CN106874951A - 一种旅客关注度评级方法及装置 - Google Patents
一种旅客关注度评级方法及装置 Download PDFInfo
- Publication number
- CN106874951A CN106874951A CN201710079945.0A CN201710079945A CN106874951A CN 106874951 A CN106874951 A CN 106874951A CN 201710079945 A CN201710079945 A CN 201710079945A CN 106874951 A CN106874951 A CN 106874951A
- Authority
- CN
- China
- Prior art keywords
- passenger
- information
- attention rate
- rank
- generation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Abstract
本发明适用于安检领域,提供了一种旅客关注度评级方法及装置,所述旅客关注度评级方法包括:采集旅客的当次航行信息;利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。本发明有益效果在于两方面,一方面,使得当次安检更加可靠,有利于安检人员作出安全决策,另一方面,使得安检流程更加高效,有利于减少安检时间。
Description
技术领域
本发明属于安检领域,尤其涉及一种旅客关注度评级方法及装置。
背景技术
安检是保障旅客人身安全的重要预防措施。在生活中,各个机场和车站的安检口,每天都会对旅客进行安检。旅客关注度评级,即针对安检的旅客进行安全行为评级。
传统的安检流程只考虑旅客当次航行信息,例如,检查旅客当前携带的身份证,检查旅客当前携带的行李货物,检查旅客的肖像。
为便于说明,以机场作为分析场景,传统的安检流程存在以下问题:
1.传统的机场安检在对旅客进行安检安全判断时,只考虑旅客当次航行信息,缺乏当次航行信息与历史航行信息的综合分析。
2.传统的机场安检在对两个旅客之间的特征缺乏对比分析。
3..传统的机场安检,各大机场与机场之间的数据缺乏共享。
发明内容
本发明实施例的目的在于提供一种旅客关注度评级方法,应用于旅客的安全检查,旨在解决传统的安检只考虑旅客的当次航行信息,不利于提高安检的可靠性的问题。
本发明实施例是这样实现的,一种旅客关注度评级方法,包括:
采集旅客的当次航行信息;
利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;
利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。
本发明实施例的另一目的在于提供一种旅客关注度评级装置,包括:
采集模块,用于采集旅客的当次航行信息;
分类决策模块,用于利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;
预判模块,用于利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。
在本发明实施例中,利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度,解决了传统的安检只考虑旅客的当次航行信息,不利于提高安检的可靠性的问题。本发明有益效果在于两方面,一方面,使得当次安检更加可靠,有利于安检人员作出安全决策,另一方面,使得安检流程更加高效,有利于减少安检时间。
附图说明
图1是本发明实施例提供的旅客关注度评级方法的实现流程图;
图2是本发明实施例提供的旅客关注度评级方法的实施方案流程图;
图3是本发明实施例提供的当次航行信息的采集流程图;
图4是本发明实施例提供的机场数据共享网络拓扑图;
图5是本发明实施例提供的构建分类决策模型的流程图;
图6是本发明实施例提供的旅客当次航行信息的预判流程图;
图7是本发明实施例提供的旅客关注度评级装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“倘若”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“倘若确定”或“倘若读取到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一
图1是本发明实施例提供的旅客关注度评级方法的实现流程图,详述如下:
在步骤S101中,采集旅客的当次航行信息;
在步骤S102中,利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;
在步骤S103中,利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。
参考图2,图2是本发明实施例提供的旅客关注度评级方法的实施方案流程图,详述如下:
S1,采集当次航行信息;
S2,历史信息航行信息;
S3,共享机场数据;
S4,构建分类决策模型;
