CN109784316B - 一种追溯地铁闸机逃票的方法、装置及存储介质 - Google Patents
一种追溯地铁闸机逃票的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109784316B CN109784316B CN201910136445.5A CN201910136445A CN109784316B CN 109784316 B CN109784316 B CN 109784316B CN 201910136445 A CN201910136445 A CN 201910136445A CN 109784316 B CN109784316 B CN 109784316B
- Authority
- CN
- China
- Prior art keywords
- passenger
- subway
- video data
- suspected
- card
- 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 60
- 230000006399 behavior Effects 0.000 claims abstract description 94
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000001815 facial effect Effects 0.000 claims abstract description 9
- 230000009471 action Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 14
- 230000001364 causal effect Effects 0.000 claims description 13
- 230000009191 jumping Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Landscapes
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本申请涉及图像匹配领域，本申请提供一种追溯地铁闸机逃票的方法、装置及存储介质，所述方法包括：获取每个闸机口的视频数据，对所述视频数据进行行为分析，当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若是合法持有者，则扣除其绑定的地铁卡账户中的金额；若不是，则将本次逃票信息同步至公安系统。通过采用本方案，能够有效的追溯逃票行为。
Description
技术领域
本申请涉及图像匹配领域，尤其涉及追溯地铁闸机逃票的方法、装置及存储介质。
背景技术
目前地铁上有部分人不刷卡直接跳过轧机或钻出轧机、或跟随前面刷卡的人进行逃跑，当逃跑后，其不需要负任何责任，由于目前的地铁卡都是不记名方式，故出现这种现象时，地铁公司仅能锁定卡的信息，但无法定位到该卡的使用者，使用者，故无法对该人做相应的处理，例如要求其补票或不允许该乘客乘坐地铁或其他公共交通。
可见，目前地铁公司无法有效的对逃票现象进行追溯。
发明内容
本申请提供了一种追溯地铁闸机逃票的方法、装置及存储介质，能够解决现有技术中无法有效的对逃票现象进行追溯的问题。
第一方面，本申请提供一种追溯地铁闸机逃票的方法，所述方法包括：
获取每个闸机口的视频数据，所述视频数据包括刷卡人在闸机刷卡时的个人视频数据；
检测所述视频数据中的运动特征，对检测出的运动特征进行量化，将所述视频数据表示成词袋模式，利用动态因果主题模型对所述视频数据进行建模，根据所述动态因果主题模型检测出所述视频数据中包含的行为；
对所述视频数据中检测到的行为进行行为分析，判断检测到的行为中是否包括逃票行为；当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；
根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；
若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额；
若确定嫌疑乘客不是地铁公司的记录的地铁卡的合法持有者，则将本次逃票信息同步至公安系统。
在一些可能的设计中，所述个人视频数据可以包括持卡人从警戒线到通过闸机之间的动画，所述动画包括用户的行为数据和持卡人头像。
在一些可能的设计中，所述对所述视频数据进行行为分析之后，所述获取所述嫌疑乘客的人脸图像之前，所述方法还包括：
在所述视频数据中，若相邻两次刷卡期间存在至少两名乘客通过闸机，则确定相邻两次刷卡中在先刷卡者存在逃票行为。
在一些可能的设计中，所述确定相邻两次刷卡中在先刷卡者存在逃票行为之后，所述方法还包括：
获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，分析相邻两次刷卡期间的乘客的之间的亲属关系；
