CN109033451A - 人车动态档案分析方法及装置 - Google Patents
人车动态档案分析方法及装置 Download PDFInfo
- Publication number
- CN109033451A CN109033451A CN201810963480.XA CN201810963480A CN109033451A CN 109033451 A CN109033451 A CN 109033451A CN 201810963480 A CN201810963480 A CN 201810963480A CN 109033451 A CN109033451 A CN 109033451A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- people
- module
- structure information
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种人车动态档案分析方法及装置,涉及大数据分析技术领域,包括从数据库中获取人车动态档案;根据所获取的人车动态档案,统计人车关联属性,人车关联属性包括:车辆个人属性和车辆社会属性;其中,人车动态档案存储有车辆结构化信息,以及与车辆结构化信息相互关联的人脸结构化信息、行人结构化信息、手机结构化信息和管理结构化信息中的至少一种。该方法利用监控设备获取的视频信息,建立人车动态档案,缓解了现有技术中存在的静态档案信息更新速度慢的问题,解决了静态档案难以反应人员和车辆的行驶轨迹、作息规律和异常变化等动态信息的技术问题。
Description
技术领域
本发明涉及大数据分析技术领域,尤其是涉及一种人车动态档案分析 方法及装置。
背景技术
随着视频监控技术的不断推进,监控系统也正向着智能化发展,利用 人工智能技术和计算机视觉技术将非结构化视频数据进行结构化处理,为 为大数据平台和数据挖掘系统提供数据基础,已经成为大势所趋,目前基 本可以做到“人过留脸、车过留牌”的程度。
人员和车辆的档案信息在视频监控领域发挥着重要的作用,人员在派 出所的档案信息,记录人的姓名、性别、年龄、学习经历、工作经历、居 住地址、涉案、涉毒、涉恐等信息;车辆在车管所的档案信息,记录车辆 信息(车辆品牌、型号、颜色、号牌、年检信息等)、车主信息(车主姓名、 年龄、性别、登记居住地等)、车主涉案信息(是否涉案、涉毒、涉恐,是否有犯罪前科等)、驾驶员信息(驾驶员姓名、年龄、性别、登记居住地等)。
目前,人员和车辆仅有静态档案信息,更新速度慢,城市人员和车辆 数量基数大,流动性强,每个城市都有大量外来城市车辆,而每辆车只有 在登记注册的城市车管所有记录。因此,静态档案信息难以反应人员和车 辆的行驶轨迹、作息规律和异常变化等动态信息。
发明内容
有鉴于此,本发明的目的在于提供一种人车动态档案分析方法及装置, 以缓解现有技术中存在的静态档案信息更新速度慢的问题,解决静态档案 难以反应人员和车辆的行驶轨迹、作息规律和异常变化等动态信息的技术 问题。
第一方面,本发明实施例提供了一种人车动态档案分析方法,包括:
从数据库中获取人车动态档案;
根据所获取的人车动态档案,统计人车关联属性,所述人车关联属性 包括:车辆个人属性和车辆社会属性;
其中,所述人车动态档案存储有车辆结构化信息,以及与所述车辆结 构化信息相互关联的人脸结构化信息、行人结构化信息、手机结构化信息 和管理结构化信息中的至少一种。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方 式,其中,所述方法还包括:
对监控设备获取的视频进行结构化信息提取,获得车辆结构化信息、 人脸结构化信息、行人结构化信息、手机结构化信息和管理结构化信息;
对所述车辆结构化信息、所述人脸结构化信息、所述行人结构化信息、 所述手机结构化信息和所述管理结构化信息进行匹配,建立人车动态档案 的数据库。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方 式,其中,所述车辆结构化信息包括:车辆固有属性、驾驶员信息、车辆 个性化信息中的至少一种;
所述人脸结构化信息包括:样貌特征、表情中的至少一种;
所述行人结构化信息包括:样貌特征、着装信息、装饰品、随身物品 信息中的至少一种;
所述手机结构化信息包括:无线MAC地址、IMEI号、手机号码中的 至少一种;
所述管理结构化信息包括车管所的档案信息、派出所的档案信息中的 至少一种。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方 式,其中,所述车辆社会属性包括:车辆的个体社会行为属性和车辆的经 济指数属性。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方 式,其中,所述车辆的经济指数属性包括:对外经济指数、车辆占用指数 和外地车辆占比指数。
第二方面,本发明实施例还提供一种人车动态档案分析装置,包括:
获取模块:用于从数据库中获取人车动态档案;
