CN109614418A - 基于大数据的挖掘嫌疑目标的方法及系统 - Google Patents
基于大数据的挖掘嫌疑目标的方法及系统 Download PDFInfo
- Publication number
- CN109614418A CN109614418A CN201811412849.4A CN201811412849A CN109614418A CN 109614418 A CN109614418 A CN 109614418A CN 201811412849 A CN201811412849 A CN 201811412849A CN 109614418 A CN109614418 A CN 109614418A
- Authority
- CN
- China
- Prior art keywords
- case
- feature
- suspect
- suspected target
- data
- 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 31
- 238000009412 basement excavation Methods 0.000 title claims description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000011835 investigation Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 238000005336 cracking Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000284 extract Substances 0.000 abstract description 3
- 238000005065 mining Methods 0.000 abstract description 3
- 230000010354 integration Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据的挖掘嫌疑目标的方法及系统，该方法包括以下步骤：S1，通过前端采集设备采集多维数据并存入大数据平台；S2，基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；S3，根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；S4，基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。本发明采用多元数据融合技术提取有用数据，采用相关性频繁模式挖掘技术建立案件特征与犯罪嫌疑人特征的强关联规则，为公安侦查业务决策提供有效支撑，从而更好的指导民警发现犯罪嫌疑人，降低人工分析时间，提高案件侦破效率。
Description
技术领域
本发明涉及公安刑侦领域，尤其涉及一种基于大数据的挖掘嫌疑目标的方法及系统。
背景技术
随着公安信息化层度的加深，城市前端感知设备的建设不断完善，从而公安数据库中积累了海量数据这是一笔待挖掘的巨大的信息化财富。现在公安侦查工作的展开，凭借办案人员经验对案件进行预判，利用传统数据库技术对海量数据进行分析，从而没有完全发掘海量数据的价值，导致公安侦查工作效率低下。
随着大数据时代的到来，有必要从历史数据中挖掘案件与犯罪嫌疑人的客观规律为公安侦查业务决策提供有效支撑，从而更好的指导民警发现犯罪嫌疑人，从而降低人工分析时间，提高案件侦破效率。
发明内容
本发明的目的在于提供一种基于大数据的挖掘嫌疑目标的方法及系统，旨在用于从历史数据中挖掘案件与犯罪嫌疑人的客观规律为公安侦查业务决策提供有效支撑，提高案件侦破效率。
本发明是这样实现的：
一方面，本发明提供一种基于大数据的挖掘嫌疑目标的方法，包括以下步骤：
S1，通过前端采集设备采集多维数据并存入大数据平台；
S2，基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；
S3，根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；
S4，基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。
进一步地，所述步骤S2的具体过程如下：
基于历史案件以及犯罪人员的大数据建立案件特征与犯罪嫌疑人特征之间的关联规则，并通过以下方式计算各关联规则的支持度以及置信度：
设A＝{a1,a2,...,am}是案件特征的任意组合的集合，B＝{b1,b2,...,bn}是犯罪嫌疑人特征的任意组合的集合，则：
其中表示关联规则，表示计算关联规则的支持度，表示计算关联规则置信度，support_count()表示统计该特征组合在全部数据集中出现的次数；
设置最小出现次数、最小支持度和最小置信度，找到满足要求的案件特征与犯罪嫌疑人特征的关联规则作为强关联规则。