若存在亲属关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
在一些可能的设计中，所述确定相邻两次刷卡中在先刷卡者存在逃票行为之后，所述方法还包括：
获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，基于知识图谱分析相邻两次刷卡期间的乘客的之间的社交关系，所述知识图谱包括用户的社交关系和个人特征信息；
若存在社交关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
在一些可能的设计中，所述对所述视频数据进行行为分析之后，所述获取所述嫌疑乘客的人脸图像之前，所述方法还包括：
若所述视频数据中，过闸机的乘客没有刷卡行为，且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；或者，若所述视频数据中，过闸机的乘客有刷卡行为，无刷卡记录且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；
获取所述乘客的人脸图像，调用公安系统，从公安系统匹配所述乘客的人脸图像；
匹配到所述乘客的用户信息后，生成与所述乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
在一些可能的设计中，所述若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额，包括：
将所述人脸图像与数据库中存储的各合法持有者的人脸图像进行匹配；
若匹配到，则确定所述嫌疑乘客所持有的地铁卡账户，根据所述嫌疑乘客的实际进出站计算本次应付的乘车金额，从所述嫌疑乘客所持有的地铁卡账户中任选一账户，扣除选中的账户中的乘车金额。
第二方面，本申请提供一种追溯地铁闸机逃票的装置，具有实现对应于上述第一方面提供的追溯地铁闸机逃票的方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。
一种可能的设计中，所述装置包括：
收发模块，用于获取每个闸机口的视频数据，所述视频数据包括刷卡人在闸机刷卡时的个人视频数据；
处理模块，用于检测所述视频数据中的运动特征，对检测出的运动特征进行量化，将所述视频数据表示成词袋模式，利用动态因果主题模型对所述视频数据进行建模，根据所述动态因果主题模型检测出所述视频数据中包含的行为；对所述视频数据中检测到的行为进行行为分析，判断检测到的行为中是否包括逃票行为；当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额；若确定嫌疑乘客不是地铁公司的记录的地铁卡的合法持有者，则通过所述收发模块将本次逃票信息同步至公安系统。
在一些可能的设计中，所述个人视频数据可以包括持卡人从警戒线到通过闸机之间的动画，所述动画包括用户的行为数据和持卡人头像。
在一些可能的设计中，所述处理模块对所述视频数据进行行为分析之后，所述获取所述嫌疑乘客的人脸图像之前，还用于：
在所述视频数据中，若相邻两次刷卡期间存在至少两名乘客通过闸机，则确定相邻两次刷卡中在先刷卡者存在逃票行为。
在一些可能的设计中，所述处理模块确定相邻两次刷卡中在先刷卡者存在逃票行为之后，还用于：
通过所述收发模块获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，分析相邻两次刷卡期间的乘客的之间的亲属关系；
若存在亲属关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并通过所述收发模块将所述信用信息推送至所述公安系统。
在一些可能的设计中，所述处理模块确定相邻两次刷卡中在先刷卡者存在逃票行为之后，还用于：
通过所述收发模块获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，基于知识图谱分析相邻两次刷卡期间的乘客的之间的社交关系，所述知识图谱包括用户的社交关系和个人特征信息；
若存在社交关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并通过所述收发模块将所述信用信息推送至所述公安系统。
在一些可能的设计中，所述处理模块对所述视频数据进行行为分析之后，所述收发模块获取所述嫌疑乘客的人脸图像之前，还用于：
若所述视频数据中，过闸机的乘客没有刷卡行为，且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；或者，若所述视频数据中，过闸机的乘客有刷卡行为，无刷卡记录且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；
通过所述收发模块获取所述乘客的人脸图像，调用公安系统，从公安系统匹配所述乘客的人脸图像；
匹配到所述乘客的用户信息后，生成与所述乘客的用户信息对应的信用信息，并通过所述收发模块将所述信用信息推送至所述公安系统。