S5,预判旅客的当次航行信息。
在本发明实施例中,旅客的关注度取决于旅客当次航行信息与历史航行之间的相似度,和旅客与旅客之间航行信息的相似度。通过将旅客关注度评级方法应用于机场旅客安全检查上,可大幅度提高安检人员安检流程的效率,同时有效地挖掘出旅客之间的潜在信息,可以对旅客安检时的安全关注度级别进行预判,同时具有社会关系的旅客之间可以进行旅游推荐等。
实施例二
本发明实施例描述了采集旅客的当次航行信息的实现流程,详述如下:
采集旅客的人脸信息;或者,
采集旅客的航班信息;或者,
采集旅客的货运行李信息;或者,
采集旅客的随身物品信息。
其中,采集旅客的人脸信息,具体为:
采集身份证上的人脸照片信息;或者,
采集护照上面的人脸照片信息;或者,
通过广角摄像头采集实时人脸信息。
其中,采集图片中的人脸信息和证件中的人脸信息后,提取图片中的人脸特征和证件中的人脸特征,将图片中的人脸特征和证件中的人脸特征进行比对,如果图片中的人脸特征和证件中的人脸特征不一致,则将人脸信息异常信息上传云端数据库。
其中,采集旅客的航班信息,具体为:
采集旅客的当前航行路线;
将旅客的当前航行路线与该旅客的常规航线进行比较,如果当前航行路线和常规航线对比存在异常,则将航线异常信息上传云端数据库。
其中,采集旅客的货运行李信息,具体为:
对旅客所携带行李进行违禁品识别;
倘若在行李中识别到违禁品,则提取出违禁品的特征,对有违禁品特征的行李进行标记,将行李异常信息上传云端数据库。
其中,采集旅客的随身物品信息,具体为:
对旅客的随身物品进行违禁品识别;
倘若在随身物品中识别到违禁品,则提取出违禁品的特征,对有违禁品特征的随身物品进行标记,将随身物品的异常信息上传云端数据库。
参考图3,图3是本发明实施例提供的当次航行信息的采集流程图,详述如下:
当次航行信息的采集包括旅客的基本信息,人脸异常信息,航班信息,人体肖像异常,货运行李异常信息的采集中的至少一种。
在对旅客进行安检的流程中,各个安检信息采集口对采集到的信息需要进一步处理,主要对采集口中的异常信息进行标记入库。最后收集到的当次航行信息与历史航行信息进一步处理。
其中u1为旅客的人脸特征,u2为识别出来的违禁品特征,u3为人体肖像异常特征。u1,u2,u3都为图片中提取出的特征。F1为当次旅客的特征信息汇总,包括旅客的航班信息和各种异常信息。
S1.1,旅客人脸信息采集主要包括身份证上人脸照片信息的采集或者护照上面人脸照片信息的采集,以及广角摄像头采集的实时人脸信息。实时人脸信息和证件人脸信息,首先分别提取出人脸特征,然后进行特征的对比,出现异常将标记上传云端数据库。
证件上面的照片信息特征u1和证件号,会进一步与公安部公布的布控信息库中进一步的比对,在布控信息列表中匹配是否有该旅客的信息,如果有将进行标记上传云端数据库。
S1.2,旅客航班信息的采集主要包括航行路线,以及个人的基本信息
采集到的航班信息会进一步与机场共享的数据信息进一步的比对,对该旅客的常规航线,人证差异,套牌身份证做进一步的判断。如果发现异常将标记上传云端数据库。
S1.3,货运行李信息的采集主要对过安检的旅客所携带货物进行违禁品的识别,提取出违禁品的特征u2,然后对于确认是有违禁品异常特征携带的行李将进行标记并且人工处理。同时标记信息上传云端数据库。
S1.4,安检机人体肖像信息采集主要是对过安检的旅客身上携带的违禁品进行识别,提取出违禁品的特征u3,然后对于确认是有违禁品异常特征携带的物品将进行标记并且人工处理。同时标记信息上传云端数据库。
S1.5,入库的特征信息F1为当次旅客的所有采集到的信息汇总,包括上面采集到的航班信息、基本个人信息、各种异常信息等,作为旅客历史信息的数据源。
在本实施例中,旅客的关注度取决于旅客当次航行信息与历史航行之间的相似度,和旅客与旅客之间航行信息的相似度。本方法对旅客航行信息的相似度进行度量,不仅考虑旅客本人的当前和过去的信息对关注度的影响,还考虑了旅客之间的相似度对关注度的影响。
实施例三
本发明实施例描述了处理旅客的历史航行信息的实现流程,详述如下:
旅客的历史航行信息是通过各个机场旅客的航行信息随着时间逐渐累积的。旅客的历史航行信息处理包括两部分,一部分是旅客与旅客本人数据的处理,另一部分是不同的旅客之间的数据处理。
S2.1,旅客与旅客本身的记录处理,是对某个旅客记录的更新和汇总处理。对于某旅客不同时间段的航班记录,将以不同的时间戳版本的记录进行标记。对于某旅客过往所有的航行记录,将会对该旅客的基本信息、常规航线、以及异常记录信息将进行汇总为一条记录。
S2.2,旅客与旅客之间的数据记录的处理,是旅客与旅客之间的相似度的度量。为了在海量旅客数据中区分旅客之间的相似性,在给旅客的各个特征信息标记上传云端数据库时,以权重值的方式对特征值进行标注,这样便于区分不同的特征值,也便于后面的相似度计算处理,然后计算旅客与旅客之间各个特征信息的距离,距离越近的说明旅客之间的相似度越高,反之越低。距离计算的公式如下(1)所示:
其中,dij代表任意两个旅客异常特征之间的距离,n代表旅客记录中特征的个数,X1k,X2k分别代表第一个旅客和第二旅客的第K个特征值。