进一步地，所述步骤S3还包括：根据该案件的侦查结果调整犯罪嫌疑人特征信息。
进一步地，所述步骤S4的具体过程如下：
从前端多维数据中抽取案件相关数据，根据犯罪嫌疑人特征建立数据筛选规则，在抽取的案件相关数据中根据筛选规则挖掘出嫌疑目标。
进一步地，该方法还包括：
S5，通过电子地图可视化展示嫌疑目标的时空轨迹，与案件特征信息进行比对，二次核实排查，推荐最优的嫌疑目标。
另一方面，本发明还提供一种基于大数据的挖掘嫌疑目标的系统，包括多维大数据管理模块、大数据分析模块、嫌疑人特征信息获取模块以及嫌疑目标挖掘模块；
所述多维大数据管理模块用于存储和管理前端采集设备采集的多维数据；
所述大数据分析模块用于基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；
所述嫌疑人特征信息获取模块用于根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；
所述嫌疑目标挖掘模块用于基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。
进一步地，所述大数据分析模块具体用于：
基于历史案件以及犯罪人员的大数据建立案件特征与犯罪嫌疑人特征之间的关联规则，并通过以下方式计算各关联规则的支持度以及置信度：
设A＝{a1,a2,...,am}是案件特征的任意组合的集合，B＝{b1,b2,...,bn}是犯罪嫌疑人特征的任意组合的集合，则：
其中表示关联规则，表示计算关联规则的支持度，表示计算关联规则置信度，support_count()表示统计该特征组合在全部数据集中出现的次数；
设置最小出现次数、最小支持度和最小置信度，找到满足要求的案件特征与犯罪嫌疑人特征的关联规则作为强关联规则。
进一步地，所述嫌疑人特征信息获取模块还用于根据该案件的侦查结果调整犯罪嫌疑人特征信息。
进一步地，所述嫌疑目标挖掘模块具体用于从前端多维数据中抽取案件相关数据，根据犯罪嫌疑人特征建立数据筛选规则，在抽取的案件相关数据中根据筛选规则挖掘出嫌疑目标。
进一步地，该系统还包括嫌疑目标时空轨迹展示模块，所述嫌疑目标时空轨迹展示模块用于通过电子地图可视化展示嫌疑目标的时空轨迹，与案件特征信息进行比对，二次核实排查，推荐最优的嫌疑目标。
与现有技术相比，本发明具有以下有益效果：
本发明提供的这种基于大数据的挖掘嫌疑目标的方法及系统，采用多元数据融合技术提取有用数据，采用相关性频繁模式挖掘技术建立案件特征与犯罪嫌疑人特征的强关联规则，通过强关联规则得出该案件的犯罪嫌疑人特征信息，并进一步挖掘出嫌疑目标，为公安侦查业务决策提供有效支撑，从而更好的指导民警发现犯罪嫌疑人，降低人工分析时间，提高案件侦破效率，通过该机制有效的提高公安的工作效率，降低干警工作强度，加强了社会治安综合治理。
附图说明
图1为本发明实施例提供的一种基于大数据的挖掘嫌疑目标的方法的流程图；
图2为本发明实施例提供的一种基于大数据的挖掘嫌疑目标的系统的方框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供一种基于大数据的挖掘嫌疑目标的方法，包括以下步骤：
S1，通过前端采集设备采集多维数据并存入大数据平台；
S2，基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；
S3，根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；
S4，基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。
本发明技术方案采用多元数据融合技术提取有用数据，采用相关性频繁模式挖掘技术建立案件特征与犯罪嫌疑人特征的强关联规则，通过强关联规则得出该案件的犯罪嫌疑人特征信息，并进一步挖掘出嫌疑目标，为公安侦查业务决策提供有效支撑，从而更好的指导民警发现犯罪嫌疑人，降低人工分析时间，提高案件侦破效率，通过该机制有效的提高公安的工作效率，降低干警工作强度，加强了社会治安综合治理。
下面对上述各步骤做进一步详细的说明。
所述步骤S1中，前端采集设备包括部署于目标区域的电子围栏、WIFI围栏、车辆卡口等，目标区域可以为城市或其他范围的区域，采集的数据包括人员的基本信息及活动情况，以及视频监控信息等，采集的数据存入大数据平台中供后续使用，数据采集的过程可以不断地进行。。
在一个实施例中，所述步骤S2的具体过程如下：
基于公安数据库中历史案件以及犯罪人员的大数据建立案件特征与犯罪嫌疑人特征之间的关联规则，案件特征与犯罪嫌疑人特征可以采用遍历的方式进行组合，并通过以下方式计算各关联规则的支持度以及置信度：
设A＝{a1,a2,...,am}是案件特征的任意组合的集合，B＝{b1,b2,...,bn}是犯罪嫌疑人特征的任意组合的集合，则：
其中表示关联规则，表示计算关联规则的支持度，表示计算关联规则置信度，support_count()表示统计括号中的特征组合在全部数据集中出现的次数；
设置最小出现次数、最小支持度和最小置信度，找到满足要求的案件特征与犯罪嫌疑人特征的关联规则作为强关联规则。
通过从历史大数据中挖掘案件特征与犯罪嫌疑人特征的强关联规则，可以为后续的犯罪嫌疑人特征信息分析提供有效支撑，且充分利用了公安大数据，数据量大，强关联规则可参考性较强，预测结果准确度高，为公安侦查业务决策提供有效支撑，从而更好的指导民警发现犯罪嫌疑人，降低人工分析时间，提高案件侦破效率。且强关联规则具有一定通用性，适用于多个案件的分析，可以有效的提高公安的工作效率，降低干警工作强度。
所述步骤S3中，根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息。例如，案件具有流窜作案特征与犯罪嫌疑人非案发区域居民具有强关联，则可以根据案件的流窜作案特征预测出犯罪嫌疑人非案发区域居民，从而快速准确地缩小嫌疑人范围，提高破案效率。
优选地，所述步骤S3还包括：根据该案件的侦查结果调整犯罪嫌疑人特征信息。从而根据实际侦查情况尽快对预测的嫌疑人特征进行调整，提高准确性。
在一个实施例中，所述步骤S4的具体过程如下：
从步骤S1中采集的前端多维数据中抽取案件相关数据，例如案发地点附近前端采集设备感知数据和案发后出城数据，根据犯罪嫌疑人特征建立数据筛选规则，在抽取的案件相关数据中根据筛选规则挖掘出嫌疑目标，嫌疑目标可以包括人和车。例如，根据犯罪嫌疑人非案发区域居民，就可以排除案发区域居民数据。
作为本实施例的优选，该方法还包括：
S5，通过电子地图可视化展示嫌疑目标的时空轨迹，与案件特征信息进行比对，二次核实排查，推荐最优的嫌疑目标。例如若嫌疑目标的时空轨迹显示嫌疑目标在作案时间未处于作案地点，则可以排除该嫌疑目标，从而较快的锁定嫌疑人。
基于同一发明构思，本发明还提供一种基于大数据的挖掘嫌疑目标的系统，由于该系统解决问题的原理与前述一种基于大数据的挖掘嫌疑目标的方法相似，因此该系统的实施可以参见前述方法的实施，重复之处不再赘述。
如图2所示，为本发明实施例提供的一种基于大数据的挖掘嫌疑目标的系统，可以用于执行上述一种基于大数据的挖掘嫌疑目标的方法实施例，该系统包括多维大数据管理模块11、大数据分析模块12、嫌疑人特征信息获取模块13以及嫌疑目标挖掘模块14；
所述多维大数据管理模块11用于存储和管理前端采集设备采集的多维数据；
所述大数据分析模块12用于基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；
所述嫌疑人特征信息获取模块13用于根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；
所述嫌疑目标挖掘模块14用于基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。
在一个实施例中，所述大数据分析模块12具体用于：
基于历史案件以及犯罪人员的大数据建立案件特征与犯罪嫌疑人特征之间的关联规则，并通过以下方式计算各关联规则的支持度以及置信度：
设A＝{a1,a2,...,am}是案件特征的任意组合的集合，B＝{b1,b2,...,bn}是犯罪嫌疑人特征的任意组合的集合，则：
其中表示关联规则，表示计算关联规则的支持度，表示计算关联规则置信度，support_count()表示统计该特征组合在全部数据集中出现的次数；
设置最小出现次数、最小支持度和最小置信度，找到满足要求的案件特征与犯罪嫌疑人特征的关联规则作为强关联规则。
在一个实施例中，所述嫌疑人特征信息获取模块13还用于根据该案件的侦查结果调整犯罪嫌疑人特征信息。
在一个实施例中，所述嫌疑目标挖掘模块14具体用于从前端多维数据中抽取案件相关数据，根据犯罪嫌疑人特征建立数据筛选规则，在抽取的案件相关数据中根据筛选规则挖掘出嫌疑目标。
在一个实施例中，该系统还包括嫌疑目标时空轨迹展示模块，所述嫌疑目标时空轨迹展示模块用于通过电子地图可视化展示嫌疑目标的时空轨迹，与案件特征信息进行比对，二次核实排查，推荐最优的嫌疑目标。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的挖掘嫌疑目标的方法，其特征在于，包括以下步骤：
S1，通过前端采集设备采集多维数据并存入大数据平台；
S2，基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；
S3，根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；
S4，基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。
2.如权利要求1所述的基于大数据的挖掘嫌疑目标的方法，其特征在于，所述步骤S2的具体过程如下：
基于历史案件以及犯罪人员的大数据建立案件特征与犯罪嫌疑人特征之间的关联规则，并通过以下方式计算各关联规则的支持度以及置信度：
设A＝{a1,a2,...,am}是案件特征的任意组合的集合，B＝{b1,b2,...,bn}是犯罪嫌疑人特征的任意组合的集合，则：
其中表示关联规则，表示计算关联规则的支持度，表示计算关联规则置信度，support_count()表示统计该特征组合在全部数据集中出现的次数；
设置最小出现次数、最小支持度和最小置信度，找到满足要求的案件特征与犯罪嫌疑人特征的关联规则作为强关联规则。
3.如权利要求1所述的基于大数据的挖掘嫌疑目标的方法，其特征在于，所述步骤S3还包括：根据该案件的侦查结果调整犯罪嫌疑人特征信息。
4.如权利要求1所述的基于大数据的挖掘嫌疑目标的方法，其特征在于，所述步骤S4的具体过程如下：
从前端多维数据中抽取案件相关数据，根据犯罪嫌疑人特征建立数据筛选规则，在抽取的案件相关数据中根据筛选规则挖掘出嫌疑目标。
5.如权利要求1所述的基于大数据的挖掘嫌疑目标的方法，其特征在于，该方法还包括：
S5，通过电子地图可视化展示嫌疑目标的时空轨迹，与案件特征信息进行比对，二次核实排查，推荐最优的嫌疑目标。
6.一种基于大数据的挖掘嫌疑目标的系统，其特征在于：包括多维大数据管理模块、大数据分析模块、嫌疑人特征信息获取模块以及嫌疑目标挖掘模块；
所述多维大数据管理模块用于存储和管理前端采集设备采集的多维数据；
所述大数据分析模块用于基于历史案件以及犯罪人员的大数据得到案件特征与犯罪嫌疑人特征的强关联规则；
所述嫌疑人特征信息获取模块用于根据待分析案件的案件特征信息，利用上述强关联规则预测出该案件的犯罪嫌疑人特征信息；
所述嫌疑目标挖掘模块用于基于前端多维数据以及犯罪嫌疑人特征信息挖掘出嫌疑目标。
7.如权利要求6所述的基于大数据的挖掘嫌疑目标的系统，其特征在于：所述大数据分析模块具体用于：
基于历史案件以及犯罪人员的大数据建立案件特征与犯罪嫌疑人特征之间的关联规则，并通过以下方式计算各关联规则的支持度以及置信度：
设A＝{a1,a2,...,am}是案件特征的任意组合的集合，B＝{b1,b2,...,bn}是犯罪嫌疑人特征的任意组合的集合，则：
其中表示关联规则，表示计算关联规则的支持度，表示计算关联规则置信度，support_count()表示统计该特征组合在全部数据集中出现的次数；
设置最小出现次数、最小支持度和最小置信度，找到满足要求的案件特征与犯罪嫌疑人特征的关联规则作为强关联规则。
8.如权利要求6所述的基于大数据的挖掘嫌疑目标的系统，其特征在于：所述嫌疑人特征信息获取模块还用于根据该案件的侦查结果调整犯罪嫌疑人特征信息。
9.如权利要求6所述的基于大数据的挖掘嫌疑目标的系统，其特征在于：所述嫌疑目标挖掘模块具体用于从前端多维数据中抽取案件相关数据，根据犯罪嫌疑人特征建立数据筛选规则，在抽取的案件相关数据中根据筛选规则挖掘出嫌疑目标。
10.如权利要求6所述的基于大数据的挖掘嫌疑目标的系统，其特征在于：该系统还包括嫌疑目标时空轨迹展示模块，所述嫌疑目标时空轨迹展示模块用于通过电子地图可视化展示嫌疑目标的时空轨迹，与案件特征信息进行比对，二次核实排查，推荐最优的嫌疑目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811412849.4A CN109614418A (zh) | 2018-11-23 | 2018-11-23 | 基于大数据的挖掘嫌疑目标的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811412849.4A CN109614418A (zh) | 2018-11-23 | 2018-11-23 | 基于大数据的挖掘嫌疑目标的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109614418A true CN109614418A (zh) | 2019-04-12 |
Family
ID=66003859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811412849.4A Pending CN109614418A (zh) | 2018-11-23 | 2018-11-23 | 基于大数据的挖掘嫌疑目标的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109614418A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175791A (zh) * | 2019-06-04 | 2019-08-27 | 杭州中奥科技有限公司 | 滞留点确定方法和滞留点确定装置 |
| CN110727671A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 案件数据处理方法及装置 |
| CN110825785A (zh) * | 2019-11-05 | 2020-02-21 | 佳都新太科技股份有限公司 | 一种数据挖掘方法、装置、电子设备及存储介质 |
| CN111090777A (zh) * | 2019-12-04 | 2020-05-01 | 浙江大华技术股份有限公司 | 一种视频数据的管理方法、管理设备及计算机存储介质 |
| CN111311462A (zh) * | 2020-01-13 | 2020-06-19 | 北京明略软件系统有限公司 | 嫌疑人推荐方法和装置、电子设备及计算机可读存储介质 |
| CN111626239A (zh) * | 2020-05-29 | 2020-09-04 | 山东山科智能科技有限公司 | 基于行为特征的服刑人员危险倾向预测方法及系统 |
| CN111754031A (zh) * | 2020-06-11 | 2020-10-09 | 苏州量盾信息科技有限公司 | 一种基于机器学习技术的犯罪嫌疑人预测方法 |
| 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 |
| CN113450236A (zh) * | 2020-03-24 | 2021-09-28 | 浙江宇视科技有限公司 | 基于时空数据的可疑人员识别方法、装置、系统和介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7941386B2 (en) * | 2005-10-19 | 2011-05-10 | Adf Solutions, Inc. | Forensic systems and methods using search packs that can be edited for enterprise-wide data identification, data sharing, and management |
| CN103914532A (zh) * | 2014-03-31 | 2014-07-09 | 安徽新华博信息技术股份有限公司 | 案件嫌疑人自动排查的分析方法 |
| CN105069130A (zh) * | 2015-08-14 | 2015-11-18 | 安徽新华博信息技术股份有限公司 | 一种嫌疑对象预测方法 |
| CN106227863A (zh) * | 2016-07-29 | 2016-12-14 | 浪潮软件集团有限公司 | 在案件串并和嫌疑人排查中的数据挖掘方法 |
| CN106599133A (zh) * | 2016-12-02 | 2017-04-26 | 中国科学院软件研究所 | 一种基于草图交互的监控视频可视分析方法 |
-
2018
- 2018-11-23 CN CN201811412849.4A patent/CN109614418A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7941386B2 (en) * | 2005-10-19 | 2011-05-10 | Adf Solutions, Inc. | Forensic systems and methods using search packs that can be edited for enterprise-wide data identification, data sharing, and management |
| CN103914532A (zh) * | 2014-03-31 | 2014-07-09 | 安徽新华博信息技术股份有限公司 | 案件嫌疑人自动排查的分析方法 |
| CN105069130A (zh) * | 2015-08-14 | 2015-11-18 | 安徽新华博信息技术股份有限公司 | 一种嫌疑对象预测方法 |
| CN106227863A (zh) * | 2016-07-29 | 2016-12-14 | 浪潮软件集团有限公司 | 在案件串并和嫌疑人排查中的数据挖掘方法 |
| CN106599133A (zh) * | 2016-12-02 | 2017-04-26 | 中国科学院软件研究所 | 一种基于草图交互的监控视频可视分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张凤鸣等: "《武器装备数据挖掘技术内容》", 30 June 2017, 国防工业出版社 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175791A (zh) * | 2019-06-04 | 2019-08-27 | 杭州中奥科技有限公司 | 滞留点确定方法和滞留点确定装置 |
| CN110175791B (zh) * | 2019-06-04 | 2021-08-27 | 杭州中奥科技有限公司 | 滞留点确定方法和滞留点确定装置 |
| CN110727671A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 案件数据处理方法及装置 |
| CN110825785A (zh) * | 2019-11-05 | 2020-02-21 | 佳都新太科技股份有限公司 | 一种数据挖掘方法、装置、电子设备及存储介质 |
| CN111090777A (zh) * | 2019-12-04 | 2020-05-01 | 浙江大华技术股份有限公司 | 一种视频数据的管理方法、管理设备及计算机存储介质 |
| CN111090777B (zh) * | 2019-12-04 | 2023-07-28 | 浙江大华技术股份有限公司 | 一种视频数据的管理方法、管理设备及计算机存储介质 |
| CN111311462A (zh) * | 2020-01-13 | 2020-06-19 | 北京明略软件系统有限公司 | 嫌疑人推荐方法和装置、电子设备及计算机可读存储介质 |
| CN113450236A (zh) * | 2020-03-24 | 2021-09-28 | 浙江宇视科技有限公司 | 基于时空数据的可疑人员识别方法、装置、系统和介质 |
| CN113450236B (zh) * | 2020-03-24 | 2022-12-23 | 浙江宇视科技有限公司 | 基于时空数据的可疑人员识别方法、装置、系统和介质 |
| CN111626239A (zh) * | 2020-05-29 | 2020-09-04 | 山东山科智能科技有限公司 | 基于行为特征的服刑人员危险倾向预测方法及系统 |
| CN111754031A (zh) * | 2020-06-11 | 2020-10-09 | 苏州量盾信息科技有限公司 | 一种基于机器学习技术的犯罪嫌疑人预测方法 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109614418A (zh) | 基于大数据的挖掘嫌疑目标的方法及系统 | |
| CN105427586B (zh) | 一种基于多轨迹碰撞的车辆落脚点分析方法 | |
| CN106339428B (zh) | 基于视频大数据的嫌疑人身份识别方法和装置 | |
| CN102610102B (zh) | 一种嫌疑车辆查控方法及系统 | |
| CN110674238B (zh) | 一种基于大数据的禁毒情报研判系统 | |
| CN103365916B (zh) | 地震事件参数估计获取方法和系统，地震事件搜索引擎 | |
| CN104699755B (zh) | 一种基于数据挖掘的智能化多目标综合识别方法 | |
| CN110351260A (zh) | 一种内网攻击预警方法、装置及存储介质 | |
| CN105868845A (zh) | 风险预警方法和装置 | |
| CN101464877B (zh) | 挖掘相关联犯罪嫌疑人的方法 | |
| CN106570147A (zh) | 一种基于gis路网分析的跳跃式视频追踪方法和系统 | |
| CN106033548B (zh) | 基于改进字典学习的拥挤人群异常检测方法 | |
| CN107944371A (zh) | 一种基于数据挖掘的公安视频监控图像处理方法 | |
| CN109615573A (zh) | 基于大数据的外地人员流窜作案分析方法及系统 | |
| CN110019963B (zh) | 嫌疑人关系人员的搜索方法 | |
| CN114067270A (zh) | 一种车辆追踪方法、装置、计算机设备及存储介质 | |
| CN111191531A (zh) | 一种快速行人检测方法及系统 | |
| CN106355537A (zh) | 一种智能串并案分析方法及系统 | |
| CN106682313A (zh) | 一种基于时空二维的视频布局规划方法 | |
| CN109271859A (zh) | 串并案方法和装置、电子设备、计算机存储介质 | |
| Fussey | Surveillance and the Olympic spectacle | |
| CN112052337A (zh) | 基于时空关联的目标关系探测方法、系统及存储介质 | |
| CA3093530C (en) | Geological data assessment system | |
| Adepoju et al. | Geo-spatial technologies for Nigerian urban security and crime management—A study of Abuja crime hotspot mapping and analysis | |
| KR100897757B1 (ko) | 항공사진과 지아이에스를 이용한 하천의 평면 변화분석시스템 및 그 방법 |
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 |
Application publication date: 20190412 |
|
| RJ01 | Rejection of invention patent application after publication |