在一些可能的设计中，所述处理模块具体用于：
将所述人脸图像与数据库中存储的各合法持有者的人脸图像进行匹配；
若匹配到，则确定所述嫌疑乘客所持有的地铁卡账户，根据所述嫌疑乘客的实际进出站计算本次应付的乘车金额，从所述嫌疑乘客所持有的地铁卡账户中任选一账户，扣除选中的账户中的乘车金额。
本申请又一方面提供了一种追溯地铁闸机逃票的装置，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述各方面所述的方法。
本申请又一方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
相较于现有技术，本申请提供的方案中，获取每个闸机口的视频数据，对所述视频数据进行行为分析，当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若是合法持有者，则扣除其绑定的地铁卡账户中的金额；若不是，则将本次逃票信息同步至公安系统。通过采用本方案，能够有效的追溯逃票行为。
附图说明
图1为本申请实施例中追溯地铁闸机逃票的方法的一种流程示意图；
图2为本申请实施例中追溯地铁闸机逃票的装置的一种结构示意图；
图3为本申请实施例中追溯地铁闸机逃票的装置的另一种结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行。
本申请提供一种追溯地铁闸机逃票的方法、装置及存储介质。
为解决上述技术问题，本申请主要提供以下技术方案：
通过获取刷卡人的视频或图像信息，分析视频或图像信息，对持卡人进行追溯，建立信用体系，能够有效的追溯在地铁逃票的行为。
请参照图1，以下对本申请提供一种追溯地铁闸机逃票的方法，所述方法包括：
101、获取每个闸机口的视频数据。
其中，所述视频数据包括刷卡人在闸机刷卡时的个人视频数据。
在一些实施方式中，所述个人视频数据可以包括持卡人从警戒线到通过闸机之间的动画，所述动画包括用户的行为数据和持卡人头像。一个个人视频数据中可能包括1人或2人以上的行为数据，例如刷卡、行走动作。
在一些实施方式中，该个人视频数据可以是实时获取，也可以是在固定时间段统计后获取，每份视频数据对应一个卡号。
102、检测所述视频数据中的运动特征，对检测出的运动特征进行量化，将所述视频数据表示成词袋模式，利用动态因果主题模型对所述视频数据进行建模，根据所述动态因果主题模型检测出所述视频数据中包含的行为。
其中，所述视频数据包括多个视频帧，多个视频帧在时域上按照时间先后顺序排列。
动态因果模型是指在神经元上进行分析的时间序列模型，具有非线性的动态的特性，可对各功能区的有效连接进行非线性和动态性分析，通过外部扰动进行问题评估。
一些实施方式中，可利用光流算法计算视频数据中相邻的视频帧之间的光流特征，并对光流特征进行幅度去噪，即，若光流特征的幅度值小于阈值，则将该光流特征去除。
对去噪后的光流特征进行位置和方向的量化，将视频数据表示成词袋模式。具体措施包括，
(1)构建视觉词典。每个运动像素都包含两个特征：位置和方向。为了对位置进行量化，整个视频帧被分割成36×29的网格，每个网格单元大小10×10。然后运动方向均匀量化为8个。因此，可以构建出一个规模为V＝8352(36×29×8)的视觉词典。每个光流特征根据光流特征所在的位置和方向映射成一个视觉单词。
(2)构建视觉文档。
将视频数据分割成时长dt＝3s的不重叠的Nt＝1199个视频片段,每个视频片段dt由其所包含的视觉单词累积而成。
103、对所述视频数据中检测到的行为进行行为分析，判断检测到的行为中是否包括逃票行为；当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像。
在一些实施方式中，所述对所述视频数据进行行为分析之后，所述获取所述嫌疑乘客的人脸图像之前，所述方法还包括：
在所述视频数据中，若相邻两次刷卡期间存在至少两名乘客通过闸机，则确定相邻两次刷卡中在先刷卡者存在逃票行为。例如，发现1人刷卡后，连续有2人以上同时通过闸机，即前后2次刷卡期间，依次有2人以上通过闸机，则可认为第一次刷卡的使用者存在逃票行为。
在一些实施方式中，在确定相邻两次刷卡中在先刷卡者存在逃票行为之后，所述方法还包括：
获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，分析相邻两次刷卡期间的乘客的之间的亲属关系；
若存在亲属关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
例如，发现1人刷卡后，连续有2人以上同时通过闸机，即前后2次刷卡期间，依次有2人以上通过闸机，获取这2人的图像信息，调用与其联网的公安系统，基于该公安系统去匹配与2个人脸图像匹配到的用户信息，分别匹配到对应的用户信息后，分析这2人是否存在亲属关系，若存在，则认为第一次刷卡的使用者存在逃票行为，并生成与该用户信息对应的信用信息(例如逃票行为)，然后将该信用信息同步到该公安系统。则可认为第一次刷卡的使用者存在逃票行为。
