CN108711119B - 一种社区微卡口综合ai系统及其数据展现方法 - Google Patents
一种社区微卡口综合ai系统及其数据展现方法 Download PDFInfo
- Publication number
- CN108711119B CN108711119B CN201810348194.2A CN201810348194A CN108711119B CN 108711119 B CN108711119 B CN 108711119B CN 201810348194 A CN201810348194 A CN 201810348194A CN 108711119 B CN108711119 B CN 108711119B
- Authority
- CN
- China
- Prior art keywords
- community
- personnel
- vehicle
- data
- identity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000008569 process Effects 0.000 title claims description 8
- 230000001747 exhibiting effect Effects 0.000 title description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 65
- 230000008447 perception Effects 0.000 claims description 72
- 230000003542 behavioural effect Effects 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims 2
- 238000007405 data analysis Methods 0.000 abstract description 30
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 13
- 230000005764 inhibitory process Effects 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009172 bursting Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q50/16—Real estate
- G06Q50/163—Real estate management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种社区微卡口综合AI分析方法及系统,社区微卡口获取社区出入人员和/或车辆数据,将人员和/或车辆数据传送给大数据AI综合分析系统,大数据AI综合分析系统对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果。通过本发明提供的社区数据分析方法及系统,可以对社区进行更可靠的安全管理,并为社区提供更优质的社区服务,有益于社区智能化管理的进一步发展。
Description
技术领域
本发明属于应用人工智能(Artificial Intelligence,AI)的智慧城市技术领域,尤其涉及一种社区微卡口综合AI系统及其数据展现方法。
背景技术
社区是若干社会群体或社会组织聚集在某一个领域里所形成的一个生活上相互关联的大集体,当今社会中,人们生活在各种各样的社区中,通常意义上的社区包括住宅区以及商业住宅一体化的空间。
安全性是社区管理和服务必须首要解决的问题。一方面,从社会治安和人口管理的角度来看,公安等管理部门需要掌握所辖片区内每个社区的人员信息。另一方面,从社区服务的角度来看,掌握社区人员信息可以为物业资源配置、应急救援等方面提供科学依据。
然而,社区人口的多样性无疑会给公安机关和社区服务机构掌握社区人员信息造成很多工作上的困难。在现实生活中,社区出入的人员一般包括业主,访客,卫生员等物业服务人员,快递邮政等行业的工作人员,等等。由于进出人员众多,并且缺少真实有效的身份登记与查验手段,难免会给社区的安全管理造成一定的隐患。
另一方面,如果在社区出入口或者社区内部其它地点频繁验证人员身份,例如安装刷卡通行关卡、人工核验身份并登记身份证等,虽然有助于保持社区内部安全并实现人员信息收集,但是会给社区人员的正常生活带来很多不便利。所以,我们希望根据各社区的情况,对人员信息的采集能够以被采集人员非察觉的方式潜在完成,一是能够实际提升每个社区的安全性,另外也是为了可以加强社区服务。
发明内容
本发明提供了一种社区微卡口综合AI系统及其数据展现方法。通过本发明提供的方法及系统,可以实现社区人员和车辆的非察觉潜在式采集和智能化分析,特别是提取社区人员和车辆的出入分布特征,利用AI方法根据其出入分布特征学习人员和车辆的出入规律模式,根据学习人员和车辆的出入规律模式,提升社区的安全性,改善社区服务。