统计模块,用于根据所获取的人车动态档案,统计人车关联属性,所 述统计模块包括:车辆个人属性统计模块和车辆社会属性统计模块;
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方 式,其中,所述装置还包括:
结构化模块,用于对监控设备获取的视频进行结构化信息提取,所述 结构化模块包括:车辆结构化模块、人脸结构化模块、行人结构化模块、 手机结构化模块和管理结构化模块;
数据库模块,用于对所述车辆结构化信息、所述人脸结构化信息、所 述行人结构化信息、所述手机结构化信息和所述管理结构化信息进行匹配, 建立人车动态档案的数据库。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方 式,其中,所述车辆结构化模块用于提取包括:车辆固有属性、驾驶员信 息、车辆个性化信息中的至少一种;
所述人脸结构化模块用于提取包括:样貌特征、表情中的至少一种;
所述行人结构化模块用于提取包括:样貌特征、着装信息、装饰品、 随身物品信息中的至少一种;
所述手机结构化模块用于提取包括:无线MAC地址、IMEI号、手机 号码中的至少一种;
所述管理结构化信息模块用于提取包括:车管所的档案信息、派出所 的档案信息中的至少一种。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方 式,其中,所述车辆社会属性统计模块包括:车辆的个体社会行为属性统 计单元和车辆的经济指数属性统计单元。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方 式,其中,所述车辆的经济指数属性统计单元用于统计包括:对外经济指 数、车辆占用指数和外地车辆占比指数。
本发明实施例带来了以下有益效果:本发明实施例提供的一种人车动 态档案分析方法及装置,通过从数据库中获取人车动态档案;根据所获取 的人车动态档案,统计人车关联属性,人车关联属性包括:车辆个人属性 和车辆社会属性;其中,人车动态档案存储有车辆结构化信息,以及与车 辆结构化信息相互关联的人脸结构化信息、行人结构化信息、手机结构化 信息和管理结构化信息中的至少一种。该方法利用监控设备获取的视频信息,建立人车动态档案,基于人车动态档案通过大数据分析的方法,统计 车辆个人属性和社会属性,因此该方法能够实时、快速地获取城市内人员 和车辆的档案信息,缓解了现有技术中存在的静态档案信息更新速度慢的 问题,解决了静态档案难以反应人员和车辆的行驶轨迹、作息规律和异常 变化等动态信息的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从 说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其 他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实 施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下 面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍, 显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的人车动态档案分析方法的流程图;
图2为本发明实施例提供的步骤S12的详细流程图;
图3为本发明实施例提供的步骤S122的详细流程图;
图4为本发明实施例提供的人车动态档案分析装置的示意图。
图标:
21-结构化模块;22-数据库模块;23-获取模块;24-统计模块;211-车 辆结构化模块;212-人脸结构化模块;213-行人结构化模块;214-手机结构 化模块;215-管理结构化模块;241-车辆个人属性统计模块;242-车辆社会 属性统计模块;2421-车辆的个体社会行为属性统计单元;2422-车辆的经济 指数属性统计单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附 图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是 本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本 领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例,都属于本发明保护的范围。
目前,人员和车辆仅有静态档案信息,更新速度慢,城市人员和车辆 数量基数大,流动性强,每个城市都有大量外来城市车辆,而每辆车只有 在登记注册的城市车管所有记录。因此,静态档案信息无法反应人员和车 辆的行驶轨迹、作息规律和异常变化等动态信息。
基于此,本发明实施例提供的一种人车动态档案分析方法及装置,可 以缓解现有技术中存在的静态档案信息更新速度慢的问题,解决了静态档 案难以反应人员和车辆的行驶轨迹、作息规律和异常变化等动态信息的技 术问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种人车 动态档案分析方法进行详细介绍。