104、根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者。
在一些实施方式中，可将所述人脸图像与数据库中存储的各合法持有者的人脸图像进行匹配。若匹配到，则确定所述嫌疑乘客所持有的地铁卡账户。在乘客办理地铁卡时，采集乘客的人脸图像，并与地铁卡账户绑定。
105-1、若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额。
在确定所述嫌疑乘客所持有的地铁卡账户后，根据所述嫌疑乘客的实际进出站计算本次应付的乘车金额，从所述嫌疑乘客所持有的地铁卡账户中任选一账户，扣除选中的账户中的乘车金额。例如，该嫌疑乘客有652389和877669两个地铁卡，匹配到该乘客进站点为黄金口站，出站口为白云口站，则计算从黄金口站至白云口站的实际车费，扣除652389这张地铁卡的余额。
105-2、若确定嫌疑乘客不是地铁公司的记录的地铁卡的合法持有者，则将本次逃票信息同步至公安系统。
将所述人脸图像与数据库中存储的各合法持有者的人脸图像进行匹配。若未匹配到，则确定所述嫌疑乘客并非地铁公司的客户，故可以确定该嫌疑乘客本次存在逃票行为。
与现有机制相比，本申请实施例中，获取每个闸机口的视频数据，对所述视频数据进行行为分析，当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若是合法持有者，则扣除其绑定的地铁卡账户中的金额；若不是，则将本次逃票信息同步至公安系统。通过采用本方案，能够有效的追溯逃票行为。
可选的，在本申请的一些实施例中，在确定相邻两次刷卡中在先刷卡者存在逃票行为之后，所述方法还包括：
获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，基于知识图谱分析相邻两次刷卡期间的乘客的之间的社交关系，所述知识图谱包括用户的社交关系和个人特征信息。
若存在社交关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
例如，截取时段在13：12：20至13：12：40的刷卡的视频数据，经过对比分析，发现该时段内连续有2个人通过闸机，即前后2次刷卡期间，例如乘客A和乘客B先后通过闸机，并且只有乘客A刷卡。截取的乘客A和乘客B的人脸图像，调用与其联网的公安系统，基于该公安系统去匹配与乘客A和乘客B二人的人脸图像。分别匹配到对应的用户信息后，分析乘客A和乘客B是否存在亲属关系，若不存在亲属关系，则基于本地存储的知识图谱分析乘客A和乘客B是否认识，若认识(例如位同事、同学或朋友关系)，则确定确定二者存在逃票行为存在逃票行为，并生成与乘客A和乘客B分别对应用户信息对应的信用信息(例如逃票行为)，然后将该信用信息同步到该公安系统。
可选的，在本申请的一些实施例中，所述对所述视频数据进行行为分析之后，所述获取所述嫌疑乘客的人脸图像之前，所述方法还包括：
若所述视频数据中，过闸机的乘客没有刷卡行为，且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；或者，若所述视频数据中，过闸机的乘客有刷卡行为，无刷卡记录且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为。
在确定所述乘客存在逃票行为后，获取所述乘客的人脸图像，调用公安系统，从公安系统匹配所述乘客的人脸图像。匹配到所述乘客的用户信息后，生成与所述乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
可见，通过以上各方案可知，本申请的技术方案能够防止逃跑，建立信用体系和可追责机制。
上述图1所对应的实施例中提及的各项技术特征也同样适用于本申请中的图2和图3所对应的实施例，后续类似之处不再赘述。
以上对本申请中一种追溯地铁闸机逃票的方法进行说明，以下对执行上述追溯地铁闸机逃票的装置进行描述。
如图2所示的一种追溯地铁闸机逃票的20的结构示意图，其可应用于地铁。本申请实施例中的追溯地铁闸机逃票的装置能够实现对应于上述图1所对应的实施例中所执行的追溯地铁闸机逃票的方法的步骤。追溯地铁闸机逃票的装置20实现的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。所述追溯地铁闸机逃票的装置可包括收发模块201和处理模块202，所述处理模块202和收发模块201的功能实现可参考图1所对应的实施例中所执行的操作，此处不作赘述。处理模块可用于控制所述收发模块201的收发操作。
一些实施方式中，所述收发模块201可用于获取每个闸机口的视频数据，所述视频数据包括刷卡人在闸机刷卡时的个人视频数据；
所述处理模块202可用于检测所述视频数据中的运动特征，对检测出的运动特征进行量化，将所述视频数据表示成词袋模式，利用动态因果主题模型对所述视频数据进行建模，根据所述动态因果主题模型检测出所述视频数据中包含的行为；对所述视频数据中检测到的行为进行行为分析，判断检测到的行为中是否包括逃票行为；当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额；若确定嫌疑乘客不是地铁公司的记录的地铁卡的合法持有者，则通过所述收发模块将本次逃票信息同步至公安系统。
本申请实施例中，收发模块201获取每个闸机口的视频数据，处理模块202对所述视频数据进行行为分析，当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若是合法持有者，则扣除其绑定的地铁卡账户中的金额；若不是，则将本次逃票信息同步至公安系统。通过采用本方案，能够有效的追溯逃票行为。
可选的，在本申请的一些实施例中，所述个人视频数据可以包括持卡人从警戒线到通过闸机之间的动画，所述动画包括用户的行为数据和持卡人头像。
可选的，在本申请的一些实施例中，所述处理模块202对所述视频数据进行行为分析之后，所述获取所述嫌疑乘客的人脸图像之前，还用于：
在所述视频数据中，若相邻两次刷卡期间存在至少两名乘客通过闸机，则确定相邻两次刷卡中在先刷卡者存在逃票行为。
可选的，在本申请的一些实施例中，所述处理模块202确定相邻两次刷卡中在先刷卡者存在逃票行为之后，还用于：
通过所述收发模块201获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，分析相邻两次刷卡期间的乘客的之间的亲属关系；
若存在亲属关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并通过所述收发模块201将所述信用信息推送至所述公安系统。
可选的，在本申请的一些实施例中，所述处理模块202确定相邻两次刷卡中在先刷卡者存在逃票行为之后，还用于：
通过所述收发模块获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，基于知识图谱分析相邻两次刷卡期间的乘客的之间的社交关系，所述知识图谱包括用户的社交关系和个人特征信息；
若存在社交关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并通过所述收发模块201将所述信用信息推送至所述公安系统。
可选的，在本申请的一些实施例中，所述处理模块202对所述视频数据进行行为分析之后，所述收发模块201获取所述嫌疑乘客的人脸图像之前，还用于：
若所述视频数据中，过闸机的乘客没有刷卡行为，且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；或者，若所述视频数据中，过闸机的乘客有刷卡行为，无刷卡记录且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；
通过所述收发模块201获取所述乘客的人脸图像，调用公安系统，从公安系统匹配所述乘客的人脸图像；
匹配到所述乘客的用户信息后，生成与所述乘客的用户信息对应的信用信息，并通过所述收发模块201将所述信用信息推送至所述公安系统。
可选的，在本申请的一些实施例中，所述处理模块202具体用于：
将所述人脸图像与数据库中存储的各合法持有者的人脸图像进行匹配；
若匹配到，则确定所述嫌疑乘客所持有的地铁卡账户，根据所述嫌疑乘客的实际进出站计算本次应付的乘车金额，从所述嫌疑乘客所持有的地铁卡账户中任选一账户，扣除选中的账户中的乘车金额。
上面从模块化功能实体的角度分别介绍了本申请实施例中的追溯地铁闸机逃票的装置，以下从硬件角度介绍一种追溯地铁闸机逃票的装置，如图3所示，其包括：处理器、存储器和收发器(也可以是输入输出单元，图3中未标识出)以及存储在所述存储器中并可在所述处理器上运行的计算机程序。例如，该计算机程序可以为图1所对应的实施例中追溯地铁闸机逃票的方法对应的程序。例如，当追溯地铁闸机逃票的装置实现如图2所示的追溯地铁闸机逃票的装置20的功能时，所述处理器执行所述计算机程序时实现上述图3所对应的实施例中由追溯地铁闸机逃票的装置20执行的追溯地铁闸机逃票的方法中的各步骤；或者，所述处理器执行所述计算机程序时实现上述图2所对应的实施例的追溯地铁闸机逃票的装置20中各模块的功能。又例如，该计算机程序可以为图1所对应的实施例中追溯地铁闸机逃票的方法对应的程序。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述收发器也可以用接收器和发送器代替，可以为相同或者不同的物理实体。为相同的物理实体时，可以统称为收发器。所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。该收发器可以为输入输出单元。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请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，该计算机软件产品存储在一个存储介质(如ROM/RAM)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本申请的保护之内。
Claims (10)
1.一种追溯地铁闸机逃票的方法，其特征在于，所述方法包括：
获取每个闸机口的视频数据，所述视频数据包括刷卡人在闸机刷卡时的个人视频数据；
检测所述视频数据中的运动特征，对检测出的运动特征进行量化，将所述视频数据表示成词袋模式，利用动态因果主题模型对所述视频数据进行建模，根据所述动态因果主题模型检测出所述视频数据中包含的行为；
对所述视频数据中检测到的行为进行行为分析，判断检测到的行为中是否包括逃票行为；
当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；
根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；
若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额；
若确定嫌疑乘客不是地铁公司的记录的地铁卡的合法持有者，则将本次逃票信息同步至公安系统。
2.根据权利要求1所述的方法，其特征在于，所述个人视频数据包括持卡人从警戒线到通过闸机之间的动画，所述动画包括用户的行为数据和持卡人头像。
3.根据权利要求1或2所述的方法，其特征在于，所述对所述视频数据中检测到的行为进行行为分析之后，所述当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像之前，所述方法还包括：
在所述视频数据中，若相邻两次刷卡期间存在至少两名乘客通过闸机，则确定相邻两次刷卡中在先刷卡者存在逃票行为。
4.根据权利要求3所述的方法，其特征在于，所述确定相邻两次刷卡中在先刷卡者存在逃票行为之后，所述方法还包括：
获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像以及人脸图像对应的用户信息；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，分析相邻两次刷卡期间的乘客之间的亲属关系；
若存在亲属关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
5.根据权利要求3所述的方法，其特征在于，所述确定相邻两次刷卡中在先刷卡者存在逃票行为之后，所述方法还包括：
获取所述相邻两次刷卡期间的所有乘客的人脸图像；
调用公安系统，从公安系统匹配所述相邻两次刷卡期间的所有乘客的人脸图像以及人脸图像对应的用户信息；
分别匹配到所述相邻两次刷卡期间的每个乘客的用户信息后，基于知识图谱分析相邻两次刷卡期间的乘客之间的社交关系，所述知识图谱包括用户的社交关系和个人特征信息；
若存在社交关系，则确定所述相邻两次刷卡中的每个乘客存在逃票行为；
生成所述相邻两次刷卡中的所有乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
6.根据权利要求1或2所述的方法，其特征在于，所述对所述视频数据中检测到的行为进行行为分析之后，所述当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像之前，所述方法还包括：
若所述视频数据中，过闸机的乘客没有刷卡行为，且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；或者，若所述视频数据中，过闸机的乘客有刷卡行为，无刷卡记录且存在跳跃或手拨动闸机的行为，则确定所述乘客存在逃票行为；
获取所述乘客的人脸图像，调用公安系统，从公安系统匹配所述乘客的人脸图像以及人脸图像对应的用户信息；
匹配到所述乘客的用户信息后，生成与所述乘客的用户信息对应的信用信息，并将所述信用信息推送至所述公安系统。
7.根据权利要求1或2所述的方法，其特征在于，所述若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额，包括：
将所述人脸图像与数据库中存储的各合法持有者的人脸图像进行匹配；
若匹配到，则确定所述嫌疑乘客所持有的地铁卡账户，根据所述嫌疑乘客的实际进出站计算本次应付的乘车金额，从所述嫌疑乘客所持有的地铁卡账户中任选一账户，扣除选中的账户中的乘车金额。
8.一种追溯地铁闸机逃票的装置，其特征在于，所述装置包括：
收发模块，用于获取每个闸机口的视频数据，所述视频数据包括刷卡人在闸机刷卡时的个人视频数据；
处理模块，用于检测所述视频数据中的运动特征，对检测出的运动特征进行量化，将所述视频数据表示成词袋模式，利用动态因果主题模型对所述视频数据进行建模，根据所述动态因果主题模型检测出所述视频数据中包含的行为；对所述视频数据中检测到的行为进行行为分析，判断检测到的行为中是否包括逃票行为；当确定存在逃票行为的嫌疑乘客后，获取所述嫌疑乘客的人脸图像；根据所述嫌疑乘客的人脸图像确定嫌疑乘客是否为地铁公司的记录的地铁卡的合法持有者；若确定嫌疑乘客是地铁公司的记录的地铁卡的合法持有者，则扣除其绑定的地铁卡账户中的金额；若确定嫌疑乘客不是地铁公司的记录的地铁卡的合法持有者，则通过所述收发模块将本次逃票信息同步至公安系统。
9.一种追溯地铁闸机逃票的装置，其特征在于，所述装置包括：
至少一个处理器、存储器和收发器；
其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中存储的程序代码来执行如权利要求1-7中任一项所述的方法。
10.一种计算机存储介质，其特征在于，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910136445.5A CN109784316B (zh) | 2019-02-25 | 2019-02-25 | 一种追溯地铁闸机逃票的方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910136445.5A CN109784316B (zh) | 2019-02-25 | 2019-02-25 | 一种追溯地铁闸机逃票的方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109784316A CN109784316A (zh) | 2019-05-21 |
| CN109784316B true CN109784316B (zh) | 2024-02-02 |
Family
ID=66487219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910136445.5A Active CN109784316B (zh) | 2019-02-25 | 2019-02-25 | 一种追溯地铁闸机逃票的方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109784316B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473330A (zh) * | 2019-07-07 | 2019-11-19 | 南京美基森信息技术有限公司 | 一种记录逃票人员信息的闸机 |
| CN110415418A (zh) * | 2019-08-09 | 2019-11-05 | 苏州富欣智能交通控制有限公司 | 一种有轨电客流量统计方法 |
| CN111008568B (zh) * | 2019-11-07 | 2023-09-05 | 浙江大华技术股份有限公司 | 逃票检测方法及其相关装置 |
| CN113014870B (zh) * | 2021-02-20 | 2022-09-20 | 同济大学 | 一种基于乘客姿态快速估计的地铁闸机通行逃票识别方法 |
| CN117974127A (zh) * | 2024-03-29 | 2024-05-03 | 成都智元汇信息技术股份有限公司 | 一种基于对账异常生成维护指示的方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016483A (ja) * | 2001-06-29 | 2003-01-17 | Toshiba Corp | 不正乗車判定システム用コンピュータ、前記システム用自動改札機、及び前記システム用プログラム |
| CN105472346A (zh) * | 2015-12-28 | 2016-04-06 | 王成财 | 一种视频监控方法 |
| CN107025418A (zh) * | 2016-01-29 | 2017-08-08 | 广州地铁集团有限公司 | 基于图像处理的防逃票检测方法、检测系统及其系统 |
| CN107967440A (zh) * | 2017-09-19 | 2018-04-27 | 北京工业大学 | 一种基于多区域变尺度3d-hof的监控视频异常检测方法 |
| CN108416632A (zh) * | 2018-03-26 | 2018-08-17 | 成都信达智胜科技有限公司 | 一种动态视频的识别方法 |
| CN108876976A (zh) * | 2018-04-11 | 2018-11-23 | 北京旷视科技有限公司 | 卡片识别装置、图像采集装置、抓盗卡系统和方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2947160A1 (en) * | 2014-04-30 | 2015-11-05 | Cubic Corporation | Fare evasion detection using video analytics |
| US20160063405A1 (en) * | 2014-08-29 | 2016-03-03 | International Business Machines Corporation | Public transportation fare evasion inference using personal mobility data |
| CN104766372B (zh) * | 2015-04-29 | 2017-09-26 | 江苏保千里视像科技集团股份有限公司 | 一种用人脸识别逃票判定系统及其使用方法 |
-
2019
- 2019-02-25 CN CN201910136445.5A patent/CN109784316B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016483A (ja) * | 2001-06-29 | 2003-01-17 | Toshiba Corp | 不正乗車判定システム用コンピュータ、前記システム用自動改札機、及び前記システム用プログラム |
| CN105472346A (zh) * | 2015-12-28 | 2016-04-06 | 王成财 | 一种视频监控方法 |
| CN107025418A (zh) * | 2016-01-29 | 2017-08-08 | 广州地铁集团有限公司 | 基于图像处理的防逃票检测方法、检测系统及其系统 |
| CN107967440A (zh) * | 2017-09-19 | 2018-04-27 | 北京工业大学 | 一种基于多区域变尺度3d-hof的监控视频异常检测方法 |
| CN108416632A (zh) * | 2018-03-26 | 2018-08-17 | 成都信达智胜科技有限公司 | 一种动态视频的识别方法 |
| CN108876976A (zh) * | 2018-04-11 | 2018-11-23 | 北京旷视科技有限公司 | 卡片识别装置、图像采集装置、抓盗卡系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109784316A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109784316B (zh) | 一种追溯地铁闸机逃票的方法、装置及存储介质 | |
| US11276068B2 (en) | Fraudulent transaction identification method and apparatus, server, and storage medium | |
| CN111681091B (zh) | 基于时间域信息的金融风险预测方法、装置及存储介质 | |
| CN107368827B (zh) | 字符识别方法及装置、用户设备、服务器 | |
| US11544510B2 (en) | System and method for multi-modal image classification | |
| CN111611873A (zh) | 人脸替换检测方法及装置、电子设备、计算机存储介质 | |
| CN108256442A (zh) | 改进的从卡的数字图像中提取金融账户信息 | |
| CN107111744A (zh) | 针对基于视频的认证来检测假冒攻击 | |
| CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
| CN110119727A (zh) | 指纹识别方法、装置、终端及存储介质 | |
| CN107392614B (zh) | 线下交易的实现方法和装置 | |
| CN104123608A (zh) | 一种建立记账记录的方法与装置 | |
| CN106941506A (zh) | 基于生物特征的数据处理方法和装置 | |
| CN110798709A (zh) | 视频处理方法和装置、存储介质及电子装置 | |
| CN116311214B (zh) | 车牌识别方法和装置 | |
| CN108171863A (zh) | 增值税发票的检验方法及装置 | |
| CN110675252A (zh) | 风险评估方法、装置、电子设备及存储介质 | |
| CN112734436A (zh) | 一种支持人脸识别的终端以及方法 | |
| CN110991231A (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
| CN112307464A (zh) | 诈骗识别方法、装置及电子设备 | |
| CN115240203A (zh) | 业务数据处理方法、装置、设备及存储介质 | |
| CN111062019A (zh) | 用户攻击检测方法、装置、电子设备 | |
| CN114037998A (zh) | 一种使用模型分析笔迹提升账户安全的方法及装置 | |
| CN111259216A (zh) | 一种信息识别方法、装置及设备 | |
| CN110688878B (zh) | 活体识别检测方法、装置、介质及电子设备 |
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 |