本发明提供的技术方案如下:
根据一示例性实施例,一种社区微卡口综合AI分析方法,包括:
社区微卡口获取社区出入人员和/或车辆数据;
社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统;
大数据AI综合分析系统对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果。
在一些示例中,所述社区出入人员和/或车辆数据,包括如下之一或组合:
人员出入的时间、人员身份标识、车辆出入时间、车辆号牌。
在一些示例中,所述社区微卡口获取社区出入人员和/或车辆数据,包括如下之一或组合:
社区微卡口通过门禁机刷卡信息,获取社区出入人员数据;
社区微卡口通过指纹门禁、面部识别门禁等获取的人员身体特征信息,获取社区出入人员数据;
社区微卡口通过移动终端的MAC地址侦测,获取社区出入人员数据;
社区微卡口结合视频数据、电子车牌数据和/或ETC系统数据,获取社区出入车辆数据。
在一些示例中,所述大数据AI综合分析系统对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果,包括:大数据AI综合分析系统结合所述人员和/或车辆数据,进行聚类分析,确定数据分析结果,进行图形化并输出。具体来说,所述大数据AI综合分析系统从人员和/或车辆数据中提取该人员或者车辆在过去一段日期以内的出入时间、出入地点、出入社区时长、社区内行为轨迹长度、社区停留位置分布,从而将每个人员身份ID或者车辆号牌的行为轨迹整理为一个行为特征向量,记为Ei-n,Ei-n+1...,Ei;预设将人物或者车辆的行为特征归入k个分类,则从n个行为特征向量中任意选取k个作为初始聚类中心,计为Ec1,Ec2,......,Eck;计算Ei-n,Ei-n+1...,Ei与Ec1,Ec2,......,Eck特征向量的距离值Vi-Ck=|Ei-Eck|,进而将Ei-n,Ei-n+1...,Ei中的每一个特征向量分配给Ec1,Ec2,......,Eck当中与之距离最近的聚类中心;然后再重新计算每个聚类的聚类中心;然后计算Ei-n,Ei-n+1...,Ei中每个特征向量与重新计算的聚类中心的距离值,并根据距离值将Ei-n,Ei-n+1...,Ei中的每个行为特征向量重新分配给与之距离最近的聚类中心;然后再次更新维护聚类中心;迭代以上过程,直至更新后聚类中心不再发生变化,通过聚类识别出每个身份ID或者车辆号牌的行为轨迹所属于的人员类型。
在一些示例中,所述社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统,包括:
所述社区微卡口将所述人员和/或车辆数据基于GPRS、3G、4G或NB-IOT协议传送给大数据AI综合分析系统。
在一些示例中,社区微卡口将针对同一个人员或车辆并行感知的多种类型的感知信息相互关联起来,组合形成所述人员数据和车辆数据。社区微卡口统计多种类型感知信息的关联度的数值,并根据关联度数值是否高于预设的一个阈值,来确定感知信息是否属于同一个人员或车辆并行产生的相互关联的感知信息。社区微卡口采用距离-时间双重阈值的判定规则,基于感知信息的感知发生位置,判断感知信息之间的距离是否小于关联距离阈值,并且判断感知信息之间距离保持小于关联距离阈值的时间长度是否大于关联时间阈值,如果以上两重判断均为是,则认为感知信息具有关联性,并根据感知信息距离保持小于关联距离阈值的时间长度值计算二者的关联度值。
根据另一示例性实施例,本发明还提供一种社区微卡口综合AI分析系统,包括:
社区微卡口,用于获取社区出入人员和/或车辆数据,将所述人员和/或车辆数据传送给大数据AI综合分析系统;
大数据AI综合分析系统,用于对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果。
在一些示例中,所述社区出入人员和/或车辆数据,包括如下之一或组合:
人员出入的时间、人员身份标识、车辆出入时间、车辆号牌。
在一些示例中,所述社区微卡口获取社区出入人员和/或车辆数据,包括如下之一或组合:
社区微卡口通过门禁机刷卡信息,获取社区出入人员数据;
社区微卡口通过指纹门禁、面部识别门禁等获取的人员身体特征信息,获取社区出入人员数据;
社区微卡口通过移动终端的MAC地址侦测,获取社区出入人员数据;
社区微卡口结合视频数据、电子车牌数据和/或ETC系统数据,获取社区出入车辆数据。