在本实施例中,旅客的关注度取决于旅客当次航行信息与历史航行之间的相似度,和旅客与旅客之间航行信息的相似度。本方法对旅客航行信息的相似度进行度量,不仅考虑旅客本人的当前和过去的信息对关注度的影响,还考虑了旅客之间的相似度对关注度的影响。
实施例四
参考图4,图4是本发明实施例提供的机场数据共享网络拓扑图,详述如下:
机场数据共享主要是机场与机场之间,旅客的航行信息进行上传云端处理,存储在分布式数据库如HDFS、Hbase、Cassandra中达到数据共享的目的。
S3.1,首先各个机场采集的数据存储在原始访问服务器中,在各个机场的内网中。其中分布式消息系统目的是便于数据和本地的数据进行同步,各个机场的数据可以上传到云端数据存储集群中。然后云端的计算集群可以从云端数据存储集群中访问到各个机场上传的旅客数据信息。
S3.2,计算集群综合计算各个集群中的信息,得到处理后的结果信息存储在数据存储集群中,供各个机场调用。
在本发明实施例中,将处理后的结果信息存储在数据存储集群中,能达到数据共享的目的。数据存储和计算集群在机场的外网中,与各个机场的网络隔离,能保证数据和网络安全。
实施例五
本发明实施例描述了旅客关注度评级方法步骤S102的实现流程,详述如下:
在旅客和其他旅客的历史航行信息中,筛选旅客异常特征的集合;
从所述旅客异常特征的集合中,筛选旅客异常类别对应的旅客异常特征;
对不同的旅客异常特征赋予不同权重,以区分每个旅客异常类别;
其中,所述旅客异常类别包括旅客携带小刀或者矿泉水、旅客人脸异常、旅客携毒或走私、旅客携带易燃易爆物品、旅客是逃犯或嫌疑人、旅客人证异常中的至少一种。
参考图5,图5是本发明实施例提供的构建分类决策模型的流程图,详述如下:
S4.1,选取旅客和其他旅客的历史航行信息的旅客特征,旅客特征包括旅客的基本信息、证件号、航班信息、以及各个机场的安检口采集到的各种异常信息。
其中,各个旅客的违禁品异常特征信息和人脸异常信息给不同的权重值进行区分,主要分为这些旅客异常特征:人证是否有异常、人脸是否有异常、易燃易爆、有毒走私、小刀或者打火机、是否在逃犯。利用K-means聚类算法,对赋予权重的旅客异常特征进行处理。以采用K-means的原因是便于历史航行信息的快速分类。
S4.2,采用传统的K-means算法对异常特征进行处理时,首先判断输入、输出、以及迭代的次数这些参数是否合理,不合理的参数输入将无法执行,合理的参数才调用分布式的聚类算法进行聚类处理。这样通过聚类,把不同具有不同特征的旅客分到几个不同的大类中,便于后续的关注度类别决策。聚类算法会不断的利用交叉验证的方式进行验证,从而得到最优的旅客异常特征分类结果。
S4.3,在S4.2步骤处理后的异常特征类别结果再与常规航行线路、旅客飞行次数、是否套牌身份这几个特征进行进一步的决策树处理。决策树采用基尼系数Gini(p)的方式对旅客进行多分类树的节点划分,每个叶子节点作为旅客一个关注类别的分类。如下式(2)所示。其中旅客通过决策树决策后的关注类别用K表示,样本某个旅客属于第Ki类的概率用pk表示。
S4.4,对步骤S4.3中的决策树模型的性能,通过交叉验证,根据真阳性率-假阳性率曲线进行评估。
如下公式(3)和(4)所示。其中TPR即真阳性率指的是旅客的关注类别中实际被预测正确的概率,FPR即假阳性率指的是非该旅客类别样本中实际被错误预测为该关注类别样本的概率。
TPR=TP/(TP+FN) (3)
FPR=FP/(FP+TN) (4)
其中,TP指的是预测为该旅客的关注类别,实际上和该旅客关注类别一样的样本数;FP指的是预测为非该旅客的关注类别,实际上非该旅客关注类别的样本数(即错误地预测为该关注类别的旅客了);
TN指的是预测为非该关注类别的旅客样本数,实际上也为该关注类别的旅客样本数;FN是预测为非该关注类别的旅客样本数,实际上为该关注类别旅客的样本数(即错误的预测为非该关注类别的旅客了)。
TP+FN指的是实际的为该关注类别的旅客样本数;
FP+TN指的是实际的非该关注类别旅客的样本数。
S4.5根据真阳性率和假阳性率的曲线下的面积可以得出决策树关注度分类模型的平均准确率。平均准确率越高,说明模型越优。
实施例六
本发明实施例描述了旅客关注度评级方法步骤S103的第一实现流程,详述如下:
利用所述分类决策模型对所述当次航行信息进行分类;
倘若所述当次航行信息分类为旅客异常类别,则对所述旅客过安检的关注度进行评级,生成关注级别;
倘若所述当次航行信息分类为非旅客异常类别,则返回安全或无记录的信息,或者,返回常规路线的信息。
实施例七
本发明实施例描述了旅客关注度评级方法步骤S103的第二实现流程,详述如下:
在所述当次航行信息中,提取旅客特征;
利用所述分类决策模型,对所述旅客特征进行分类判别,产生判别结果;
倘若所述判别结果为旅客携带小刀或者矿泉水,则生成关注级别1;
倘若所述判别结果为旅客人脸异常,则生成关注级别2;
倘若所述判别结果为旅客携毒或走私,则生成关注级别3;
倘若所述判别结果为旅客携带易燃易爆物品,则生成关注级别4;
倘若所述判别结果为旅客是逃犯或嫌疑人,则生成关注级别5;
倘若所述判别结果为旅客人证异常,则生成关注级别6。
参考图6,图6是本发明实施例提供的旅客当次航行信息的预判流程图,详述如下:
把旅客当次航行信息输入到训练好的分类决策模型后,分类决策模型会反馈出旅客的关注类别给机场安检人员作为安全预判的参考。
当返回安全或者无记录时,说明概率是安全的旅客;
当返回常规航线信息时,可以对该旅客进行其他方面的推荐,如常规航线经过城市的旅游推荐等;
当返回关注级别为1时,该旅客有小刀或者矿泉水携带记录;
当返回关注级别为2时,该旅客有人脸异常记录;
当返回关注级别为3时,该旅客有毒品或者走私异常记录;
当返回关注级别为4时,该旅客有易燃易爆的记录;当返回关注级别为5时,该旅客为在逃犯嫌疑人;
当返回关注级别为6时,该旅客有人证差异记录;
针对相应的关注度级别,机场安检人员可以做相应的复查处理。
关注级别1、2、3、4、5、6为不同的关注级别。
在本实施例中,能有效地挖掘出旅客之间的潜在信息,能对旅客安检时安全关注度级别进行预判,同时能对具有社会关系的旅客之间进行旅游推荐等。
实施例八
图7是本发明实施例提供的旅客关注度评级装置的结构框图,该装置可以运行于用户设备中。用户设备包括但不限于安检机、摄像机、移动电话、口袋计算机(PocketPersonal Computer,PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(PersonalDigital Assistant,PDA)、MP4、MP3。为便于说明,仅示出了与本实施例相关的部分。为了便于说明,仅示出了与本实施例相关的部分。
参照图7,该旅客关注度评级装置,包括:
采集模块71,用于采集旅客的当次航行信息;
分类决策模块72,用于利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;
预判模块73,用于利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。
作为本实施例的一种实现方式,在所述旅客关注度评级装置中,所述采集模块具体用于采集旅客的人脸信息;或者,
采集旅客的航班信息;或者,
采集旅客的货运行李信息;或者,
采集旅客的随身物品信息。
作为本实施例的一种实现方式,在所述旅客关注度评级装置中,所述分类决策模块,包括:
第一筛选单元,用于在旅客和其他旅客的历史航行信息中,筛选旅客异常特征的集合;
第二筛选单元,用于从所述旅客异常特征的集合中,筛选旅客异常类别对应的旅客异常特征;
权重单元,用于对不同的旅客异常特征赋予不同权重,以区分每个旅客异常类别;
其中,所述旅客异常类别包括旅客携带小刀或者矿泉水、旅客人脸异常、旅客携毒或走私、旅客携带易燃易爆物品、旅客是逃犯或嫌疑人、旅客人证异常中的至少一种。
作为本实施例的一种实现方式,所述旅客关注度评级装置还包括:
利用所述分类决策模型对所述当次航行信息进行分类;
倘若所述当次航行信息分类为旅客异常类别,则对所述旅客过安检的关注度进行评级,生成关注级别;
倘若所述当次航行信息分类为非旅客异常类别,则返回安全或无记录的信息,或者,返回常规路线的信息。
作为本实施例的一种实现方式,在所述旅客关注度评级装置中,所述预判模块,还包括:
提取单元,用于在所述当次航行信息中,提取旅客特征;
判别单元,用于利用所述分类决策模型,对所述旅客特征进行分类判别,产生判别结果;
用于倘若所述判别结果为旅客携带小刀或者矿泉水,则生成关注级别1;
用于倘若所述判别结果为旅客人脸异常,则生成关注级别2;
用于倘若所述判别结果为旅客携毒或走私,则生成关注级别3;
用于倘若所述判别结果为旅客携带易燃易爆物品,则生成关注级别4;
用于倘若所述判别结果为旅客是逃犯或嫌疑人,则生成关注级别5;
用于倘若所述判别结果为旅客人证异常,则生成关注级别6。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置和装置中的单元可以根据实际需要进行合并、划分和删减。
本发明实施例提供的装置可以应用在前述对应的方法实施例中,详情参见上述实施例的描述,在此不再赘述。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现。所述的程序可以存储于可读取存储介质中,所述的存储介质,如随机存储器、闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件执行本发明各个实施例所述的方法。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种旅客关注度评级方法,其特征在于,包括:
采集旅客的当次航行信息;
利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;
利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。
2.如权利要求1所述的旅客关注度评级方法,其特征在于,所述采集旅客的当次航行信息,具体为:
采集旅客的人脸信息;或者,
采集旅客的航班信息;或者,
采集旅客的货运行李信息;或者,
采集旅客的随身物品信息。
3.如权利要求1所述的旅客关注度评级方法,其特征在于,利用所述旅客和其他旅客的历史航行信息,构建分类决策模型,具体为:
在旅客和其他旅客的历史航行信息中,筛选旅客异常特征的集合;