实施例一:
本发明实施例提供了一种人车动态档案分析方法,可以用于视频监控 服务器等。如图1所示,该人车动态档案分析方法包括以下步骤:
S11:从数据库中获取人车动态档案。
该人车动态档案数据库存储有车辆结构化信息,以及与车辆结构化信 息相互关联的人脸结构化信息、行人结构化信息、手机结构化信息和管理 结构化信息。在其他实施方式中,也可以根据实际应用场景对数据库中存 储的信息进行变更,例如可以包括人脸结构化信息、行人结构化信息、手 机结构化信息和管理结构化信息中的一种或多种。
人车动态档案是以车辆为主线融合行人和人脸信息建立的数据库,该 人车动态档案以时间和空间为线索,记录人员和车辆在不同时间、不同地 点的行动轨迹,反应人员和车辆的动态变化。
建立人车动态档案数据库具体包括以下两个子步骤:
S111:对监控设备获取的视频进行结构化信息提取,获得车辆结构化 信息、人脸结构化信息、行人结构化信息、手机结构化信息和管理结构化 信息。
利用人工智能和计算机视觉方法对监控设备获取的视频进行结构化信 息提取。
车辆结构化信息包括:车辆固有属性、驾驶员信息、个性化信息等信 息中的至少一种。
车辆固有属性包括:车辆颜色、品牌型号年款、车牌号码、车辆类型 等特征中的至少一种。在识别车辆颜色时,将车辆颜色划分为13种,包括: 黑、白、银、灰、青、蓝、绿、黄、金、红、紫、粉、棕。在识别车辆品 牌型号时会将相同外观的车辆进行合并,同时将车头和车尾信息进行区分, 其中车头信息包括5500种以上,车尾信息包括3500种以上。在识别车牌信息时除了车牌上的字符信息,还会识别车牌的颜色和种类信息。号牌颜 色包括:蓝、黄、白、黑、绿五种颜色,号牌类型包括:澳门入出境车、 大型汽车、教练汽车、警用汽车、军队汽车、外籍汽车、香港入出境车、 小型汽车。车辆类型按照国标会划分为21大类,包括轿车、小型货车、大 型货车、轻客、小型客车、大型客车、面包车、皮卡车、越野车、商务车、 挂车、混凝土搅拌车、罐车、随车吊、消防车、渣土车、押运车、工程抢 修车、救援车、栏板卡车、三轮车。驾驶员信息包括:主驾驶人员未系安 全带、开车打电话、副驾驶人员未系安全带、主副驾驶人员的人脸;为了 克服假牌车和套牌车对车辆识别的影响,给每辆车赋予唯一标识,还会识 别车辆的个性化信息,包括:车辆年检标、遮阳板、挂坠、摆件、纸巾盒、 天窗、行李架、备胎、撞损痕等特征中的至少一种;在提取行人结构化信 息时,将车辆的固有属性、驾驶员信息、个性化信息等信息数字化,生成 车辆的重认证特征码,该重认证特征码用于跨镜头追踪、以图搜图以及行 驶轨迹复现。
人脸结构化信息包括:样貌特征、表情等信息中的至少一种;样貌特 征包括:性别(男、女)、年龄段(小孩、青年、中年、老年)、发型、发 色、胡须等特征中的至少一种;表情包括:喜、怒、哀、乐等表情中的至 少一种;在年龄识别的时候不考虑识别准确年龄,而是识别年龄段,以提 高识别准确率。在提取人脸结构化信息时,将人脸的样貌特征、表情等信 息数字化,生成人脸的重认证特征码,该重认证的特征码用于人脸识别、 跨镜头追踪、以图搜图以及行驶轨迹复现。
行人结构化信息包括:样貌特征、着装信息、装饰品、随身物品等信 息中的至少一种;样貌特征包括:性别(男、女)、年龄段(小孩、青年、 中年、老年)、发型、发色、胡须等特征中的至少一种;着装信息包括:上 下身着装的颜色、纹理、款式、类型等特征中的至少一种,装饰品包括: 是否戴眼镜、口罩、帽子等特征中的至少一种;随身物品信息包括是否打 雨伞、抱小孩、拉行李箱、背包、拎包等特征中的至少一种。在提取行人 结构化信息时,将行人的样貌特征、着装信息、装饰品、随身物品等信息 数字化,生成行人的重认证特征码,该重认证特征码用于跨镜头追踪、以 图搜图以及行驶轨迹复现。
手机结构化信息包括:无线MAC地址、IMEI号、手机号码等 信息中的至少一种;
管理结构化信息包括:车管所的档案信息、派出所的档案信息中的至 少一种。人员在派出所会的档案信息,记录人的姓名、性别、年龄、学习 经历、工作经历、居住地址、涉案、涉毒、涉恐等信息;车辆在车管所的 档案信息,记录车辆信息(车辆品牌、型号、颜色、号牌、年检信息等)、 车主信息(车主姓名、年龄、性别、登记居住地等)、车主涉案信息(是否涉案、涉毒、涉恐,是否有犯罪前科等)、驾驶员信息(驾驶员姓名、年龄、 性别、登记居住地等)。
S112:对车辆结构化信息、人脸结构化信息、行人结构化信息、手机 结构化信息和管理结构化信息进行匹配,建立人车动态档案的数据库。
经结构化信息处理后,将车辆、人脸及行人结构化信息存储到云端数 据库。通过车辆结构化的车型、驾驶员等信息,人脸结构化的性别、年龄、 身份等信息,与行人结构化性别、年龄、发型等信息,及通过大数据搜索 技术,将某些特征信息进行匹配,建立人员和车辆之间的关联关系。搜索 相同人员在不同时间,不同地点出现的视频信息,获取人员和车辆的动态 活动数据,从而建立人脸、行人及车辆结构化信息相互关联的人车动态档 案数据库。