在一些示例中,所述大数据AI综合分析系统对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果,包括:大数据AI综合分析系统结合所述人员和/或车辆数据,进行聚类分析,确定数据分析结果,进行图形化并输出。所述大数据AI综合分析系统对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果,包括:大数据AI综合分析系统结合所述人员和/或车辆数据,进行聚类分析,确定数据分析结果,进行图形化并输出。具体来说,所述大数据AI综合分析系统从人员和/或车辆数据中提取该人员或者车辆在过去一段日期以内的出入时间、出入地点、出入社区时长、社区内行为轨迹长度、社区停留位置分布,从而将每个人员身份ID或者车辆号牌的行为轨迹整理为一个行为特征向量,记为Ei-n,Ei-n+1...,Ei;预设将人物或者车辆的行为特征归入k个分类,则从n个行为特征向量中任意选取k个作为初始聚类中心,计为Ec1,Ec2,......,Eck;计算Ei-n,Ei-n+1...,Ei与Ec1,Ec2,......,Eck特征向量的距离值Vi-Ck=|Ei-Eck|,进而将Ei-n,Ei-n+1...,Ei中的每一个特征向量分配给Ec1,Ec2,......,Eck当中与之距离最近的聚类中心;然后再重新计算每个聚类的聚类中心;然后计算Ei-n,Ei-n+1...,Ei中每个特征向量与重新计算的聚类中心的距离值,并根据距离值将Ei-n,Ei-n+1...,Ei中的每个行为特征向量重新分配给与之距离最近的聚类中心;然后再次更新维护聚类中心;迭代以上过程,直至更新后聚类中心不再发生变化,通过聚类识别出每个身份ID或者车辆号牌的行为轨迹所属于的人员类型。
在一些示例中,所述社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统,包括:
所述社区微卡口将所述人员和/或车辆数据基于GPRS、3G、4G或NB-IOT协议传送给大数据AI综合分析系统。
在一些示例中,社区微卡口将针对同一个人员或车辆并行感知的多种类型的感知信息相互关联起来,组合形成所述人员数据和车辆数据。社区微卡口统计多种类型感知信息的关联度的数值,并根据关联度数值是否高于预设的一个阈值,来确定感知信息是否属于同一个人员或车辆并行产生的相互关联的感知信息。社区微卡口采用距离-时间双重阈值的判定规则,基于感知信息的感知发生位置,判断感知信息之间的距离是否小于关联距离阈值,并且判断感知信息之间距离保持小于关联距离阈值的时间长度是否大于关联时间阈值,如果以上两重判断均为是,则认为感知信息具有关联性,并根据感知信息距离保持小于关联距离阈值的时间长度值计算二者的关联度值。
根据本发明提供的社区数据分析方法及系统,可以对社区进行更可靠的安全管理,并为社区提供更优质的社区服务,有益于社区智能化管理的进一步发展,公安等管理部门可以有效掌握所辖片区内大小社区的人员信息,连锁地产公司也可以根据本发明提供的社区数据分析方法对本公司开发各个社区的人员信息进行采集和大数据分析,从而为物业等配套服务提供依据。
附图说明
图1是本发明提供的一种社区微卡口综合AI分析方法的流程示意图;
图2是本发明提供的一种社区微卡口综合AI分析系统的结构示意图;
图3是本发明提供的社区微卡口实现感知信息关联的示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的主要目的,是提供一种社区微卡口综合AI系统及其数据展现方法,其利用社区微卡口在前端潜在、非察觉地采集人员和车辆在社区的出入和活动信息,进而通过大数据人工智能(Artificial Intelligence,AI)的分析技术,对获取的出入人员和/或车辆数据进行机器学习分析,获取社区的人员的出入规律模式,基于规律模式判断该出入人员和车辆的类型,为社区安全保障和服务提供依据,并进行图形化展示。
如图1所示,本发明提供了一种社区微卡口综合AI分析方法。本发明实施例提供的社区数据分析方法,需要通过社区微卡口和大数据AI综合分析系统配合,实现社区出入人员和/或车辆数据的获取和分析。该方法具体包括:
S101、社区微卡口获取社区出入人员和/或车辆数据。
其中,社区微卡口可以设置在每个住宅社区的人员、车辆出入口,或者设立于社区内每个建筑物的人员、车辆出入口,以及设立在社区道路、建筑物电梯间等人员、车辆通行必经的公共区域。这里的社区可以是一个小区,也可以是多个小区,统称为一个社区;地理位置相近的几个同类型的小区,可以看作同一社区。其中,社区微卡口采集的社区出入人员和/或车辆数据。人员数据可以包括人员出入时间、人员身份标识,其中,该人员身份标识可以是业主、访客、物业工作人员、快递等服务人员的登记身份ID,例如身份证号码、门禁卡号码、通行令牌号码等,对于被识别的未登记身份的出入人员对象可以临时分配一身份ID;采集的车辆信息包括车辆出入时间和车辆号牌。
实际应用中,社区微卡口获取社区出入人员和/或车辆数据,可以通过如下几个方式实现:(1)社区微卡口通过门禁机刷卡信息,获取社区出入人员数据;
(2)社区微卡口通过指纹门禁、面部识别门禁等获取的人员身体特征信息,获取社区出入人员数据;(3)社区微卡口通过移动终端的MAC地址侦测,获取社区出入人员数据;具体来说,当人员进出时,社区微卡口通过与人员携带的手机进行通信,获取该手机的MAC地址,由于一般来说一个人的手机总会用比较长的一段时间,因此通过采集MAC地址也可以采集到携带该手机的人员进出社区或者社区建筑物的人员信息,进而通过与通讯运营商的合作可以利用MAC地址取得该人员的实际身份,这种方式不需要该人员以刷卡或者录指纹参与,是一种隐蔽式的人员信息采集方式;(4)社区微卡口结合视频采集与提取、电子车牌感知和/或ETC感知数据,获取社区的出入人员和出入车辆数据。