从所述旅客异常特征的集合中,筛选旅客异常类别对应的旅客异常特征;
对不同的旅客异常特征赋予不同权重,以区分每个旅客异常类别;
其中,所述旅客异常类别包括旅客携带小刀或者矿泉水、旅客人脸异常、旅客携毒或走私、旅客携带易燃易爆物品、旅客是逃犯或嫌疑人、旅客人证异常中的至少一种。
4.如权利要求1所述的旅客关注度评级方法,其特征在于,利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度,具体为:
利用所述分类决策模型对所述当次航行信息进行分类;
倘若所述当次航行信息分类为旅客异常类别,则对所述旅客过安检的关注度进行评级,生成关注级别;
倘若所述当次航行信息分类为非旅客异常类别,则返回安全或无记录的信息,或者,返回常规路线的信息。
5.如权利要求1至4任一所述的旅客关注度评级方法,其特征在于,利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度,具体为:
在所述当次航行信息中,提取旅客特征;
利用所述分类决策模型,对所述旅客特征进行分类判别,产生判别结果;
倘若所述判别结果为旅客携带小刀或者矿泉水,则生成关注级别1;
倘若所述判别结果为旅客人脸异常,则生成关注级别2;
倘若所述判别结果为旅客携毒或走私,则生成关注级别3;
倘若所述判别结果为旅客携带易燃易爆物品,则生成关注级别4;
倘若所述判别结果为旅客是逃犯或嫌疑人,则生成关注级别5;
倘若所述判别结果为旅客人证异常,则生成关注级别6。
6.一种旅客关注度评级装置,其特征在于,包括:
采集模块,用于采集旅客的当次航行信息;
分类决策模块,用于利用所述旅客和其他旅客的历史航行信息,构建分类决策模型;
预判模块,用于利用所述分类决策模型以及所述当次航行信息,预判所述旅客过安检的关注度。
7.如权利要求6所述的旅客关注度评级装置,其特征在于,所述采集模块具体用于采集旅客的人脸信息;或者,
采集旅客的航班信息;或者,
采集旅客的货运行李信息;或者,
采集旅客的随身物品信息。
8.如权利要求6所述的旅客关注度评级装置,其特征在于,所述分类决策模块,包括:
第一筛选单元,用于在旅客和其他旅客的历史航行信息中,筛选旅客异常特征的集合;
第二筛选单元,用于从所述旅客异常特征的集合中,筛选旅客异常类别对应的旅客异常特征;
权重单元,用于对不同的旅客异常特征赋予不同权重,以区分每个旅客异常类别;
其中,所述旅客异常类别包括旅客携带小刀或者矿泉水、旅客人脸异常、旅客携毒或走私、旅客携带易燃易爆物品、旅客是逃犯或嫌疑人、旅客人证异常中的至少一种。
9.如权利要求6所述的旅客关注度评级装置,其特征在于,所述的旅客关注度评级装置,还包括:
利用所述分类决策模型对所述当次航行信息进行分类;
倘若所述当次航行信息分类为旅客异常类别,则对所述旅客过安检的关注度进行评级,生成关注级别;
倘若所述当次航行信息分类为非旅客异常类别,则返回安全或无记录的信息,或者,返回常规路线的信息。
10.如权利要求6至9任一所述的旅客关注度评级装置,其特征在于,所述预判模块,还包括:
提取单元,用于在所述当次航行信息中,提取旅客特征;
判别单元,用于利用所述分类决策模型,对所述旅客特征进行分类判别,产生判别结果;
用于倘若所述判别结果为旅客携带小刀或者矿泉水,则生成关注级别1;
用于倘若所述判别结果为旅客人脸异常,则生成关注级别2;
用于倘若所述判别结果为旅客携毒或走私,则生成关注级别3;
用于倘若所述判别结果为旅客携带易燃易爆物品,则生成关注级别4;
用于倘若所述判别结果为旅客是逃犯或嫌疑人,则生成关注级别5;
用于倘若所述判别结果为旅客人证异常,则生成关注级别6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710079945.0A CN106874951B (zh) | 2017-02-14 | 2017-02-14 | 一种旅客关注度评级方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710079945.0A CN106874951B (zh) | 2017-02-14 | 2017-02-14 | 一种旅客关注度评级方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106874951A true CN106874951A (zh) | 2017-06-20 |
CN106874951B CN106874951B (zh) | 2020-12-25 |
Family
ID=59166131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710079945.0A Active CN106874951B (zh) | 2017-02-14 | 2017-02-14 | 一种旅客关注度评级方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106874951B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358549A (zh) * | 2017-07-06 | 2017-11-17 | 泉州市云旅旅游开发有限公司 | 全程旅游全业态数据中心管理系统 |