例如,在视频A中能拍到人脸,通过人脸识别,获得身份、年龄、性 别等信息;在视频B中仅能拍到行人,通过对行人识别,获得衣着特征属 性、发型、随身物品等;在视频C中仅能拍到车辆,通过车辆识别,对车 牌、车型等进行识别,从而建立人脸、行人和车辆之间的关联。通过获取 不同视频中人员和车辆出现的时间和地点,可以得到该人员和车辆的轨迹 关联的和时间关联的的档案记录。
S12:根据所获取的人车动态档案,统计人车关联属性。
其中,人车关联属性包括车辆个人属性和车辆社会属性。如图2所示, 本步骤具体包括以下子步骤:
S121:统计车辆个人属性。
包括:1、通过时空碰撞,进行车辆-人-手机的目标关联。
通过获取不同时间的车辆结构化信息、人脸结构化信息、行人结构化 信息和手机结构化信息,可以将车辆、人员和手机进行关联。
2、统计某区域居住人口和车辆数量、某区域上班的人口和车辆数量。
3、统计车辆及驾驶员的人脉关系。
4、统计车辆和人的活动轨迹、区域及活动规律。
基于轨迹的人车动态档案记录及数据关联,通过统计人员的居住地、 工作地、休闲时段轨迹、工作时段轨迹、节假日轨迹,可以获得其邻居、 同事、客户、朋友圈等信息。
5、统计车辆和人的生活及工作习惯。
基于时间建立的人车动态档案可以记录人员的生活规律、作息规律、 出行规律、消费规律。
S122:统计车辆社会属性。
车辆都有其存在的社会属性,其中,大货车代表长途货物运输,表征 外向型经济。小货车代表短途市内货物运输,表征消费型经济。大客表征 远途旅游。小客表征短途消费(日常上下班除外)。高低档轿车代表消费档 次。渣土车、混凝土搅拌车、随吊车等表征基础建设热度。
如图3所示,步骤S122:统计车辆社会属性,具体包括以下两个子步 骤:
S1221:统计车辆的个体社会行为属性,包括:评估车辆的个体社会行 为,预测车辆的个体社会行为。
通过大数据分析,可以对车辆的个体社会行为进行评估和预测,为公 安部门提供参考。
评估车辆的个体社会行为,包括:车主可能的行业及职业,车主的社 会层次,车主的性格、习惯,车主的可疑的行为及生活规律,车主的可疑 的行为及生活规律变化。
预测车辆的个体社会行为,包括;车主的违法犯罪倾向性预测,车主 的车辆行驶安全性预测。
S1222:统计车辆的经济指数属性。
车辆的经济指数包括:对外经济指数、车辆占用指数和外地车辆占比 指数。
对外经济指数:通过统计城市日常进出入货物运输车辆、节假日进出 入游玩车辆等车辆细分模型,统计城市对外经济指数变化以及本市对邻近 城市的差异。比如:北京和内蒙、天津、石家庄各个方向在各种车辆的差 异。
车辆占用指数:通过统计城市车辆在时间段内的车辆数据变化,通过 “量”和“质”上来进行双重分析。从“量”上分析就是针对车辆保有量 在时间段内的统计。从城市出入口的监控设备拍摄内容可以获取出入城市 的车辆行驶方向,从而计算出在时间段内的城市车辆保有量;从“质”上 分析就是区分城市车辆价格区间占比的分析,统计一个城市全城车辆经济 占比情况。
外地车辆占比指数:通过分析城市的本地车辆和外地车辆的占比,可 以分析城市人口结构。
本发明实施例提供的人车动态档案分析方法中,通过从数据库中获取 人车动态档案;根据所获取的人车动态档案,统计人车关联属性,人车关 联属性包括:车辆个人属性和车辆社会属性;其中,人车动态档案存储有 车辆结构化信息,以及与车辆结构化信息相互关联的人脸结构化信息、行 人结构化信息、手机结构化信息和管理结构化信息中的至少一种。该方法 利用监控设备获取的视频信息,建立人车动态档案,基于人车动态档 案通过大数据分析的方法,统计车辆个人属性和社会属性。因此,该方 法能够实时、快速地获取城市内人员和车辆的档案信息,缓解了现有 技术中存在的静态档案信息更新速度慢的问题,解决了静态档案难以 反应人员和车辆的行驶轨迹、作息规律和异常变化等动态信息的技术 问题。
实施例二:
本发明实施例提供的一种人车动态档案分析装置,如图4所示,该装 置包括:结构化模块21、数据库模块22、获取模块23、统计模块24。
其中,结构化模块21包括:车辆结构化模块211、人脸结构化模块212、 行人结构化模块213、手机结构化模块214和管理结构化模块215;统计模 块24包括:车辆个人属性统计模块241和车辆社会属性统计模块242;车 辆社会属性统计模块242包括:车辆的个体社会行为属性统计单元2421和 车辆的经济指数属性统计单元2422。
结构化模块21,用于对监控设备获取的视频进行结构化信息提取;数 据库模块22,用于对车辆结构化信息、人脸结构化信息、行人结构化信息、 手机结构化信息和管理结构化信息进行匹配,建立人车动态档案的数据库。 获取模块23,用于从数据库中获取人车动态档案;统计模块24,用于根据 所获取的人车动态档案,统计人车关联属性。
车辆结构化模块211,用于提取包括:车辆固有属性、驾驶员信息、车 辆个性化信息中的至少一种;人脸结构化模块212,用于提取包括:样貌特 征、表情中的至少一种;行人结构化模块213,用于提取包括:样貌特征、 着装信息、装饰品、随身物品信息中的至少一种;手机结构化模块214,用 于提取包括:无线MAC地址、IMEI号、手机号码中的至少一种;管理结 构化模块215用于提取包括:车管所的档案信息、派出所的档案信息中的 至少一种。
车辆个人属性统计模块241;车辆社会属性统计模块242;车辆的个体 社会行为属性统计单元2421;车辆的经济指数属性统计单元2422,用于统 计包括:对外经济指数、车辆占用指数和外地车辆占比指数。
本发明实施例提供的人车动态档案分析装置中,通过获取模块从数据 库中获取人车动态档案;利用统计模块根据所获取的人车动态档案,统计 人车关联属性,人车关联属性包括:车辆个人属性和车辆社会属性;其中, 人车动态档案存储有车辆结构化信息,以及与车辆结构化信息相互关联的 人脸结构化信息、行人结构化信息、手机结构化信息和管理结构化信息中 的至少一种。该装置利用监控设备获取的视频信息,建立人车动态档 案,基于人车动态档案通过大数据分析的方法,统计车辆个人属性和 社会属性。因此,该装置能够实时、快速地获取城市内人员和车辆的 档案信息,缓解了现有技术中存在的静态档案信息更新速度慢的问 题,解决了静态档案难以反应人员和车辆的行驶轨迹、作息规律和异常变化等动态信息的技术问题。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法 和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程 图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述 模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的 可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功 能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及 的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/ 或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬 件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例提供的人车动态档案分析装置,与上述实施例提供的人 车动态档案分析方法具有相同的技术特征,所以也能解决相同的技术问题, 达到相同的技术效果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述 描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的 对应过程,在此不再赘述。
另外,在本发明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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。 基于这样的理解,本发明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)执行本发明各个实施例所述 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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用 以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于 此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术 人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变 化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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所述以权利 要求的保护范围为准。
Claims (10)
1.一种人车动态档案分析方法,其特征在于,包括:
从数据库中获取人车动态档案;
根据所获取的人车动态档案,统计人车关联属性,所述人车关联属性包括:车辆个人属性和车辆社会属性;
其中,所述人车动态档案存储有车辆结构化信息,以及与所述车辆结构化信息相互关联的人脸结构化信息、行人结构化信息、手机结构化信息和管理结构化信息中的至少一种。
2.根据权利要求1所述的方法,其特征在于,还包括:
对监控设备获取的视频进行结构化信息提取,获得车辆结构化信息、人脸结构化信息、行人结构化信息、手机结构化信息和管理结构化信息;
对所述车辆结构化信息、所述人脸结构化信息、所述行人结构化信息、所述手机结构化信息和所述管理结构化信息进行匹配,建立人车动态档案的数据库。
3.根据权利要求1所述的方法,其特征在于,所述车辆结构化信息包括:车辆固有属性、驾驶员信息、车辆个性化信息中的至少一种;
所述人脸结构化信息包括:样貌特征、表情中的至少一种;
所述行人结构化信息包括:样貌特征、着装信息、装饰品、随身物品信息中的至少一种;
所述手机结构化信息包括:无线MAC地址、IMEI号、手机号码中的至少一种;
所述管理结构化信息包括车管所的档案信息、派出所的档案信息中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述车辆社会属性包括:车辆的个体社会行为属性和车辆的经济指数属性。
5.根据权利要求4所述的方法,其特征在于,所述车辆的经济指数属性包括:对外经济指数、车辆占用指数和外地车辆占比指数。
6.一种人车动态档案分析装置,其特征在于,包括:
获取模块,用于从数据库中获取人车动态档案;
统计模块,用于根据所获取的人车动态档案,统计人车关联属性,所述统计模块包括:车辆个人属性统计模块和车辆社会属性统计模块。
7.根据权利要求6所述的装置,其特征在于,还包括:
结构化模块,用于对监控设备获取的视频进行结构化信息提取,所述结构化模块包括:车辆结构化模块、人脸结构化模块、行人结构化模块、手机结构化模块和管理结构化模块;
数据库模块,用于对所述车辆结构化信息、所述人脸结构化信息、所述行人结构化信息、所述手机结构化信息和所述管理结构化信息进行匹配,建立人车动态档案的数据库。
8.根据权利要求6所述的装置,其特征在于,所述车辆结构化模块用于提取包括:车辆固有属性、驾驶员信息、车辆个性化信息中的至少一种;
所述人脸结构化模块用于提取包括:样貌特征、表情中的至少一种;
所述行人结构化模块用于提取包括:样貌特征、着装信息、装饰品、随身物品信息中的至少一种;
所述手机结构化模块用于提取包括:无线MAC地址、IMEI号、手机号码中的至少一种;
所述管理结构化信息模块用于提取包括:车管所的档案信息、派出所的档案信息中的至少一种。
9.根据权利要求6所述的装置,其特征在于,所述车辆社会属性统计模块包括:车辆的个体社会行为属性统计单元和车辆的经济指数属性统计单元。
10.根据权利要求9所述的装置,其特征在于,所述车辆的经济指数属性统计单元用于统计包括:对外经济指数、车辆占用指数和外地车辆占比指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810963480.XA CN109033451A (zh) | 2018-08-21 | 2018-08-21 | 人车动态档案分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810963480.XA CN109033451A (zh) | 2018-08-21 | 2018-08-21 | 人车动态档案分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109033451A true CN109033451A (zh) | 2018-12-18 |
Family
ID=64628078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810963480.XA Pending CN109033451A (zh) | 2018-08-21 | 2018-08-21 | 人车动态档案分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033451A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977158A (zh) * | 2019-02-28 | 2019-07-05 | 武汉烽火众智智慧之星科技有限公司 | 公安大数据分析处理系统及方法 |
CN110008298A (zh) * | 2019-03-28 | 2019-07-12 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
CN110796114A (zh) * | 2019-11-07 | 2020-02-14 | 贵州大学 | 基于生物视觉的智能视频监控与预警系统 |
CN110929590A (zh) * | 2019-10-31 | 2020-03-27 | 安徽超清科技股份有限公司 | 社区档案管理系统 |
CN112017171A (zh) * | 2020-08-27 | 2020-12-01 | 四川云从天府人工智能科技有限公司 | 一种图像处理指标评估方法、系统、设备和介质 |
CN112307237A (zh) * | 2020-10-23 | 2021-02-02 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据同人异车目标人员的挖掘方法及系统 |
CN112785621A (zh) * | 2019-11-08 | 2021-05-11 | 广东毓秀科技有限公司 | 一种人车跨镜头追踪方法 |
CN113158927A (zh) * | 2021-04-27 | 2021-07-23 | 深圳前海中电慧安科技有限公司 | 车辆行驶场景下的人车信息关联方法、系统、设备及介质 |
CN115147911A (zh) * | 2022-08-22 | 2022-10-04 | 山东海博科技信息系统股份有限公司 | 一种智慧城市档案信息整合方法、系统及终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140350970A1 (en) * | 2009-12-31 | 2014-11-27 | Douglas D. Schumann, JR. | Computer system for determining geographic-location associated conditions |
CN104408934A (zh) * | 2014-11-28 | 2015-03-11 | 深圳市华仁达技术有限公司 | 一种基于交通数据的涉案车辆分析方法 |
CN104468787A (zh) * | 2014-12-09 | 2015-03-25 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的人车关联识别方法 |
CN106022787A (zh) * | 2016-04-25 | 2016-10-12 | 王琳 | 一种基于大数据的人车多因子评估方法及系统 |
CN106203458A (zh) * | 2015-04-29 | 2016-12-07 | 杭州海康威视数字技术股份有限公司 | 人群视频分析方法及系统 |
CN108346289A (zh) * | 2018-02-13 | 2018-07-31 | 重庆交通大学 | 一种高速公路人车关联系统及方法 |
-
2018
- 2018-08-21 CN CN201810963480.XA patent/CN109033451A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140350970A1 (en) * | 2009-12-31 | 2014-11-27 | Douglas D. Schumann, JR. | Computer system for determining geographic-location associated conditions |
CN104408934A (zh) * | 2014-11-28 | 2015-03-11 | 深圳市华仁达技术有限公司 | 一种基于交通数据的涉案车辆分析方法 |
CN104468787A (zh) * | 2014-12-09 | 2015-03-25 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的人车关联识别方法 |
CN106203458A (zh) * | 2015-04-29 | 2016-12-07 | 杭州海康威视数字技术股份有限公司 | 人群视频分析方法及系统 |
CN106022787A (zh) * | 2016-04-25 | 2016-10-12 | 王琳 | 一种基于大数据的人车多因子评估方法及系统 |
CN108346289A (zh) * | 2018-02-13 | 2018-07-31 | 重庆交通大学 | 一种高速公路人车关联系统及方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977158A (zh) * | 2019-02-28 | 2019-07-05 | 武汉烽火众智智慧之星科技有限公司 | 公安大数据分析处理系统及方法 |
CN109977158B (zh) * | 2019-02-28 | 2023-03-31 | 武汉烽火众智智慧之星科技有限公司 | 公安大数据分析处理系统及方法 |
CN110008298A (zh) * | 2019-03-28 | 2019-07-12 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
CN110008298B (zh) * | 2019-03-28 | 2022-03-15 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
CN110929590A (zh) * | 2019-10-31 | 2020-03-27 | 安徽超清科技股份有限公司 | 社区档案管理系统 |
CN110796114A (zh) * | 2019-11-07 | 2020-02-14 | 贵州大学 | 基于生物视觉的智能视频监控与预警系统 |
CN112785621A (zh) * | 2019-11-08 | 2021-05-11 | 广东毓秀科技有限公司 | 一种人车跨镜头追踪方法 |
CN112017171A (zh) * | 2020-08-27 | 2020-12-01 | 四川云从天府人工智能科技有限公司 | 一种图像处理指标评估方法、系统、设备和介质 |
CN112017171B (zh) * | 2020-08-27 | 2021-10-26 | 四川云从天府人工智能科技有限公司 | 一种图像处理指标评估方法、系统、设备和介质 |
CN112307237A (zh) * | 2020-10-23 | 2021-02-02 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据同人异车目标人员的挖掘方法及系统 |