社区微卡口获取社区人员和/或车辆数据的方式可以为如上方式之一或者组合,具体根据实际的数据分析需求决定。例如,当公安机关需要对特定人员的行动轨迹进行提取追踪,可以采用门禁机刷卡、指纹门禁、面部识别门禁来获取出入人员数据;当社区服务机构需要设定社区车辆管理解决方案时,可以结合视频数据、电子车牌数据和/或ETC系统数据,来获取社区出入车辆数据,从而确定社区车辆数量和进入时间分布等信息,来生成车辆管理解决方案;当需要确认社区人员分布,以明确针对当前社区的商业策略,如广告投放策略时,可以主要通过观测视频数据、移动终端的MAC地址侦测等方式确定出入人员的时间和区域分布。
其中,社区微卡口针对人员和车辆数据,具有门禁刷卡、指纹或者面部信息识别、MAC地址侦测、视频提取、电子车牌或ETC感知等多种手段;因此同一个人员或者车辆的进出社区可能被社区微卡口通过不同的手段所并行感知。因而,社区微卡口需要将针对同一个人员或车辆并行感知的多种类型的身份信息和进出时间信息相互关联起来,组合形成所述人员数据和车辆数据,以共同描述进出社区的人员和车辆的身份以及时间分布。具体来说,假设存在A、B两个感知信息,例如A为视频提取或者面部识别所取得的人物目标,B是侦测的MAC地址或者是门禁刷卡记录或者是指纹刷卡记录,则通过判断A、B两个感知信息是否具有关联性,决定A、B两个感知信息是否是同一个人员并行产生的。可以通过统计A、B两个感知信息的关联度的数值,并根据关联度数值是否高于预设的一个阈值,来确定A、B两个感知信息是否属于同一个人员并行产生的相互关联的感知信息。所述社区微卡口采用距离-时间双重阈值的判定规则,决定A、B两个感知信息的关联度,即基于A、B两个感知信息的感知发生位置,判断A、B之间的距离是否小于关联距离阈值,并且判断A、B两个感知信息之间距离保持小于关联距离阈值的时间长度是否大于关联时间阈值,如果以上两重判断均为是,则认为A、B两个感知信息具有关联性,通俗的说,就是判断A、B之间的距离是否足够近且A、B保持足够近的时间是否足够长;如果距离始终保持足够近且时间足够长,就认为二者之间具有关联性,也就是属于对同一个人物的出入在同一时间范围并行感知的信息。相反,如果两个感知信息A、B的距离始终很远,则不具有关联性;如果A、B虽然距离达到了足够近,但保持足够近距离的时间短暂,也不会被认定为具有关联。为了能够量化地判定A、B两个感知信息是否具备关联性,社区微卡口根据A、B两个感知信息距离保持小于关联距离阈值的时间长度值计算二者的关联度值,也即根据A、B保持足够近的时间长短来量化关联度,A、B保持在一起足够近的时间越长,则关联度的数值也越高,当关联度高于一定的阈值,则认定A、B具备关联性,从而实现对关联性的量化评估。最后,社区微卡口将所判定具有关联性的感知信息A、B都登记到同一个身份ID的一次出入记录项之下。
更进一步来说,为了确认A、B两个感知信息的距离,可以采用如下的方式:(1)对于由视频提取或者面部识别提取的感知信息,社区微卡口基于预先标定所建立的画面位置坐标与真实空间位置坐标之间的映射关系,将目标位置转换为场景真实空间位置坐标,即:
其中坐标(x,y)表示目标的画面位置坐标,表示摄像机坐标,f表示摄像机焦距,表示摄像机在空间三个旋转轴向自由度上的旋转系数,而表示摄像机在空间三个平移轴向自由度上的平移系数,表示目标在场景真实空间位置坐标,一般可以忽略其中Z坐标,而只保留X、Y坐标。(2)对于MAC地址感知或电子车牌、ETC感知的目标,确定被感知的目标相对于社区微卡口的距离值;该距离值d可以通过社区微卡口的接收信号强度RSSI(d)计算,具体为:
其中d0表示参考距离,RSSI(d0),RSSI(d)为距离为d0、d时的信号接收功率,Xσ表示标准偏差。进而,社区微卡口可以根据自身的安装位置以及上述距离值d,取得被感知的目标的位置范围。(3)对于门禁机、指纹机刷卡感知的人物目标,则可以直接将门禁机的安装位置作为目标位置。
这样,如图3所示,如果社区微卡口通过门禁刷卡获取感知信息A的位置、通过视频提取获取感知信息B的位置、通过MAC地址侦测获取感知信息C的位置,且三者根据距离-时间双重阈值的判定规则确定的关联度大于阈值,则认为以上三个感知信息是同一个人物的同一次出入过程中并行感知的,社区微卡口将感知信息A、B、C都登记到同一个身份ID的一次出入记录项之下,作为一个人员数据。
S102、社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统。社区微卡口具有远程通信功能,可以基于GPRS、3G、4G、NB-IOT等协议将采集的人员数据、车辆数据上传给位于远程后台的大数据AI综合分析系统。当然,本领域技术人员可以采用其他方式进行出入人员和/或车辆数据的传送,本申请不进行限定。
S103、大数据AI综合分析系统对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果。