CN107369111A (zh) * | 2017-07-06 | 2017-11-21 | 泉州市云旅旅游开发有限公司 | 全程智慧云码业务支撑管理系统 |
CN109102159A (zh) * | 2018-07-18 | 2018-12-28 | 平安科技(深圳)有限公司 | 旅客评级模型生成方法、装置、计算机设备和存储介质 |
WO2020015104A1 (zh) * | 2018-07-18 | 2020-01-23 | 平安科技(深圳)有限公司 | 风险旅客流量预测方法、装置、计算机设备和存储介质 |
CN111831904A (zh) * | 2020-06-18 | 2020-10-27 | 天讯瑞达通信技术有限公司 | 一种旅客行为数据分析方法及系统 |
CN112562105A (zh) * | 2019-09-06 | 2021-03-26 | 北京国双科技有限公司 | 安检方法和装置、存储介质及电子设备 |
CN113963521A (zh) * | 2021-11-12 | 2022-01-21 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 安检禁限带物品积分报警方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1428718A (zh) * | 2002-06-21 | 2003-07-09 | 成都银晨网讯科技有限公司 | 机场离港旅客智能身份认证方法和系统 |
CN1806263A (zh) * | 2003-06-11 | 2006-07-19 | 昆腾磁性元件公司 | 用于集中监控旅客和行李筛选检查点的组合系统用户界面 |
US20100185574A1 (en) * | 2009-01-16 | 2010-07-22 | Sondre Skatter | Network mechanisms for a risk based interoperability standard for security systems |
US8831677B2 (en) * | 2010-11-17 | 2014-09-09 | Antony-Euclid C. Villa-Real | Customer-controlled instant-response anti-fraud/anti-identity theft devices (with true-personal identity verification), method and systems for secured global applications in personal/business e-banking, e-commerce, e-medical/health insurance checker, e-education/research/invention, e-disaster advisor, e-immigration, e-airport/aircraft security, e-military/e-law enforcement, with or without NFC component and system, with cellular/satellite phone/internet/multi-media functions |
US20160019668A1 (en) * | 2009-11-17 | 2016-01-21 | Identrix, Llc | Radial data visualization system |
WO2016037794A1 (en) * | 2014-09-09 | 2016-03-17 | Sita Information Networking Computing Uk Limited | Improved customer profiling system and method therefor |
US20160085999A1 (en) * | 2012-01-08 | 2016-03-24 | Imagistar Llc | System and Method For Item Self-Assessment As Being Extant or Displaced |
CN105654118A (zh) * | 2015-12-25 | 2016-06-08 | 中国民航信息网络股份有限公司 | 民航旅客关系分类方法 |
-
2017
- 2017-02-14 CN CN201710079945.0A patent/CN106874951B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1428718A (zh) * | 2002-06-21 | 2003-07-09 | 成都银晨网讯科技有限公司 | 机场离港旅客智能身份认证方法和系统 |
CN1806263A (zh) * | 2003-06-11 | 2006-07-19 | 昆腾磁性元件公司 | 用于集中监控旅客和行李筛选检查点的组合系统用户界面 |
US20100185574A1 (en) * | 2009-01-16 | 2010-07-22 | Sondre Skatter | Network mechanisms for a risk based interoperability standard for security systems |
US20160019668A1 (en) * | 2009-11-17 | 2016-01-21 | Identrix, Llc | Radial data visualization system |
US8831677B2 (en) * | 2010-11-17 | 2014-09-09 | Antony-Euclid C. Villa-Real | Customer-controlled instant-response anti-fraud/anti-identity theft devices (with true-personal identity verification), method and systems for secured global applications in personal/business e-banking, e-commerce, e-medical/health insurance checker, e-education/research/invention, e-disaster advisor, e-immigration, e-airport/aircraft security, e-military/e-law enforcement, with or without NFC component and system, with cellular/satellite phone/internet/multi-media functions |
US20160085999A1 (en) * | 2012-01-08 | 2016-03-24 | Imagistar Llc | System and Method For Item Self-Assessment As Being Extant or Displaced |
WO2016037794A1 (en) * | 2014-09-09 | 2016-03-17 | Sita Information Networking Computing Uk Limited | Improved customer profiling system and method therefor |
CN105654118A (zh) * | 2015-12-25 | 2016-06-08 | 中国民航信息网络股份有限公司 | 民航旅客关系分类方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358549A (zh) * | 2017-07-06 | 2017-11-17 | 泉州市云旅旅游开发有限公司 | 全程旅游全业态数据中心管理系统 |
CN107369111A (zh) * | 2017-07-06 | 2017-11-21 | 泉州市云旅旅游开发有限公司 | 全程智慧云码业务支撑管理系统 |
CN109102159A (zh) * | 2018-07-18 | 2018-12-28 | 平安科技(深圳)有限公司 | 旅客评级模型生成方法、装置、计算机设备和存储介质 |
WO2020015140A1 (zh) * | 2018-07-18 | 2020-01-23 | 平安科技(深圳)有限公司 | 旅客评级模型生成方法、装置、计算机设备和存储介质 |
WO2020015104A1 (zh) * | 2018-07-18 | 2020-01-23 | 平安科技(深圳)有限公司 | 风险旅客流量预测方法、装置、计算机设备和存储介质 |
CN112562105A (zh) * | 2019-09-06 | 2021-03-26 | 北京国双科技有限公司 | 安检方法和装置、存储介质及电子设备 |
CN111831904A (zh) * | 2020-06-18 | 2020-10-27 | 天讯瑞达通信技术有限公司 | 一种旅客行为数据分析方法及系统 |
CN113963521A (zh) * | 2021-11-12 | 2022-01-21 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 安检禁限带物品积分报警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106874951B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874951A (zh) | 一种旅客关注度评级方法及装置 | |
Weber et al. | Detecting natural disasters, damage, and incidents in the wild | |