CN113158927A (zh) * | 2021-04-27 | 2021-07-23 | 深圳前海中电慧安科技有限公司 | 车辆行驶场景下的人车信息关联方法、系统、设备及介质 |
CN115147911A (zh) * | 2022-08-22 | 2022-10-04 | 山东海博科技信息系统股份有限公司 | 一种智慧城市档案信息整合方法、系统及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033451A (zh) | 人车动态档案分析方法及装置 | |
CN108596277B (zh) | 一种车辆身份识别方法、装置和存储介质 | |
CN108961782A (zh) | 交通路口控制方法及装置 | |
US10102431B2 (en) | Visual monitoring of queues using auxillary devices | |
CN110619277A (zh) | 一种多社区智慧布控方法以及系统 | |
CN110852269B (zh) | 一种基于特征聚类的跨镜头人像关联分析方法及装置 | |
CN108921054A (zh) | 一种基于语义分割的行人多属性识别方法 | |
CN111291812B (zh) | 属性类别的获取方法及装置、存储介质、电子装置 | |
CN109740517A (zh) | 一种确定待识别对象的方法及装置 | |
Jain et al. | Performance analysis of object detection and tracking algorithms for traffic surveillance applications using neural networks | |
CN110298257B (zh) | 一种基于人体多部位特征的驾驶员行为识别方法 | |
Zhang et al. | A proactive crash risk prediction framework for lane-changing behavior incorporating individual driving styles | |
CN109033175A (zh) | 一种以图搜车的方法及系统 | |
Wang et al. | Research on key technologies of intelligent transportation based on image recognition and anti-fatigue driving | |
CN107529659B (zh) | 安全带佩戴检测方法、装置及电子设备 | |
Rao | Automatic vehicle recognition in multiple cameras for video surveillance | |
CN106228572A (zh) | 一种带状态标注的长期静止物体检测与跟踪方法 | |
Papakis et al. | Convolutional neural network-based in-vehicle occupant detection and classification method using second strategic highway research program cabin images | |
CN109035658A (zh) | 一种文物安全防护方法及装置 | |
CN112785621A (zh) | 一种人车跨镜头追踪方法 | |
Yu et al. | A feature-oriented vehicle trajectory data processing scheme for data mining: A case study for Statewide truck parking behaviors | |
Hernández Sánchez et al. | Deep neural networks for driver identification using accelerometer signals from smartphones | |
Shaily et al. | Smart driver monitoring system | |
Li et al. | Vehicle detection based on and–or graph and hybrid image templates for complex urban traffic conditions | |
Jiao et al. | Traffic behavior recognition from traffic videos under occlusion condition: a Kalman filter approach |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |