CN109325429A - 一种关联特征数据的方法、装置、存储介质及终端 - Google Patents

Abstract

本发明公开了一种关联特征数据的方法、装置、存储介质及终端，其计算方法包括以下步骤：对多个采集点的人体特征数据和IMSI特征数据进行采集；将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系或关联关系的特征数据，输出所述具有关联关系的特征数据。通过本发明的方法、装置、存储介质及终端解决数据伴随挖掘算法存在重轨迹相似而忽视时间、空间和采集数据不精确的问题，实现精确关联特征数据的效果。

Description

一种关联特征数据的方法、装置、存储介质及终端

技术领域

本发明实施例涉及大数据分析技术应用于社会治安领域，尤其涉及一种关联特征数据的方法、装置、存储介质及终端。

背景技术

在当前国际安全形势非常复杂的环境下，罪犯往往会在作案后逃逸，即使警察及时赶到现场，肇事罪犯已然逃离，为社会治安留下安全隐患。

如今公安系统在大数据应用的环境下，警察可以轻松采集犯罪嫌疑人的脸部特征或IMSI特征数据(即国际移动用户识别码)，然后通过特征数据分析方法迅速查询嫌疑人出现的地方，从而提高追铺犯罪嫌疑人的效率。然而采集脸部特征的摄像头覆盖并不全面，拍摄的图像也不稳定，因此仅使用脸部特征对嫌疑人进行轨迹跟踪效率不高；IMSI数据虽然覆盖广，但是嫌疑人可以随时更换手机，因此仅利用IMSI数据的轨迹跟踪嫌疑人也有较大的缺陷。

因此，如何提供一种关联特征数据的方法，如何准确地关联人脸特征数据和IMSI数据，成为对目标对象进行跟踪的现有技术急需解决的问题。

发明内容

本发明提供一种关联特征数据的方法、装置、存储介质及终端，以解决关联特征不准确的技术问题。

第一方面，本发明实施例提供了一种关联特征数据的方法，其包括以下步骤：

S1：对多个采集点的人体特征数据和IMSI特征数据进行采集；

S2：将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系的特征数据；

S3：输出所述关联关系的特征数据。

优选地，在对每个采集点的人体特征数据和IMSI特征数据进行采集之后包括：将所述人体特征数据和IMSI特征数据处理为四维向量数据，所述人体特征数据的四维向量数据包括：人体特征、时间点、地点、方向，所述IMSI特征数据的四维向量数据包括：IMSI特征、时间点、地点、方向。

优选地，所述将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析包括：

获取多个训练采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

选取预设时段内的所述人体特征数据和IMSI特征数据；

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

计算空间轨迹分布图中相邻人体特征数据和IMSI特征数据之间的空间距离；

根据所述计算的空间距离和预设的空间阈值距离判断人体特征数据和IMSI特征数据之间是否为关联关系的特征数据。

优选地，所述关系预测模型的预先训练包括：

接收目标采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

选取预设时段内的所述人体特征数据和IMSI特征数据，

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

计算最相邻人体特征数据和IMSI特征数据之间的空间距离，根据所述空间距离确定人体特征数据和IMSI特征数据之间的关联关系；

使用关联关系对多个训练样本的人体特征数据和IMSI特征数据进行标记，将具有标签的每个训练样本的人体特征数据和IMSI特征数据输入关系预测模型进行训练。

优选地，所述时间点的确认方式为：根据预设的时间单位长度，将前一时间单位、当前时间单位、后一时间单位内分别采集的数据的时间点定义为当前时间单位的起始点。

优选地，所述地点的确认方式为：根据预设的距离范围，如果采集的数据的地点在同一采集点预设距离范围内，则采集的数据的地点为该采集点地理位置。

优选地，所述方向的确认方式为：根据在连续两个时间点对应的采集点的连线方向来定义数据的方向。

优选地，在对每个采集点的人体特征数据和IMSI特征数据进行采集之后包括：

对采集到的人体特征数据进行数据清洗，以去除人体特征数据对应的图像质量低于预设质量参数的人体特征数据；

对采集到的IMSI特征数据进行数据清洗，以去除IMSI特征数据中重复的数据。

第二方面，本发明实施例提供一种关联特征数据的装置，包括：

特征采集模块，用于对多个采集点的人体特征数据和IMSI特征数据进行采集；

数据分析模块，用于将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系的特征数据；

特征输出模块，用于输出所述具有关联关系的特征数据。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的一种关联特征数据的方法。

第四方面，本发明再一实施例提供一种终端，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的关联特征数据的方法。与现有技术相比，本发明通过提供一种关联特征数据的方法、装置、存储介质及终端，在采集人体特征数据和IMSI特征数据的基础上，通过预先训练的关系预测模型，处理获得人体特征数据和IMSI特征数据的关联关系的特征数据，从而得到具有相似轨迹的两种特征数据的集合，本发明的关联特征数据可直接用于进行嫌疑人的轨迹分析，从而方准确快速地确定嫌疑人的位置。

附图说明

图1为本发明实施例一提供的关联特征数据的方法的流程图。

图2是本发明实施例二提供的关联特征数据的方法的流程图。

图3是本发明实施例三提供的一种关联特征数据的装置的结构示意图。

图4是本发明实施例四提供的一种设备/终端/服务器的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的关联特征数据的方法的流程图，本实施例的方法可以适用于，在用户终端中，对用户终端内的人体特征数据和IMSI特征数据进行运算和关联筛选，以便获取人体特征数据和IMSI特征数据构成的关联关系的特征数据。本实施例的方法可以由关联特征数据的装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端中。示例性的，本申请实施例中的终端可包括手机、平板电脑、笔记本电脑以及服务器等终端设备，终端中装载有操作系统和应用程序。本实施例关联特征数据的方法具体包括：

S1：对多个采集点的人体特征数据和IMSI特征数据进行采集；

本实施例，所述采集点为设置有视频拍摄装置的地点，视频拍摄装置可以是临时放置的便携式摄像头、或长期固定的监控摄像头。

所述人体特征数据为目标人物已知的人体特征，例如人脸特征，步态特征等，目标人物已知的人体特征可以通过视频拍摄装置拍摄的目标人物的照片或视频分析获得。

所述IMSI特征数据为移动通讯基站根据终端信号采集得到的终端识别码，所述终端可以是手机、平板电脑、PC，所述终端识别码是通讯基站根据终端信号分析获取的终端的唯一身份识别码。

本实施例中，所述人体特征数据为四维向量数据，其包括：人体特征、时间点、地点、方向。所述IMSI特征数据同样为四维向量数据，其包括：IMSI特征码、时间点、地点、方向。

S2：将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到人体特征数据和IMSI特征数据的关联关系的特征数据；

所述关系预测模型可以为KNN(k-Nearest Neighbor)计算模型，Svm(SupportVector Machine)计算模型、随机森林(Random Forests)计算模型、Adaboost计算模型中的至少一种，本实施例中，对所述关系预测模型的训练可以包括：

接收目标采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据，作为训练样本；

选取预设时段内的所述人体特征数据和IMSI特征数据，

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

计算最相邻人体特征数据和IMSI特征数据之间的空间距离，根据所述空间距离确定人体特征数据和IMSI特征数据之间的关联关系；

使用关联关系对多个训练样本的人体特征数据和IMSI特征数据进行标记，将具有标签的每个训练样本的人体特征数据和IMSI特征数据输入关系预测模型进行训练；

将训练样本的标签中解析出其对应的关联关系设定为所述关系预测模型的输出结果，通过大量样本训练以调整所述关系预测模型内设的计算参数至理想状态后完成训练。训练好的关系预测模型可以根据输入的人体特征数据和IMSI特征数据自动计算生成或预测二者的关联关系的特征数据。

S3：输出所述关联关系的特征数据。

上述步骤中预测的关联关系的特征数据，以及对应的人体特征数据和IMSI特征数据存储至数据库中，作为识别嫌疑人位置或轨迹的基础数据。较佳实施方式中，还可以根据预设的关系强度级别对所述关联关系的特征数据进行筛选和分类，以便使用不同级别的关联关系对人体特征数据和IMSI特征数据进行标记并存储。

与现有技术相比，本发明通过提供一种关联特征数据的方法，在采集人体特征数据和IMSI特征数据的基础上，通过预先训练的关系预测模型，处理获得人体特征数据和IMSI特征数据的关联关系的特征数据，从而得到具有相似轨迹的两种特征数据的集合，本发明的关联特征数据可直接用于进行嫌疑人的轨迹分析，从而方准确快速地确定嫌疑人的位置。

图2为本发明实施例二提供的关联特征数据的方法的流程图，本实施例可适用于已知人体特征和IMSI特征的情况，该方法可以由计算设备来执行，具体包括如下步骤：

S100：对多个采集点的人体特征数据和IMSI特征数据进行采集；

本实施例，所述采集点为设置有视频拍摄装置的地点，视频拍摄装置可以是临时放置的便携式摄像头、或长期固定的监控摄像头。

所述人体特征数据为目标人物已知的人体特征，例如人脸特征，步态特征等，目标人物已知的人体特征可以通过视频拍摄装置拍摄的目标人物的照片或视频分析获得。

所述IMSI特征数据为移动通讯基站根据终端信号采集得到的终端识别码，所述终端可以是手机、平板电脑、PC，所述终端识别码是通讯基站根据终端信号分析获取的终端的唯一身份识别码。

S200：获取多个训练采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

本实施例中，将步骤S100采集的人体特征数据和IMSI特征数据整理为四维向量数据，然后输入预先训练好的关系预测模型，所述关系预测模型可以为KNN(k-NearestNeighbor)计算模型，Svm(Support Vector Machine)计算模型、随机森林(RandomForests)计算模型、Adaboost计算模型中的至少一种，本实施例中，对关系预测模型的预先训练可以采用多个训练样本的人体特征数据和IMSI特征数据，使用实际关联关系多个训练样本的人体特征数据和IMSI特征数据进行标记，将具有标签的每个训练样本的人体特征数据和IMSI特征数据输入关系预测模型，将训练样本的标签中解析出其对应的关联关系设定为所述关系预测模型的输出结果，通过大量样本训练以调整所述关系预测模型内设的计算参数至理想状态后完成训练。训练好的关系预测模型可以根据输入的人体特征数据和IMSI特征数据自动计算生成或预测二者的关联关系的特征数据。

本实施例，所述人体特征数据的四维向量数据包括：人体特征、时间点、地点、方向。本实施例中，根据采集人体特征数据的时间地点确定人体特征数据的时间点、地点、方向。具体地，

人体特征数据的时间点的确认方式为：根据预设的时间单位长度，将前一时间单位、当前时间单位、后一时间单位内分别采集的数据的时间点定义为当前时间单位的起始时间点。

人体特征数据的地点的确认方式为：将人体特征数据对应的拍摄装置的地点确认为人体特征数据的地点。

所述人体特征数据方向的确定方式为：将连续两个时间点对应的采集点的连线方向来定义数据方向。

所述IMSI特征数据的四维向量数据包括：IMSI特征码、时间点、地点、方向。

所述IMSI特征数据的时间点的确认方式为：根据预设的时间单位长度，将前一时间单位、当前时间单位、后一时间单位内分别采集的数据的时间点定义为当前时间单位的起始点。

所述IMSI特征数据的地点的确认方式为：将IMSI特征数据采集时刻对应终端的地理位置，所述对应终端的地理位置可以通过对采集的IMSI特征数据分析获取。

所述IMSI特征数据的方向的确认方式为：将连续两个时间点采集的IMSI特征数据对应的终端的两个地理位置的连线方向来定义数据方向。

S300，选取预设时段内的所述人体特征数据和IMSI特征数据；

本实施例关系预测模型可以根据预设时段对需要处理的人体特征数据和IMSI特征数据进行筛选，筛选的方式可以利用人体特征数据和IMSI特征四维向量数据中的时间点、判断其是否匹配预设时段要求。替代实施方式中还可以通过预设轨迹对所述人体特征数据和IMSI特征数据进行筛选，以减少数据处理复杂度，减少计算。

S400：根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图。

在实施例中，关系预测模型可以根据接收的人体特征数据和IMSI特征数据建立人体特征数据和IMSI特征数据的空间轨迹分布图，具体地，可以建立时间的地点的二维直角坐标系，将人体特征数据和IMSI特征数据中的人体特征和IMSI特征码分别显示在所述二维直角坐标系中，以方便后续的计算。

S500：计算空间轨迹分布图中相邻人体特征数据和IMSI特征数据之间的空间距离。

关系预测模型对空间轨迹分布图中相邻的人体特征数据和IMSI特征数据进行空间距离计算，所述空间距离为相同时间点和相同采集点的人体特征数据和IMSI特征数据进行空间距离计算结果。

S600：根据所述计算的空间距离和预设的空间阈值距离判断人体特征数据和IMSI特征数据之间是否为关联关系的特征数据。

一实施例，关系预测模型将空间距离计算的结果和预设的空间阈值距离进行比较，当计算人体特征数据和IMSI特征数据之间的空间距离结果大于预设的空间阈值距离，则判断所述人体特征数据和IMSI特征数据没有关联，当计算人体特征数据和IMSI特征数据之间的空间距离结果小于等于预设的空间阈值距离，则判断所述人体特征数据和IMSI特征数据为关联关系的特征数据。根据人体特征数据和IMSI特征数据之间计算的空间距离结果还可以对关联关系进行等级分类，人体特征数据和IMSI特征数据之间计算的空间距离越小，则二者之间关联关系等级越高。即经过训练后的关系预测模型可以根据输入的人体特征数据和IMSI特征数据生成二者的关联关系的特征数据。根据人体特征数据和IMSI特征数据之间计算的空间距离结果还可以对关联关系分为第一级别关联和第二级别关联。第一级别关联对应的人体特征数据和IMSI特征数据之间的空间距离大于第二级别关联对应的人体特征数据和IMSI特征数据之间的空间距离。

S700：输出所述关联关系的特征数据。

上述步骤中预测的关联关系的特征数据，以及对应的人体特征数据和IMSI特征数据存储至数据库中，作为识别嫌疑人位置或轨迹的基础数据。根据关联关系的特征数据，可查询嫌疑人的人体特征数据对应的IMSI特征数据，或查询嫌疑人的IMSI特征数据对应的人体特征数据，进而追踪到目标人物最优的位置。

替代实施例中，还可进一步包括对采集到的人体特征数据进行数据清洗，以去除人体特征数据对应的图像质量低于预设质量参数的人体特征数据；对采集到的IMSI特征数据进行数据清洗，以去除IMSI特征数据中重复的数据。

本实施例中通过对人体特征数据和IMSI特征数据进行标准化为四维向量，可以很方便计算出人体特征数据和IMSI特征数据之间的空间距离，通过所述空间距离判断人体特征数据和IMSI特征数据之间关联关系后输出所述具有关联关系的特征数据。

本实施例采用，数据清洗的方法，将由于采集装备受光照、夜间亮度不足导致的不良人体特征数据清除，将采集重复的IMSI特征数据进行去重处理，使得计算量更少，数据处理效果更高。

实施例三

图3为本发明实施例三提供的一种关联特征数据的装置300的结构示意图，该装置可由软件和/或硬件实现，一般集成在终端中，可通过执行关联特征数据的方法获取人体特征数据和IMSI特征数据之间的具有关联关系的特征数据。

本实施例装置包括特征采集模块301、数据分析模块302和特征输出模块303。

特征采集模块301用于对多个采集点的人体特征数据和IMSI特征数据进行采集

数据分析模块302用于将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系的特征数据。

和特征输出模块303用于输出所述具有关联关系的特征数据。

一实施例中，进一步地，本实施例的数据分析模块302还用于:

获取多个训练采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

选取预设时段内的所述人体特征数据和IMSI特征数据，

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

将所述空间距离以及人体特征数据和IMSI特征数据的实际关联特征数据或实际伴随特征数据输入所述关系预测模型对关系预测模型进行处理，计算相邻人体特征数据和IMSI特征数据之间的空间距离；根据所述计算的空间距离和预设的空间阈值距离判断人体特征数据和IMSI特征数据之间是否为关联关系的特征数据。

进一步地，本实施例还包括向量获取模块304，用于将所述人体特征数据和IMSI特征数据处理为四维向量数据，所述人体特征数据的四维向量数据包括：人体特征、时间点、地点、方向，所述IMSI特征数据的四维向量数据包括：IMSI特征、时间点、地点、方向。

一实施例中，根据预设的时间单位长度，将前一时间单位、当前时间单位、后一时间单位内分别采集的数据的时间点定义为当前时间单位的起始点。

一实施例中，根据预设的距离范围，如果采集的数据的地点在同一采集点预设距离范围内，则采集的数据的地点为该采集点地理位置。

一实施例中，根据在连续两个时间点对应的采集点的连线方向来定义数据的方向。

进一步地，本实施例还包括模型训练模块305，用于:

获取多个训练采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

选取预设时段内的所述人体特征数据和IMSI特征数据，

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

计算相邻人体特征数据和IMSI特征数据之间的空间距离；

将所述空间距离以及人体特征数据和IMSI特征数据的实际关联特征数据或实际伴随特征数据输入所述关系预测模型对关系预测模型进行处理，根据所述计算的空间距离和预设的空间阈值距离判断人体特征数据和IMSI特征数据之间是否为关联关系的特征数据.

进一步地，本实施例还包括数据清洗模块306，用于:

对采集到的人体特征数据进行数据清洗，以去除人体特征数据对应的图像质量低于预设质量参数的人体特征数据；

对采集到的IMSI特征数据进行数据清洗，以去除IMSI特征数据中重复的数据。

本实施例关联特征数据的装置300可执行本发明任意实施例所提供的关联特征数据的方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的关联特征数据的方法。

实施例四

图4为本发明实施例四提供的一种设备/终端/服务器的结构示意图，如图4所示，该设备/终端/服务器包括处理器402、存储器401，设备/终端/服务器中处理器402的数量可以是一个或多个，图4中以一个处理器402为例；设备/终端/服务器中的处理器402、存储器401可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储器401作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的指甲曲率识别方法对应的程序指令/模块(例如，关联特征数据的装置中的特征采集模块301、数据分析模块302和特征输出模块303。处理器402通过运行存储在存储器401中的软件程序、指令以及模块，从而执行设备/终端/服务器的各种功能应用以及数据处理，即实现上述的指甲曲率识别方法。

存储器401可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器401可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器401可还包括相对于处理器402远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本实施例还可还包括输入装置403和输出装置404。输入装置403用于接收输入的数字或字符信息的输入，以及产生与设备/终端/服务器的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDRRAM、SRAM、EDORAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本发明实施例还提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的指甲曲率识别方法操作，还可以执行本发明任意实施例所提供的指甲曲率识别方法中的相关操作。

一实施例中，本发明实施例提供的一种包含计算机可执行指令的存储介质计算机可执行指令在由计算机处理器执行时用于执行一种指甲曲率识别方法，该方法包括：

S1：对多个采集点的人体特征数据和IMSI特征数据进行采集；

S2：将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系的特征数据；

S3：输出所述具有关联关系的特征数据。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的指甲曲率识别方法中的相关操作。

通过以上关于实施例的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施例。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。

值得注意的是，上述关联特征数据的装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助采集装置及必需的通用数据特征来实现，当然也可以通过人工现场采集来实现，但很多情况下前者是更快速的实施方式。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可以以数据采集和建模的形式体现出来，通过大数据分析执行本发明实施例所述的方法。

值得注意的是，上述采集装置的实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种关联特征数据的方法，其特征在于，包括以下步骤：

S1：对多个采集点的人体特征数据和IMSI特征数据进行采集；

S2：将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系或关联关系的特征数据；

S3：输出所述具有关联关系的特征数据。

2.如权利要求1所述的一种关联特征数据的方法，其特征在于,在对每个采集点的人体特征数据和IMSI特征数据进行采集之后包括：将所述人体特征数据和IMSI特征数据处理为四维向量数据，所述人体特征数据的四维向量数据包括：人体特征、时间点、地点、方向，所述IMSI特征数据的四维向量数据包括：IMSI特征、时间点、地点、方向。

3.如权利要求2所述的一种关联特征数据的方法，其特征在于,所述将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析包括：

获取多个训练采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

选取预设时段内的所述人体特征数据和IMSI特征数据，

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

计算空间轨迹分布图中相邻人体特征数据和IMSI特征数据之间的空间距离；

根据所述计算的空间距离和预设的空间阈值距离判断人体特征数据和IMSI特征数据之间是否为关联关系的特征数据。

4.如权利要求2所述的一种关联特征数据的方法，其特征在于,所述关系预测模型的预先训练包括：

接收目标采集点的人体特征数据的四维向量数据和所述IMSI特征数据的四维向量数据；

选取预设时段内的所述人体特征数据和IMSI特征数据，

根据四维向量数据分别建立人体特征数据和IMSI特征数据的空间轨迹分布图；

计算最相邻人体特征数据和IMSI特征数据之间的空间距离，根据所述空间距离确定人体特征数据和IMSI特征数据之间的关联关系；

使用关联关系对多个训练样本的人体特征数据和IMSI特征数据进行标记，将具有标签的每个训练样本的人体特征数据和IMSI特征数据输入关系预测模型进行训练。

5.如权利要求2所述的一种关联特征数据的方法，其特征在于,所述时间点的确认方式为：根据预设的时间单位长度，将前一时间单位、当前时间单位、后一时间单位内分别采集的数据的时间点定义为当前时间单位的起始点。

6.如权利要求5所述的一种关联特征数据的方法，其特征在于,所述地点的确认方式为：根据预设的距离范围，如果采集的数据的地点在同一采集点预设距离范围内，则采集的数据的地点为该采集点地理位置。

7.如权利要求5所述的一种关联特征数据的方法，其特征在于,所述方向的确认方式为：根据在连续两个时间点对应的采集点的连线方向来定义数据的方向。

8.如权利要求1所述的一种关联特征数据的方法，其特征在于,在对每个采集点的人体特征数据和IMSI特征数据进行采集之后包括：

对采集到的人体特征数据进行数据清洗，以去除人体特征数据对应的图像质量低于预设质量参数的人体特征数据；

对采集到的IMSI特征数据进行数据清洗，以去除IMSI特征数据中重复的数据。

9.一种关联特征数据的装置，包括：

特征采集模块，用于对多个采集点的人体特征数据和IMSI特征数据进行采集；

数据分析模块，用于将所述人体特征数据和IMSI特征数据输入预先训练的关系预测模型进行分析，以得到具有关联关系的特征数据；

特征输出模块，用于输出所述具有关联关系的特征数据。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的关联特征数据的方法。

11.一种终端，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一所述的关联特征数据的方法。