CN102201061B (zh) | 基于多阶层过滤人脸识别的智能安全监控系统及方法 | |
US9589181B2 (en) | Person search method and device for searching person staying on platform | |
US9224071B2 (en) | Unsupervised object class discovery via bottom up multiple class learning | |
CN104616316B (zh) | 基于阈值矩阵和特征融合视觉单词的人物行为识别方法 | |
CN105260412A (zh) | 一种图像存储方法、图像检索方法和装置 | |
CN109919093A (zh) | 一种人脸识别方法、装置、设备及可读存储介质 | |
Li et al. | An adaptive hidden Markov model for activity recognition based on a wearable multi-sensor device | |
Zhang et al. | Data fusion and classifier ensemble techniques for vegetation mapping in the coastal Everglades | |
CN104636751A (zh) | 基于时间递归神经网络的人群异常检测和定位系统及方法 | |
CN104050361A (zh) | 一种监狱服刑人员危险性倾向的智能分析预警方法 | |
Neha et al. | A survey on applications of data mining using clustering techniques | |
Xia et al. | What is new in our city? a framework for event extraction using social media posts | |
Chae et al. | Trajectory-based Visual Analytics for Anomalous Human Movement Analysis using Social Media. | |
CN109271546A (zh) | 图像检索特征提取模型建立、数据库建立及检索方法 | |
CN107368516A (zh) | 一种基于层次聚类的日志审计方法及装置 | |
Rentao et al. | Indoor smoking behavior detection based on yolov3-tiny | |
Du et al. | Integration of case-based reasoning and object-based image classification to classify SPOT images: a case study of aquaculture land use mapping in coastal areas of Guangdong province, China | |
CN112766119A (zh) | 一种基于多维度人脸分析精准识别陌生人构建社区安防的方法 | |
Bhatia et al. | Analysis on different Data mining Techniques and algorithms used in IOT | |
Gadhavi et al. | Transfer learning approach for recognizing natural disasters video | |
CN114038048A (zh) | 一种身份类型识别系统 | |
Song et al. | Automatic CRP mapping using nonparametric machine learning approaches | |
US20210380278A1 (en) | Baggage weight prediction |
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 | ||
CB02 | Change of applicant information |
Address after: 516006 TCL science and technology building, No. 17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province Applicant after: TCL Technology Group Co.,Ltd. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL RESEARCH AMERICA Inc. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |