上述关联场所确定方法。
上述方案,通过获取目标对象的途径记录数据集,途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的;确定途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备;从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所,可以根据候选场所对应的关联设备,将途径记录数据集中的途径记录数据进行拆分,以得到与该候选场所关联性最高的途径记录数据,便于后续的关联点分析,相对传统方式中对单个设备进行点位分析,实现了从点到面的升级,提高关联点分析的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请的一示例性实施例示出的关联场所确定方法涉及的一种实施环境的示意图;
图2是本申请的一示例性实施例示出的关联场所确定方法的流程图;
图3是本申请的另一实施例示出的关联场所确定的流程图;
图4是本申请的一示例性实施例示出的关联场所分析的流程图;
图5是本申请的一示例性实施例示出的更新关联全量表的流程图;
图6是本申请的一示例性实施例示出的筛选显示数据的流程图;
图7是本申请的一示例性实施例示出的轨迹探索页面的示意图;
图8是本申请的一示例性实施例示出的关联场所详情展示的示意图;
图9是本申请的一示例性实施例示出的实体数据集合页面的示意图;
图10是本申请的一示例性实施例示出的实体详情显示页面的示意图;
图11是本申请的一示例性实施例示出的关系挖掘页面的示意图;
图12是本申请的一示例性实施例示出的关联场所确定装置的框图;
图13是本申请的一示例性实施例示出的电子设备的结构示意图;
图14是本申请的一示例性实施例示出的计算机可读存储介质的结构示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种描述关联对象的关联信息,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
下面对本申请实施例所提供的关联场所确定方法进行说明。
请参考图1,其示出了本申请一个实施例提供的方案实施环境的示意图。该方案实施环境可以包括多个图像采集设备110、服务器120和终端130,服务器120分别和图像采集设备110、终端130之间相互通信连接。
图像采集设备110用于执行对象的途径记录,如对途径的对象进行图像采集、视频采集、对象携带的移动终端的媒体访问控制地址(Media Access Control Address,MAC)采集等。
服务器120可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
终端130的数量可以是一个或多个。终端130可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。
在一个示例中,服务器120可以为从图像采集设备110中获取到的目标对象的途径记录数据进行分析,得到目标对象的关联场所,服务器120可以将目标对象的关联场所存储在本地、回传至终端130或者传输至其他终端。
在一个示例中,终端130中安装运行有目标应用程序的客户端,该目标应用程序提供关联场所分析功能,服务器120可以是该目标应用程序的后台服务器,用于为该目标应用程序的客户端提供后台服务。服务器120将图像采集设备110采集到的途径记录数据发送给终端130,终端130中的目标应用程序对途径记录数据进行分析,得到目标对象的关联场所。
本申请实施例提供的关联场所确定方法,各步骤的执行主体可以是终端130,如终端130中安装运行的目标应用程序的客户端,也可以是服务器120,或者由终端130和服务器120交互配合执行,即将方法的一部分步骤交由终端130执行而另一部分步骤则交由服务器120执行,本申请对此不进行限定。
可以理解的是,在本申请的具体实施方式中,涉及到用户图像、用户信息等相关的数据,当本申请的实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要守相关国家和地区的相关法律法规和标准。
请参阅图2,图2是本申请的一示例性实施例示出的关联场所确定方法的流程图。该关联场所确定方法可以应用于图1所示的实施环境,并由该实施环境中的服务器具体执行。应理解的是,该方法也可以适用于其它的示例性实施环境,并由其它实施环境中的设备具体执行,本实施例不对该方法所适用的实施环境进行限制。
如图2所示,关联场所确定方法至少包括步骤S210至步骤S240,详细介绍如下:
步骤S210:获取目标对象的途径记录数据集,途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的。
其中,目标对象包括但不限于人、车辆、动物等。
途径记录数据集含有多个途径记录数据,途径记录数据是目标对象途径图像采集设备时,图像采集设备对目标对象进行数据采集得到的。途径记录数据包括但不限于图像数据、视频数据、目标对象携带的移动终端MAC地址等,以及通过对图像数据、视频数据、MAC地址进行分析后得到的位置参数、时间参数、身份信息等,本申请不对途径记录数据进行限定。
通过途径记录数据可以获知被采集对象的身份信息,将属于同一被采集对象的途径记录数据划分至一个数据集合中,从而得到各个被采集对象的途径记录数据集,从这些途径记录数据集中获取目标对象的途径记录数据集。
示例性地,图像采集设备为摄像机,其对途径的目标对象进行连续抓拍,然后对当前途径事件对应的多个连续抓拍数据进行去重,如仅保留连续抓拍的首尾抓拍数据,得到一组途径记录数据,以记录该目标对象的途径开始信息和途径结束信息。
步骤S220:确定途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备。
其中,图像采集设备的设备位置是指图像采集设备部署的位置。
例如,可以是服务器中存储有各个图像采集设备的设备位置表,通过查询该设备位置表,得到途径记录数据集对应的各个图像采集设备的设备位置。
又例如,也可以是服务器向途径记录数据集对应的各个图像采集设备发送位置上报指令,使得图像采集设备根据该位置上报指令向服务器上报其设备位置。
然后,确定候选场所。
示例性地,候选场所的确定方式可以是:途径记录数据含有目标对象对应的途径位置,该途径位置可以是通过对途径记录数据中的图像数据、视频数据等进行分析得到的位置参数,表明目标对象的真实位置。根据目标对象的途径记录数据集中的各个途径记录数据对应的途径位置,生成目标对象的轨迹信息,将轨迹信息涉及的每个场所作为候选场所。如目标对象的轨迹信息途径了场所P1和P2,则将P1和P2作为候选场所。
又示例性地,候选场所的确定方式可以是:获取途径记录数据集中各个途径记录数据对应图像采集设备的设备位置,将图像采集设备的设备位置涉及的每个场所作为候选场所。如途径记录数据集中各个途径记录数据对应图像采集设备包括K1、K2、K3、K4,其中,K1和K2的设备位置处于场所P1中,K3的设备位置处于场所P2中,K4的设备位置处于场所P3中,则将P1、P2和P3作为候选场所。
每个候选场所对应有区域范围,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为该候选场所对应的关联设备。
步骤S230:从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件。
根据候选场所对应的关联设备,将途径记录数据集中的途径记录数据进行拆分,以得到与该候选场所关联性最高的途径记录数据,提高后续场所分析的准确性。
例如,场所P1关联的图像采集设备包括K1、K2,从途径记录数据集中提取出由K1、K2采集的途径记录数据集,以根据K1、K2采集的途径记录数据集,分析场所P1是否为目标对象的关联场所。
进一步地,获取关联场所判断条件,关联场所判断条件用于判断候选场所是否为目标对象的关联场所。
其中,关联场所判断条件可以是预先设定的,也可以是根据实际情况灵活确定的,本申请对此不进行限定。
示例性地,获取目标对象的对象属性信息或候选场所的场所属性信息;基于对象属性信息或场所属性信息,生成匹配的关联场所判断条件。
其中,目标对象的对象属性信息包括但不限于目标对象的年龄、移动速度、性别等,这些属性信息可以是通过对目标对象的图像数据、视频数据等进行分析得到的。候选场所的场所属性信息包括但不限于场所的面积、场所的类型(如游乐园、购物商场、公园等)、场所的路径类型(如楼梯、鹅卵石路径、草地等)等。
根据对象属性信息和/或场所属性信息,生成匹配的关联场所判断条件。
例如,可以根据对象属性信息和/或场所属性信息,确定需要考虑的子条件,对每个子条件进行组合,得到关联场所判断条件。例如,若候选场所属于购物商场,则需要考虑的子条件包括目标对象的途径时间间隔;若候选场所属于游乐园,则需要考虑的子条件包括目标对象的途径时间间隔和对象途径次数。
又例如,可以根据对象属性信息和/或场所属性信息,确定条件具体参数值,关联场所判断条件中含有时间间隔值和途径次数值,若目标对象的对象属性信息表明该目标对象的移动速度小于预设速度,则设定时间间隔值为40分钟,若目标对象的对象属性信息表明该目标对象的移动速度大于预设速度,则设定时间间隔值为30分钟;若候选场所的面积小于预设面积,则设定途径次数值为10次,若候选场所的面积大于预设面积,则设定途径次数值为5次。
通过考虑对象属性信息或场所属性信息,生成更加准确的关联场所判断条件,以提高后续关联场所判定的准确性。
步骤S240:若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所。
按照关联场所判断条件对各个关联设备对应的途径记录数据进行判断,以确定候选场所是否为目标对象的关联场所。
若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所。
接下来对本申请的部分实施例进行进一步说明。
在一些实施方式中,关联场所判断条件包括停留判定条件和预设停留次数阈值;判断各个关联设备对应的途径记录数据是否满足关联场所判断条件包括:判断各个关联设备对应的途径记录数据是否满足停留判定条件;若满足停留判定条件,则更新目标对象针对候选场所的累积停留次数;判断目标对象针对候选场所的累积停留次数是否超过预设停留次数阈值;若超过预设停留次数阈值,则判断为各个关联设备对应的途径记录数据满足关联场所判断条件。
其中,停留判定条件用于判断目标对象在候选场所中是否停留。
示例性地,停留判定条件含有预设时间间隔,途径记录数据含有目标对象对应的途径时间;判断各个关联设备对应的途径记录数据是否满足停留判定条件,包括:将各个关联设备中设备位置相邻的关联设备,作为相邻关联设备;计算相邻关联设备分别对应的途径记录数据之间的途径时间间隔;若途径时间间隔超过预设时间间隔,则判断为相邻关联设备对应的途径记录数据满足停留判定条件。
例如,候选场所P1关联的图像采集设备包括K1、K2,其互为相邻关联设备,图像采集设备K1在第一时刻采集到目标对象的途径记录数据,图像采集设备K2在第二时刻采集到目标对象的途径记录数据,计算第一时刻和第二时刻之间的时间间隔,得到途径时间间隔。若途径时间间隔超过预设时间间隔(如30分钟、20分钟等),则判断为相邻关联设备对应的途径记录数据满足停留判定条件;若途径时间间隔未超过预设时间间隔,则判断为相邻关联设备对应的途径记录数据不满足停留判定条件。
又示例性地,停留判定条件含有预设途径次数,途径记录数据含有目标对象对应的途径时间;判断各个关联设备对应的途径记录数据是否满足停留判定条件,包括:统计途径时间处于预设时间段内的途径记录数据的数量,得到对象途径次数;若对象途径次数超过预设途径次数,则判断为关联设备对应的途径记录数据满足停留判定条件。
例如,候选场所P1关联的图像采集设备包括K1、K2,图像采集设备K1在预设时间段内采集到n1次目标对象的途径记录数据,图像采集设备K2在预设时间段内采集到n2次目标对象的途径记录数据,统计途径时间处于预设时间段内的途径记录数据的数量为n1+n2,得到对象途径次数。若对象途径次数超过预设途径次数(如15次、10次等),则判断为关联设备对应的途径记录数据满足停留判定条件;若对象途径次数未超过预设途径次数,则判断为关联设备对应的途径记录数据不满足停留判定条件。
根据上述实施例判断目标对象在候选场所进行停留后,更新目标对象针对候选场所的累积停留次数,若更新后的累积停留次数是否超过预设停留次数阈值,则可以判断为各个关联设备对应的途径记录数据满足关联场所判断条件,即可以认为该候选场所为目标对象的关联场所。
举例说明,请参阅图3,图3为本申请另一实施例示出的关联场所确定的流程图,如图3所示,对目标对象进行途径记录,得到目标对象每日对应的途径记录数据集,具体包括:
步骤S310:对途径记录数据集进行分析。
具体地,对当日的途径记录数据集进行分析,以确定目标对象是否在各个候选场所中停留;以及进行跨夜的途径记录数据集进行分析,具体为获取前一日的途径记录数据集中时间维度上最后一个途径记录数据,获取当日的途径记录数据集中时间维度上第一个途径记录数据,计算上述最后一个途径记录数据和第一个途径记录数据之间的时间间隔,若时间间隔超过预设时间间隔,且最后一个途径记录数据和第一个途径记录数据对应的图像采集设备属于同一候选场所,则目标对象在该候选场所进行了停留。
步骤S320:判断目标对象是否在各个候选场所中停留,若在候选场所中停留,则执行步骤S340至步骤S360;否则执行步骤S330。
步骤S330:将对应候选场所不作为停留场所。
步骤S340:将对应候选场所作为停留场所。
步骤S350:获取目标对象对应的停留全量表,对停留全量表进行更新,得到最新的停留全量表。
其中,停留全量表记录有目标对象在各个场所停留的信息,如停留的次数、停留的天数、最晚停留时间、夜晚停留次数等,根据当日的场所停留分析结果,对停留全量表进行更新,得到最新的停留全量表。
步骤S360:根据最新的停留全量表,筛选出关联场所。
例如,根据最新的停留全量表,筛选出累积停留次数超过预设停留次数阈值(如10次)的场所,作为关联场所;或者,根据最新的停留全量表,筛选出累积停留天数超过预设停留天数阈值(如5天)的场所,作为关联场所。
在一些实施方式中,对关联场所进行场所特征分析,得到关联场所相对目标对象的场所类型标签。
其中,场所特征包括但不限于场所的场所属性信息、场所对应关联设备的途径记录数据等。
示例性地,对关联场所进行场所特征分析,得到关联场所相对目标对象的场所类型标签,包括:获取关联场所的场所属性信息,以及对各个关联设备对应的途径记录数据进行统计,得到目标对象相对关联场所的途径统计结果;基于场所属性信和途径统计结果对关联场所进行场所类型预测,得到关联场所相对目标对象的场所类型标签。
举例说明,请参阅下表1,表1例举了部分关联场所的特征字段:
表1
需要说明的是,上述场所特征仅是示意性说明,在实际应用场景中可以含有更多或更少的场所特征,本申请对此不进行限定。
根据场所属性信和途径统计结果对关联场所进行场所类型预测,得到关联场所相对目标对象的场所类型标签。
举例说明,请参阅图4,图4为本申请一实施例示出的关联场所分析的流程图,如图4所示,包括:
步骤S410:对关联场所进行场所特征提取,得到关联场所的特征表达式。
具体地,对关联场所的场所属性信息和途径统计结果进行特征提取,得到如表1所示的多个场所特征,并对这些场所特征进行归一化处理,得到关联场所的特征表达式。
步骤S420:将该关联场所的特征表达式输入至训练完成的场所分类神经网络模型中,基于场所分类神经网络模型的输出得到场所类型标签。
例如,该场所分类神经网络模型输出该关联场所属于预设场所分类的概率,预设场所分类包括但不限于居住地、工作地、兴趣地,选取概率大于阈值(如0.8)的推断结果,作为最终的场所类型标签。
步骤S430:将关联场所、关联场所对应的场所类型标签和目标对象进行关联存储,以得到目标对象的轨迹数据集合。
示例性地,获取关联全量表,关联全量表记录有目标对象在各个关联场所停留的信息、各个关联场的场所类型标签等,通过当日分析得到的关联场所的场所类型标签,对关联全量表进行更新。
例如,请参阅图5,图5为本申请一实施例示出的更新关联全量表的流程图,如图5所示,包括:
步骤S510:获取目标对象对应的关联全量表以及当日分析得到的关联场所的场所类型标签。
步骤S520:判断是否存在关联场所的当日场所类型标签,若是,则执行步骤S530,否则执行步骤S540。
步骤S530:利用当日场所类型标签覆盖关联全量表中的历史场所类型标签,以将当日场所类型标签作为该关联场所的最新标签。
步骤S540:保留关联全量表中该关联场所的历史场所类型标签。
在一些实施方式中,还包括:响应于针对目标对象的查询指令,获取目标对象对应的各个关联场所;对目标对象对应的各个关联场所进行可视化显示处理。
可选地,在对对象场所关系网络进行可视化显示处理时,为了保证重要信息可以显示,可以进行显示数据的筛选。
例如,重要信息为对目标对象的居住地、工作地和兴趣地,则请参阅图6,图6为本申请一实施例示出的筛选显示数据的流程图,如图6所示,包括:
步骤S610:获取目标对象的关联全量表。
步骤S620:按照目标对象在每个关联场所的累积关联天数,对关联全量表中的每个关联场所进行降序排序,选取前N个关联场所。
步骤S630:判断前N个关联场所中是否存在居住地,若不存在则执行步骤S640,若存在则执行步骤S650。
步骤S640:将关联全量表中属于居住地且累积关联天数最高的关联场所,与前N个关联场所中的其它关联场所进行替换。
其中,该其它关联场所不属于居住地、工作地和兴趣地。
步骤S650:判断前N个关联场所中是否存在工作地,若不存在则执行步骤S660,若存在则执行步骤S670。
步骤S660:将关联全量表中属于工作地且累积关联天数最高的关联场所,与前N个关联场所中的其它关联场所进行替换。
步骤S670:判断前N个关联场所中是否存在兴趣地,若不存在则执行步骤S680,若存在则执行步骤S690。
步骤S680:将关联全量表中属于兴趣地且累积关联天数最高的关联场所,与前N个关联场所中的其它关联场所进行替换。
步骤S690:将替换后的前N个关联场所作为待显示数据。
在对关联场所进行可视化显示处理时,可以以不同的侧重点进行区别显示。
例如,显示方式包括轨迹探索、实体数据集合、关系挖掘。
具体地,轨迹探索是指通过分析目标对象的各种轨迹数据,挖掘出目标对象与场所的关联关系,以对关联关系进行显示。
请参阅图7,图7为本申请一示例性实施例示出的轨迹探索页面的示意图,在轨迹探索页面中,可以通过搜索具体的目标对象id或者点击对象列表中的目标对象id,获取到目标对象的多个关联场所信息,如展示目标对象的前N个关联场所。
其中,不同的关联场所类型可以通过不同的场所标记进行显示,且还可以进一步显示关联场所的具体信息,如在页面最下方的每个场所卡片中展示了具体的场所名称、场所类型标签的最近推断时间、关联天数、关联次数、最近关联时间等信息。
另外,在检测到针对某个关联场所的查看请求后,可以对该关联场所进行详情展示,如图8所示,展示该关联场所的具体场所区域范围、目标对象的抓拍图片在该关联场所的抓拍地点(如途径记录数据对应的图像采集设备的设备位置)、目标对象针对该关联场所的关联明细,如具体关联日期以及每次关联的起始时间和终止时间等。
具体地,实体数据集合是指以感知大数据为基础,构建对象(如人、车)、场所、设备等实体,进行统一分析来支撑各类业务场景。
以实体为对象为例,请参阅图9,图9为本申请一示例性实施例示出的实体数据集合页面的示意图,在实体数据集合页面中,可以通过点击具体的某个对象,或在搜索框中搜索具体的对象后,可以查看该对象的实体数据集合详情,实体数据集合详情包括关联场所信息及其他统计信息,数据集合详情显示页面的示意图如图10所示。
在图10中,主要展示对象1的基本信息、抓拍情况概览、近期抓拍明细和关联场所区域信息。其中关联场所区域处展示了该对象1的前N个关联场所。点击前N个关联场所中的某个关联场所后,右侧地图同步展示场所区域范围,以及场所的基本信息卡片。卡片内容有场所名称、场所类型标签、场所类型标签的最近推断时间、关联天数、关联次数、最近关联时间等内容。可以通过点击卡片中的详情按钮,调整至轨迹探索页面。
具体地,关系挖掘是指利用时空关系挖掘技术,深度分析对象与场所之间的关系,进而构建大规模感知关系网络。
以对象为人作为示例来展示人地关系。请参阅图11,图11为本申请一示例性实施例示出的关系挖掘页面的示意图,在关系挖掘页面中,展示了各个人的所有关联场所,关联场所与人的关系类型主要分为居住地、工作地、兴趣地、必经点、其他地点等类型。可以通过在搜索框搜索对象id或者点击下方列表中的对象与关联场所,获取到详细的关联场所信息。
本申请提供的关联场所确定方法,通过获取目标对象的途径记录数据集,途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的;确定途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备;从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所,可以根据候选场所对应的关联设备,将途径记录数据集中的途径记录数据进行拆分,以得到与该候选场所关联性最高的途径记录数据,便于后续的关联点分析,相对传统方式中对单个设备进行点位分析,实现了从点到面的升级,提高关联点分析的准确性。
图12是本申请的一示例性实施例示出的关联场所确定装置的框图。如图12所示,该示例性的关联场所确定装置1200包括:数据获取模块1210、关联设备确定模块1220、数据提取模块1230和场所判断模块1240。具体地:
数据获取模块1210,用于获取目标对象的途径记录数据集,途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的;
关联设备确定模块1220,用于确定途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为候选场所对应的关联设备;
数据提取模块1230,用于从途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;
场所判断模块1240,用于若各个关联设备对应的途径记录数据满足关联场所判断条件,则将候选场所作为目标对象的关联场所。
需要说明的是,上述实施例所提供的关联场所确定装置与上述实施例所提供的关联场所确定方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的关联场所确定装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处不对此进行限制。
请参阅图13,图13是本申请电子设备一实施例的结构示意图。电子设备1300包括存储器1301和处理器1302,处理器1302用于执行存储器1301中存储的程序指令,以实现上述任一关联场所确定方法实施例中的步骤。在一个具体的实施场景中,电子设备1300可以包括但不限于:微型计算机、服务器,此外,电子设备1300还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
具体而言,处理器1302用于控制其自身以及存储器1301以实现上述任一关联场所确定方法实施例中的步骤。处理器1302还可以称为中央处理单元(Central ProcessingUnit,CPU)。处理器1302可能是一种集成电路芯片,具有信号的处理能力。处理器1302还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器1302可以由集成电路芯片共同实现。
请参阅图14,图14是本申请计算机可读存储介质一实施例的结构示意图。计算机可读存储介质1400存储有能够被处理器运行的程序指令1410,程序指令1410用于实现上述任一关联场所确定方法实施例中的步骤。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,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,例如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。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元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全部或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)或处理器(processor)执行本申请各个实施方式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-Only Memory,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。
Claims (10)
1.一种关联场所确定方法,其特征在于,包括:
获取目标对象的途径记录数据集,所述途径记录数据集中的途径记录数据是由多个图像采集设备对目标对象进行途径记录得到的;
确定所述途径记录数据集对应的各个图像采集设备的设备位置,将设备位置处于候选场所对应的区域范围内的图像采集设备,作为所述候选场所对应的关联设备;
从所述途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件;
若所述各个关联设备对应的途径记录数据满足所述关联场所判断条件,则将所述候选场所作为所述目标对象的关联场所。
2.根据权利要求1所述的方法,其特征在于,所述关联场所判断条件包括停留判定条件和预设停留次数阈值;在所述从所述途径记录数据集中提取出各个关联设备对应的途径记录数据,并获取关联场所判断条件之后,还包括:
判断所述各个关联设备对应的途径记录数据是否满足所述停留判定条件;
若满足所述停留判定条件,则更新所述目标对象针对所述候选场所的累积停留次数;
判断所述累积停留次数是否超过所述预设停留次数阈值;
若超过所述预设停留次数阈值,则判断为所述各个关联设备对应的途径记录数据满足所述关联场所判断条件。
3.根据权利要求2所述的方法,其特征在于,所述停留判定条件含有预设时间间隔,所述途径记录数据含有所述目标对象对应的途径时间;所述判断所述各个关联设备对应的途径记录数据是否满足所述停留判定条件,包括:
将所述各个关联设备中设备位置相邻的关联设备,作为相邻关联设备;
计算所述相邻关联设备分别对应的途径记录数据之间的途径时间间隔;
若所述途径时间间隔超过所述预设时间间隔,则判断为所述相邻关联设备对应的途径记录数据满足所述停留判定条件。
4.根据权利要求2所述的方法,其特征在于,所述停留判定条件含有预设途径次数,所述途径记录数据含有所述目标对象对应的途径时间;所述判断所述各个关联设备对应的途径记录数据是否满足所述停留判定条件,包括:
统计途径时间处于预设时间段内的途径记录数据的数量,得到对象途径次数;
若所述对象途径次数超过所述预设途径次数,则判断为所述关联设备对应的途径记录数据满足所述停留判定条件。
5.根据权利要求1所述的方法,其特征在于,还包括:
对所述关联场所进行场所特征分析,得到所述关联场所相对所述目标对象的场所类型标签。
6.根据权利要求5所述的方法,其特征在于,所述对所述关联场所进行场所特征分析,得到所述关联场所相对所述目标对象的场所类型标签,包括:
获取所述关联场所的场所属性信息,以及对所述各个关联设备对应的途径记录数据进行统计,得到所述目标对象相对所述关联场所的途径统计结果;
基于所述场所属性信和所述途径统计结果对所述关联场所进行场所类型预测,得到所述关联场所相对所述目标对象的场所类型标签。
7.根据权利要求1所述的方法,其特征在于,还包括:
响应于针对所述目标对象的查询指令,获取所述目标对象对应的各个关联场所;
对所述目标对象对应的各个关联场所进行可视化显示处理。
8.根据权利要求1所述的方法,其特征在于,所述获取关联场所判断条件,包括:
获取所述目标对象的对象属性信息或所述候选场所的场所属性信息;
基于所述对象属性信息或所述场所属性信息,生成匹配的关联场所判断条件。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现如权利要求1-8任一项所述方法中的步骤。
10.一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存储有程序指令,所述程序指令能够被处理器执行以实现如权利要求1-8任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311756485.2A CN117931969A (zh) | 2023-12-19 | 2023-12-19 | 关联场所确定方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311756485.2A CN117931969A (zh) | 2023-12-19 | 2023-12-19 | 关联场所确定方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117931969A true CN117931969A (zh) | 2024-04-26 |
Family
ID=90756390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311756485.2A Pending CN117931969A (zh) | 2023-12-19 | 2023-12-19 | 关联场所确定方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117931969A (zh) |
-
2023
- 2023-12-19 CN CN202311756485.2A patent/CN117931969A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3779841B1 (en) | Method, apparatus and system for sending information, and computer-readable storage medium | |
US9922271B2 (en) | Object detection and classification | |
US9934447B2 (en) | Object detection and classification | |
CN102541999B (zh) | 对象敏感的图像搜索 | |
US8190621B2 (en) | Method, system, and computer readable recording medium for filtering obscene contents | |
US20130148898A1 (en) | Clustering objects detected in video | |
US20140108653A1 (en) | Man-Machine Interaction Data Processing Method and Apparatus | |
CN103765457A (zh) | 数字广告*** | |
US10380267B2 (en) | System and method for tagging multimedia content elements | |
CN109902644A (zh) | 人脸识别方法、装置、设备和计算机可读介质 | |
EP3349142B1 (en) | Information processing device and method | |
KR101735312B1 (ko) | 소셜 미디어 분석을 기반으로 복합이슈를 탐지하기 위한 장치, 시스템 및 그 방법 | |
CN111222373A (zh) | 一种人员行为分析方法、装置和电子设备 | |
CN112258254B (zh) | 基于大数据架构的互联网广告风险监测方法及*** | |
CN106570020A (zh) | 用于提供推荐信息的方法和装置 | |
CN112364176A (zh) | 一种人员行动轨迹的构建方法、设备及*** | |
CN111368138A (zh) | 视频类别标签的排序方法、装置、电子设备及存储介质 | |
US20200159784A1 (en) | Information processing apparatus, information processing system, information processing method, and method of determining similarity/dissimilarity | |
CN111291249A (zh) | 信息处理的方法及装置 | |
CN110796014A (zh) | 垃圾投放习惯分析方法、***、装置及存储介质 | |
CN117931969A (zh) | 关联场所确定方法、设备及存储介质 | |
CN112333182B (zh) | 档案处理方法、装置、服务器及存储介质 | |
CN109271580B (zh) | 搜索方法、装置、客户端和搜索引擎 | |
CN113254702A (zh) | 一种视频录像检索的方法及装置 | |
WO2023281897A1 (ja) | 映像監視システム及び映像監視方法 |
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 |