大数据AI综合分析系统从前端大量的社区微卡口获取这些微卡口采集的人员数据和车辆数据,这些数据记录了社区范围内每次人员和车辆进出信息,包括身份ID、车牌号码以及出入时间;通过汇集这些信息,可以构成关于社区人员和车辆进出信息的大数据。
进而,大数据AI综合分析系统可以结合不同数据分析需求,匹配相应的人员和车辆进出信息大数据,对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果。大数据AI综合分析系统可以采用机器学习中的聚类算法,结合所述人员和/或车辆数据,针对数据分析需求,进行聚类分析,确定数据分析结果,最后,将数据分析结果图形化进行输出,以便将结果进行更清楚明了的体现。
大数据AI综合分析系统基于人员和车辆进出信息的大数据,可以执行的聚类分析包括以下过程:首先,进行特定人员行动轨迹的提取追踪;其次,运用聚类机器学习算法,根据人员行动轨迹进行人员类型的识别(比如,出入社区的人员可能存在社区业主、访客、物业工作人员、快递等服务人员、流动人员等,每种人员的行动轨迹存在自身的特征,可以通过AI算法进行自动的识别);第三,对社区或者社区建筑、楼层进行人员分布的分析;最后,对以上提取和分析结果可以进行图形化的展示。
具体来说,首先,对于特定的人员身份ID或者车辆号牌,可以根据社区微卡口采集的数据,提取该人员或者车辆在过去一段日期以内的出入时间、出入地点、出入社区时长、社区内行为轨迹长度、社区停留位置分布等,从而将每个人员身份ID或者车辆号牌的行为轨迹整理为一个行为特征向量,记为Ei-n,Ei-n+1...,Ei;预设将人物或者车辆的行为特征归入k个分类,则从n个行为特征向量中任意选取k个作为初始聚类中心,计为Ec1,Ec2,......,Eck;计算Ei-n,Ei-n+1...,Ei与Ec1,Ec2,......,Eck特征向量的距离值Vi-Ck=|Ei-Eck|,进而将Ei-n,Ei-n+1...,Ei中的每一个特征向量分配给Ec1,Ec2,......,Eck当中与之距离最近的聚类中心;然后再重新计算每个聚类的聚类中心;然后计算Ei-n,Ei-n+1...,Ei中每个特征向量与重新计算的聚类中心的距离值,并根据距离值将Ei-n,Ei-n+1...,Ei中的每个行为特征向量重新分配给与之距离最近的聚类中心;然后再次更新维护聚类中心;迭代以上过程,直至更新后聚类中心不再发生变化。这样,每一组行为特征向量的聚类反映了该类型人员的行动轨迹,例如业主在社区内的出入次数、出入时间和行为轨迹是比较固定的,而流动人员在各个社区的出入次数、出入时间和行为轨迹则比较分散,可以通过上述聚类分析准确识别出每个身份ID所属于的人员类型。从而,系统可以对社区或者社区建筑、楼层内每种类型人员的数量、分布进行统计分析;最后,对以上提取和分析结果可以进行图形化的展示,包括生成和显示柱状图、饼图、气泡图等形式的图表。
如图2所示,本发明还提供一种社区数据分析系统,包括:
社区微卡口201,用于获取社区出入人员和/或车辆数据,将所述人员和/或车辆数据传送给大数据AI综合分析系统;
大数据AI综合分析系统202,用于对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果。
如前文所述,社区微卡口201可以设置在每个住宅社区的人员、车辆出入口,或者设立于社区内每个建筑物的人员、车辆出入口,以及设立在社区道路、建筑物电梯间等人员车辆通行必经的公共区域。实际应用中,社区微卡口201获取社区出入人员和/或车辆数据,可以通过如下几个方式实现:(1)社区微卡口201通过门禁机刷卡信息,获取社区出入人员和/或车辆数据;(2)社区微卡口201通过指纹门禁、面部识别门禁等获取的人员身体特征信息,获取社区出入人员和/或车辆数据;(3)社区微卡口201通过移动终端的MAC地址侦测,获取社区出入人员数据;(4)社区微卡口201结合视频数据、电子车牌数据和/或ETC系统数据,获取社区出入车辆数据。社区微卡口将针对同一个人员或车辆并行感知的多种类型的身份信息和进出时间信息相互关联起来,组合形成所述人员数据和车辆数据。社区微卡口201采集的社区出入人员和/或车辆数据,可以包括人员出入时间和人员身份标识、采集的车辆信息包括车辆出入时间和车辆号牌,也可以包括其他人员和/或车辆数据。社区微卡口201也可以采集更多的附加信息,比如在一段时期内社区内人员对同一产品的使用数量等,也可以包括社区内出入车辆型号和平均价值,以确认社区内人员的消费偏好。例如,当公安机关需要对特定人员的行动轨迹进行提取追踪,可以采用门禁机刷卡、指纹门禁、面部识别门禁来获取出入人员数据;当社区服务机构需要设定社区车辆管理解决方案时,可以结合视频数据、电子车牌数据和/或ETC系统数据,来获取社区出入车辆数据,从而确定社区各车型占比,车辆大体数量能信息,来生成车辆管理解决方案;当需要确认社区人员分布,以及社区人员财政水平估计,以明确针对当前社区的商业策略,如广告投放策略时,可以主要通过观测视频数据、移动终端的MAC地址侦测等方式确定出入人员车辆的大体经济水平,以及消费偏好信息。
社区微卡口201将所述人员和/或车辆数据传送给大数据AI综合分析系统202,可以基于GPRS、3G、4G或NB-IOT协议进行传送,当然,本领域技术人员可以采用其他方式进行出入人员和/或车辆数据的传送,本申请不进行限定。
大数据AI综合分析系统202从前端大量的社区微卡口201获取这些微卡口采集的人员、车辆进出信息;通过汇集这些信息,可以构成关于社区人员、车辆进出信息的大数据。可以由大数据AI综合分析系统202获取数据分析需求,去匹配相应的数据获取方式,再启动相应数据获取方式指示对应的社区微卡口201,从而获取相应的出入人员和/或车辆数据。
所述大数据AI综合分析系统202对所述人员和/或车辆数据进行大数据分析,并输出图形化分析结果,包括:结合所述人员和/或车辆数据,进行聚类分析,确定数据分析结果,进行图形化并输出。这里,大数据AI综合分析系统202,可以采用机器学习中的聚类算法,对人员和/或车辆数据进行分析,并且结合最初的数据分析需求,确定相应的数据分析方式,并生成相应的数据分析结果,最后,将数据分析结果图形化进行输出,以便将结果进行更清楚明了的体现。
根据本发明提供的社区数据分析方法及系统,可以对社区进行更可靠的安全管理,并为社区提供更优质的社区服务,有益于社区智能化管理的进一步发展,公安等管理部门可以有效掌握所辖片区内大小社区的人员信息,连锁地产公司也可以根据本发明提供的社区数据分析方法对本公司开发各个社区的人员信息进行采集和大数据分析,从而为物业等配套服务提供依据。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种社区微卡口综合AI分析方法,包括:
社区微卡口通过门禁机刷卡、指纹或者面部信息识别、MAC地址侦测、视频提取、电子车牌或ETC感知这些手段中的一种以上,并行感知进出社区的人员或者车辆,并且将针对同一个人员或者车辆并行感知的多种类型的身份信息和进出时间信息相互关联起来,组合形成社区出入人员和/或车辆数据;所述社区出入人员和/或车辆数据,包括如下之一或组合:人员出入的时间、人员身份标识、车辆出入时间、车辆号牌,共同描述进出社区的人员和车辆的身份以及时间分布,其中人员身份标识为登记身份ID;其中,将针对同一个人员或者车辆并行感知的多种类型的身份信息和进出时间信息相互关联起来包括:基于两个感知信息的感知发生位置,判断两个感知信息之间的距离是否小于关联距离阈值,并且判断两个感知信息之间距离保持小于关联距离阈值的时间长度是否大于关联时间阈值,如果以上两重判断均为是,则认为两个感知信息具有关联性,将所判定具有关联性的感知信息都登记到同一个身份ID的一次出入记录项之下;
社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统;
大数据AI综合分析系统对所述人员和/或车辆数据进行大数据聚类分析,并输出图形化分析结果;所述聚类分析包括以下过程:对于特定的人员身份ID或者车辆号牌,提取该人员或者车辆在过去一段日期以内的出入时间、出入地点、出入社区时长、社区内行为轨迹长度、社区停留位置分布,从而将每个人员身份ID或者车辆号牌的行为轨迹整理为一个行为特征向量,记为Ei-n,Ei-n+1...,Ei;预设将人物或者车辆的行为特征归入k个分类,则从n个行为特征向量中任意选取k个作为初始聚类中心,记为Ec1,Ec2,......,Eck;计算Ei-n,Ei-n+1...,Ei与Ec1,Ec2,......,Eck特征向量的距离值Vi-ck=|Ei-Eck|,进而将Ei-n,Ei-n+1...,Ei中的每一个特征向量分配给Ec1,Ec2,......,Eck当中与之距离最近的聚类中心;然后再重新计算每个聚类的聚类中心;然后计算Ei-n,Ei-n+1...,Ei中每个特征向量与重新计算的聚类中心的距离值,并根据距离值将Ei-n,Ei-n+1...,Ei中的每个行为特征向量重新分配给与之距离最近的聚类中心;然后再次更新维护聚类中心;迭代以上重新计算每个聚类的聚类中心、计算每个特征向量与重新计算的聚类中心的距离值、根据距离值将每个行为特征向量重新分配给与之距离最近的聚类中心的过程,直至更新后聚类中心不再发生变化;通过上述聚类分析准确识别出每个身份ID所属于的人员类型;对社区或者社区建筑、楼层内每种类型人员的数量、分布进行统计分析;对以上提取和分析结果进行图形化的展示。
2.如权利要求1所述的方法,其中,所述社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统,包括:
所述社区微卡口将所述人员和/或车辆数据基于GPRS、3G、4G或NB-IOT协议传送给大数据AI综合分析系统。
3.一种社区微卡口综合AI分析系统,包括:
社区微卡口,用于通过门禁机刷卡、指纹或者面部信息识别、MAC地址侦测、视频提取、电子车牌或ETC感知这些手段中的一种以上,并行感知进出社区的人员或者车辆,并且将针对同一个人员或者车辆并行感知的多种类型的身份信息和进出时间信息相互关联起来,组合形成社区出入人员和/或车辆数据,所述社区出入人员和/或车辆数据,包括如下之一或组合:人员出入的时间、人员身份标识、车辆出入时间、车辆号牌,共同描述进出社区的人员和车辆的身份以及时间分布,其中人员身份标识为登记身份ID;其中,将针对同一个人员或者车辆并行感知的多种类型的身份信息和进出时间信息相互关联起来包括:基于两个感知信息的感知发生位置,判断两个感知信息之间的距离是否小于关联距离阈值,并且判断两个感知信息之间距离保持小于关联距离阈值的时间长度是否大于关联时间阈值,如果以上两重判断均为是,则认为两个感知信息具有关联性,将所判定具有关联性的感知信息都登记到同一个身份ID的一次出入记录项之下;将所述人员和/或车辆数据传送给大数据AI综合分析系统;
大数据AI综合分析系统,用于对所述人员和/或车辆数据进行大数据聚类分析,并输出图形化分析结果;所述聚类分析包括以下过程:对于特定的人员身份ID或者车辆号牌,提取该人员或者车辆在过去一段日期以内的出入时间、出入地点、出入社区时长、社区内行为轨迹长度、社区停留位置分布,从而将每个人员身份ID或者车辆号牌的行为轨迹整理为一个行为特征向量,记为Ei-n,Ei-n+1...,Ei;预设将人物或者车辆的行为特征归入k个分类,则从n个行为特征向量中任意选取k个作为初始聚类中心,记为Ec1,Ec2,......,Eck;计算Ei-n,Ei-n+1...,Ei与Ec1,Ec2,......,Eck特征向量的距离值Vi-ck=|Ei-Eck|,进而将Ei-n,Ei-n+1...,Ei中的每一个特征向量分配给Ec1,Ec2,......,Eck当中与之距离最近的聚类中心;然后再重新计算每个聚类的聚类中心;然后计算Ei-n,Ei-n+1...,Ei中每个特征向量与重新计算的聚类中心的距离值,并根据距离值将Ei-n,Ei-n+1...,Ei中的每个行为特征向量重新分配给与之距离最近的聚类中心;然后再次更新维护聚类中心;迭代重新计算每个聚类的聚类中心、计算每个特征向量与重新计算的聚类中心的距离值、根据距离值将每个行为特征向量重新分配给与之距离最近的聚类中心的过程,直至更新后聚类中心不再发生变化;通过上述聚类分析准确识别出每个身份ID所属于的人员类型;对社区或者社区建筑、楼层内每种类型人员的数量、分布进行统计分析;对以上提取和分析结果进行图形化的展示。
4.如权利要求3所述的系统,其中,所述社区微卡口将所述人员和/或车辆数据传送给大数据AI综合分析系统,包括:
所述社区微卡口将所述人员和/或车辆数据基于GPRS、3G、4G或NB-IOT协议传送给大数据AI综合分析系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810348194.2A CN108711119B (zh) | 2018-04-18 | 2018-04-18 | 一种社区微卡口综合ai系统及其数据展现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810348194.2A CN108711119B (zh) | 2018-04-18 | 2018-04-18 | 一种社区微卡口综合ai系统及其数据展现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108711119A CN108711119A (zh) | 2018-10-26 |
CN108711119B true CN108711119B (zh) | 2019-04-23 |
Family
ID=63866793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810348194.2A Active CN108711119B (zh) | 2018-04-18 | 2018-04-18 | 一种社区微卡口综合ai系统及其数据展现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108711119B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636200A (zh) * | 2018-12-17 | 2019-04-16 | 秒针信息技术有限公司 | 餐厅服务行为统计方法和装置 |
CN110334563B (zh) * | 2019-03-18 | 2020-05-29 | 特斯联(北京)科技有限公司 | 一种基于大数据的社区安全管理方法和系统 |
CN110198342B (zh) * | 2019-04-19 | 2020-01-31 | 特斯联(北京)科技有限公司 | 一种快速出入社区卡口的方法及装置 |
CN110139221B (zh) * | 2019-05-09 | 2020-02-14 | 特斯联(北京)科技有限公司 | 一种基于手机信号微卡口的人口集群动态监测方法与系统 |
CN110191429B (zh) * | 2019-05-29 | 2022-09-27 | 福建威盾科技集团有限公司 | 一种基于群智能算法的车与wifi对碰的方法 |
CN110705819B (zh) * | 2019-08-20 | 2021-06-15 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据的社区资源匹配方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104967819A (zh) * | 2015-06-19 | 2015-10-07 | 张海滨 | 一种基于mac地址搜集管理的安保预警系统及安全预警方法 |
CN105913342A (zh) * | 2016-04-08 | 2016-08-31 | 上海旭薇物联网科技有限公司 | 一种基于大数据挖掘算法的智慧社区系统 |
CN106981041A (zh) * | 2017-05-10 | 2017-07-25 | 深圳火眼智能有限公司 | 一种基于深度学习的智慧平安社区管理系统 |
CN206431621U (zh) * | 2016-08-22 | 2017-08-22 | 赵德均 | 一种基于大数据共建共享的智慧社区系统 |
-
2018
- 2018-04-18 CN CN201810348194.2A patent/CN108711119B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104967819A (zh) * | 2015-06-19 | 2015-10-07 | 张海滨 | 一种基于mac地址搜集管理的安保预警系统及安全预警方法 |
CN105913342A (zh) * | 2016-04-08 | 2016-08-31 | 上海旭薇物联网科技有限公司 | 一种基于大数据挖掘算法的智慧社区系统 |
CN206431621U (zh) * | 2016-08-22 | 2017-08-22 | 赵德均 | 一种基于大数据共建共享的智慧社区系统 |
CN106981041A (zh) * | 2017-05-10 | 2017-07-25 | 深圳火眼智能有限公司 | 一种基于深度学习的智慧平安社区管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108711119A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108711119B (zh) | 一种社区微卡口综合ai系统及其数据展现方法 | |
CN108062809B (zh) | 一种实现人员大数据采集分析的住宅门禁系统 | |
CN104598797B (zh) | 一种采用面部识别、面部静脉认证与手指静脉认证相结合的认证装置及认证方法 | |
CN104318217A (zh) | 一种基于分布式云计算的人脸识别情报分析方法和系统 | |
CN109033325A (zh) | 基于人脸识别技术的旅游终端系统及其使用方法 | |
CN111737674B (zh) | 一种基于云平台的智慧园区系统 | |
CN112328995B (zh) | 一种基于tof图像传感器验证的社会管理系统 | |
CN109544754A (zh) | 一种基于人脸识别的门禁方法及系统、计算机设备 | |
CN113792836B (zh) | 多层级安全智慧园区控制方法和系统 | |
CN106296879A (zh) | 基于无线探测的人流量获取的方法、装置和系统 | |
CN106682473A (zh) | 一种用户身份信息的识别方法及其装置 | |
CN103699801B (zh) | 一种时空规律的地铁乘客聚类和边缘检测方法 | |
CN110138861A (zh) | 一种安防智能化方法及装置 | |
CN109448139A (zh) | 一种闸机通行方法及系统 | |
CN109712291A (zh) | 电子闸门的开启方法、装置及服务器 | |
CN104240348B (zh) | 基于图像识别的入场身份认证方法 | |
CN108399387A (zh) | 用于识别目标群体的数据处理方法及装置 | |
CN116308748B (zh) | 一种基于知识图谱的用户欺诈行为判断系统 | |
CN114882974B (zh) | 一种心理诊断数据库访问人工智能验证系统及方法 | |
CN204406430U (zh) | 一种采用手指静脉识别与腕部静脉识别结合认证的住宅小区门禁认证机构 | |
CN111080307A (zh) | 基于量子ai遥感视觉的智能交易和社交方法及系统 | |
CN107371122B (zh) | 基于电子设备行为模式的辅助定位的实现方法 | |
CN113158958B (zh) | 通行方法及相关装置 | |
KR102549944B1 (ko) | 인공지능 기술기반의 의료기관 출입자 관리 시스템 및 방법 | |
CN107909092A (zh) | 基于本体身份特征的涉嫌暴恐人员研判识别方法及系统 |
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 |