CN110209835A - 一种异常检测方法及装置、计算机存储介质及电子设备 - Google Patents

Abstract

一种异常检测方法及装置、计算机存储介质及电子设备，包括：检测布控目标的活动轨迹；根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。采用本申请提供的方案，可以结合知识图谱中已掌控的布控目标的线索进行推理，实现对目标的活动路径进行轨迹预测，并确定布控目标是否存在异常，解决了现有技术中只能利用规则专家系统和人工判断的局限性，有效提升了目标异常检测的准确性。

Description

一种异常检测方法及装置、计算机存储介质及电子设备

技术领域

本申请涉及多维数据处理技术，具体地，涉及一种异常检测方法及装置、计算机存储介质及电子设备。

背景技术

现有的异常行为轨迹检测大多是对布控目标已有的多维结构化轨迹数据进行查询、检索，再由人工进行数据关联、路径预测，或者建立专家系统运用专家的知识和经验形成规则，对多维轨迹数据进行预测。

然而，在大量的数据面前，人工推理和判断强依赖于工作人员对多维轨迹数据之间的关系理解，且对异常轨迹检测的判断结果也会因人而异，导致无法及时有效地对布控目标的行为活动进行预判；专家系统是基于规则的推理判断系统，强依赖于规则集的完整性，若多维数据没有找到可匹配的规则，那么专家系统则无法对其进行异常行为轨迹检测。

现有技术中存在的问题：

人工推理判断方式依赖于工作人员对多维轨迹数据之间的关系理解，专家系统则依赖于规则集的完整性，两种方式都存在无法有效检测异常轨迹的缺陷，例如：工作人员对多维轨迹数据之间的关系不理解、或者专家系统的规则集不完善等情况。

发明内容

本申请实施例中提供了一种异常检测方法及装置、计算机存储介质及电子设备，以解决上述技术问题。

根据本申请实施例的第一个方面，提供了一种异常检测方法，包括：

检测布控目标的活动轨迹；

根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；

根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。

根据本申请实施例的第二个方面，提供了一种异常检测装置，包括：

轨迹检测模块，用于检测布控目标的活动轨迹；

轨迹预测模块，用于根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；

异常确定模块，用于根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。

根据本申请实施例的第三个方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。

根据本申请实施例的第三个方面，提供了一种电子设备，包括存储器、以及一个或多个处理器，所述存储器用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行时，实现如上所述的方法。

有益效果：

采用本申请实施例中提供的技术方案，可以结合知识图谱中已掌控的布控目标的线索进行推理，实现对目标的活动路径进行轨迹预测，并确定布控目标是否存在异常，解决了现有技术中只能利用规则专家系统和人工判断的局限性，有效提升了目标异常检测的准确性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请实施例1中异常检测方法实施的流程示意图；

图2示出了本申请实施例1中异常检测的功能框图；

图3示出了本申请实施例2中异常检测装置的结构示意图；

图4示出了本申请实施例4中电子设备的结构示意图；

图5示出了本申请实施例5中知识图谱的结构示意图一；

图6示出了本申请实施例5中知识图谱的结构示意图二；

图7示出了本申请实施例5中异常检测的流程示意图；

图8示出了本申请实施例1中数据关系图的示意图。

具体实施方式

本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例1

本申请实施例提供了一种异常检测方法，下面进行说明。

图1示出了本申请实施例1中异常检测方法实施的流程示意图。

如图所示，所述异常检测方法包括：

步骤101、检测布控目标的活动轨迹；

步骤102、根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；

步骤103、根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。

具体实施时，所述布控目标可以为具有活动能力的对象，例如：人、或者机器人等。

所述知识图谱可以是描述所述布控目标的各种数据之间关系的图的数据库，所述布控目标的各种数据可以包括所述布控目标的身份信息、级别信息(例如：重点监控、一般人员等)、车辆信息(车牌号、车型、车款、年份等)、人脸图像信息、所述布控目标相关的文本信息(发表的文章、与布控目标相关的网页内容、住宅地址、公司地址、快递单号等)、以及所述布控目标的常用落脚点、亲友关系、历史活动轨迹等。

其中，所述布控目标相关的文本信息可以利用现有的语义识别或文本识别技术获取相应的数据内容，本申请在此不做详细阐述。

在进行轨迹预测时，可以利用知识图谱中所述布控目标的各种数据作为线索、再结合所述布控目标的活动轨迹，对所述布控目标的轨迹进行预测；在进行异常检测时，可以从知识图谱中得到目标的活动行为分布等数据作为后验约束，对所述布控目标的轨迹进行异常行为轨迹检测。

本申请实施例所提供的异常检测方法，可以结合知识图谱中已掌控的布控目标的线索进行推理，实现对目标的活动路径进行轨迹预测，并确定布控目标是否存在异常，解决了现有技术中只能利用规则专家系统和人工判断的局限性，有效提升了目标异常检测的准确性。

在一种实施方式中，所述检测布控目标的活动轨迹，包括：

获取预先设置的多个传感器的监测数据；所述监测数据包括车辆信息、人脸信息、和/或wifi信息；

根据所述车辆信息、人脸信息、和/或wifi信息确定所述布控目标的活动轨迹。

具体实施时，所述检测布控目标的活动轨迹，可以包括：

确定所述布控目标的车辆、所述布控目标的面部、所述布控目标的wifi 等与所述布控目标相关的属性；

获取所述与所述布控目标相关的属性的数据，例如：车辆出现的位置信息、面部出现的位置信息、或者wifi登录的位置信息等；

根据这些属性数据得到所述布控目标的活动轨迹。

具体实施时，获取所述车辆出现的位置信息可以通过图像采集设备以及图像识别方法识别出车辆出现的位置或轨迹；获取所述布控目标面部出现的位置信息可以通过图像采集设备以及人脸识别技术来识别出布控目标面部出现的位置或轨迹。

其中，车辆或面部的识别可以通过神经网络对所述布控目标进行预先训练，以提高识别速度、效率。

具体实施时，可以通过手机号码确定手机联网的位置(例如手机连接了某个地方的麦当劳网络)、也可以通过QQ或邮箱等存在账号的应用程序的登录信息(例如：该布控目标的邮箱在某个城市或IP地址登录、QQ的MAC地址登录等)来确定wifi信息(例如：无线网或局域网的IP地址等)。

考虑到这些信息可能存在不同步的情况，本申请实施例可以采用如下方式实施。

在一种实施方式中，所述监测数据预先设置有优先级，在所述车辆信息、人脸信息、和/或wifi信息存在信息不同步时，根据所述优先级较高的信息确定所述布控目标的活动轨迹。

具体实施时，可以预先对所述监测数据设置优先级，例如：人脸信息的优先级最高、车辆信息和wifi信息的优先级低于人脸信息。这样，在所述车辆信息、人脸信息、和/或wifi信息存在信息不同步时(例如：监测到所述布控目标的车辆在A地出现、但所述布控目标的人脸在B地出现)，根据所述优先级较高的信息确定所述布控目标的活动轨迹。

在一种实施方式中，在检测布控目标的活动轨迹之前，所述方法进一步包括：

确定布控目标；

根据所述布控目标构建所述布控目标的知识图谱。

具体实施时，可以在检测布控目标的活动轨迹之前，先对所要监测的目标进行布控，即，确定布控目标。在确定布控目标后，系统可以根据所述布控目标构建所述布控目标的知识图谱。

例如：公安人员想要监测用户A，则可以输入用户A的身份证号码(假设为1233XXXXXXX)，系统可以自动将该身份证号码与该用户A的其他信息建立关联关系，形成知识图谱。

构建所述布控目标的知识图谱需要先获取所述布控目标的相关信息，这些信息可以通过各种数据库的关联对接(例如：与通信运营商获取通话记录等)、各种传感器的数据上传(例如：卡口位置的摄像装置上传的视频或图像)等方式来获取得到。

在一种实施方式中，所述知识图谱构建过程如下：

获取布控目标的结构化数据和非结构化数据；

将所述非结构化数据融合至所述布控目标的结构化数据；

以所述布控目标的结构化数据作为节点，得到所述布控目标的关系图；所述关系图中所述节点和与所述节点的结构化数据相关的非结构化数据建立有关联关系。

具体实施中，所述结构化数据可以包括：常用落脚点、历史轨迹、上网记录、住宿记录、身份信息、通信信息等，所述非结构化数据可以包括：车辆信息、人脸信息、文本信息(例如：家庭住址、快递单号、描述所述布控目标的相关文章、通讯录、户口本信息等)。

所述将非结构化数据融合至所述结构化数据，可以指将非结构化数据与结构化数据建立对应的关联关系，例如：根据所述通讯录将其他用户的手机号与该布控目标的手机号建立关联关系，根据所述户口本信息将所述布控目标的身份信息与其他亲戚的身份信息建立关联关系等。

最终，可以以所述布控目标的结构化数据作为节点，得到所述布控目标的关系图；所述关系图中所述节点和与所述节点的结构化数据相关的非结构化数据建立有关联关系。具体的，所述关系图上可以包括有该布控目标的多个节点，每个节点又与所述布控目标相关的其他用户的节点连接。例如：关系图上包括该布控目标的手机号码节点、以及身份证号码节点，针对所述手机号码节点，以所述布控目标的手机号码为中心，连接有与该布控目标存在通讯关系的其他用户的手机号码节点。

具体的，本申请实施例所述的关系图(或图的数据库)可以理解为通过网络节点、边和属性等方式来表示和存储数据。如图8所示。

在一种实施方式中，所述结构化数据包括以下至少一个：常用落脚点、历史轨迹、上网记录、住宿记录、身份信息、联系方式等；所述非结构化数据包括以下至少一个：车辆信息、人脸信息、与所述布控目标相关的文本信息等。

在一种实施方式中，所述根据所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测，包括：

根据所述知识图谱中所述布控目标的身份属性、历史轨迹以及常用落脚点、所述活动轨迹、和地理信息系统中所述布控目标的经纬度坐标以及相关区域的实时状况，计算所述布控目标下一位置的概率值；

根据概率值最大的位置确定所述布控目标的预测轨迹。

具体实施时，所述地理信息系统可以为现有的地图APP等软件、或者PGIS (警用地理信息系统，Police Geographic Information System)等。

具体的，可以获取从PGIS系统上获取得到所述布控目标的PGIS经纬度坐标以及当前的重点区域范围等数据。

具体实施时，本申请实施例可以根据所述知识图谱中所述布控目标的身份属性、历史轨迹以及常用落脚点、所述活动轨迹、和地理信息系统中所述布控目标的经纬度坐标以及相关区域的实时状况，计算所述布控目标下一位置的概率值。

具体的，可以采用现有技术中的马尔科夫链进行轨迹预测，也可以采用其他现有技术实现轨迹预测，本申请对此不作限制。

本申请实施例可以首先通过学习布控目标的历史轨迹，得到不同位置点的下一站分布情况，得到一个不同位置点间的转移矩阵，然后获取用户当前位置点，通过查找转移矩阵当前位置点对应的具有最大转移概率的目的地，作为目标的下一个活动目的地。其中，位置点可以包括常用落脚点、以及根据目标的级别而设定的安保区，常用落脚点可以包括活动地、居住地、户籍地等。

所述布控目标的身份属性可以指所述布控目标所属类型，例如：涉军人员、精神病人等，本申请实施例可以根据布控目标的身份属性设置不同的权重，对于权重高的布控目标在预警级别上也会具有较高的预警等级。

在进行轨迹下一位置的概率值计算时，可以采用现有的轨迹计算方法，本申请在此不做详细阐述。

在一种实施方式中，所述方法进一步包括：

在检测到异常时发布预警。

本申请实施例可以在检测到布控目标出现异常情况时进行预警，以便相关单元人员进行预防性应急处理。

具体实施时，预警可以按照预设预警级别来发布消息。

在一种实施方式中，所述发布预警，包括：

根据所述知识图谱中所述布控目标的身份属性以及预测得到的预测轨迹，确定所述布控目标的预警级别；

根据所述预警级别生成一个或多个预警指令；所述一个或多个预警指令包括执行对象的信息以及该执行对象的任务指令；

根据所述执行对象的信息将所述一个或多个预警指令分别发送至相应的执行对象。

具体实施时，本申请实施例可以根据所述布控目标的身份属性、以及预测到的轨迹，确定所述布控目标的预警级别，例如：一级预警、二级预警等。对于不同级别的预警生成一个或多个预警指令，这些预警指令中可以包括有执行指令的对象的相关信息(例如：手机号码、系统账号、邮箱等)、以及该执行指令的对象的任务指令(例如：具体的任务内容)。最终，可以根据执行指令的对象的相关信息(例如：手机号码、系统账号、邮箱等)将相应的任务指令发送给相应的执行对象。

图2示出了本申请实施例1中异常检测的功能框图。

如图所示，本申请实施例首先可以将布控目标的结构化数据和布控目标的非结构化数据融合生成布控目标的知识图谱；然后，根据所述知识图谱、布控目标的实时轨迹数据、以及PGIS轨迹数据进行轨迹预测；根据所述知识图谱以及预测得到的轨迹进行异常检测，最后在异常情况出现时及时预警。

实施例2

基于同一发明构思，本申请实施例提供了一种异常检测装置，其解决问题的原理与一种异常检测方法相似，重复之处不再赘述。

图3示出了本申请实施例2中异常检测装置的结构示意图。

如图所示，所述异常检测装置，包括：

轨迹检测模块301，用于检测布控目标的活动轨迹；

轨迹预测模块302，用于根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；

异常确定模块303，用于根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。

本申请实施例所提供的异常检测装置，可以结合知识图谱中已掌控的布控目标的线索进行推理，实现对目标的活动路径进行轨迹预测，并确定布控目标是否存在异常，解决了现有技术中只能利用规则专家系统和人工判断的局限性，有效提升了目标异常检测的准确性。

在一种实施方式中，所述轨迹检测模块，包括：

信息获取单元，用于获取预先设置的多个传感器的监测数据；所述监测数据包括车辆信息、人脸信息、和/或wifi信息；

轨迹确定单元，用于根据所述车辆信息、人脸信息、和/或wifi信息确定所述布控目标的活动轨迹。

在一种实施方式中，所述监测数据预先设置有优先级，在所述车辆信息、人脸信息、和/或wifi信息存在信息不同步时，所述轨迹确定单元根据所述优先级较高的信息确定所述布控目标的活动轨迹。

在一种实施方式中，所述装置进一步包括：

布控模块，用于在检测布控目标的活动轨迹之前，确定布控目标；

图谱构建模块，用于根据所述布控目标构建所述布控目标的知识图谱。

在一种实施方式中，所述图谱构建模块，包括：

数据获取单元，用于获取布控目标的结构化数据和非结构化数据；

数据融合单元，用于将所述非结构化数据融合至所述布控目标的结构化数据；

构图单元，用于以所述布控目标的结构化数据作为节点，得到所述布控目标的关系图；所述关系图中所述节点和与所述节点的结构化数据相关的非结构化数据建立有关联关系。

在一种实施方式中，所述结构化数据包括以下至少一个：常用落脚点、历史轨迹、上网记录、住宿记录、身份信息、联系方式；所述非结构化数据包括以下至少一个：车辆信息、人脸信息、与所述布控目标相关的文本信息。

在一种实施方式中，所述轨迹预测模块，包括：

概率计算单元，用于根据所述知识图谱中所述布控目标的身份属性、历史轨迹以及常用落脚点、所述活动轨迹、和地理信息系统中所述布控目标的经纬度坐标以及相关区域的实时状况，计算所述布控目标下一位置的概率值；

轨迹预测单元，用于根据概率值最大的位置确定所述布控目标的预测轨迹。

在一种实施方式中，所述装置进一步包括：

预警模块，用于在检测到异常时发布预警。

在一种实施方式中，所述预警模块，包括：

级别确定单元，用于根据所述知识图谱中所述布控目标的身份属性以及预测得到的预测轨迹，确定所述布控目标的预警级别；

指令生成单元，用于根据所述预警级别生成一个或多个预警指令；所述一个或多个预警指令包括执行对象的信息以及该执行对象的任务指令；

指令下发单元，用于根据所述执行对象的信息将所述一个或多个预警指令分别发送至相应的执行对象。

实施例3

基于同一发明构思，本申请实施例提供了一种计算机存储介质。

所述计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1所述方法的步骤。

实施例4

基于同一发明构思，本申请实施例提供了一种电子设备。

图4示出了本申请实施例4中电子设备的结构示意图。

如图所示，所述电子设备包括存储器401、以及一个或多个处理器402，所述存储器用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行时，实现如实施例1所述的方法。

实施例5

下面本申请实施例以公安部门的警用系统为具体实例进行说明。

假设精神病人王某经过治疗后恢复并可以出院，公安机关想要对精神病人王某进行监控，可以在所述警用系统中输入王某的身份证号码，将其设置为布控目标。

所述警用系统根据王某的身份证号码，获取王某的车辆信息(假设车牌为京12345、黑色奥迪A6等)、王某的人脸图像(可以包括身份证上的图像、户口本上的照片、各个阶段毕业证的照片、以及微信或其他APP中王某的头像等)、王某的手机号码(13792983761)、王某的通讯录、王某的通话记录、统计得到的常用落脚点、历史轨迹、去网吧的上网记录、住宾馆的住宿记录、王某的亲属关系等，在获取到王某的上述任意数据后生成王某的知识图谱，并在不断获取到这些数据后实时更新所述知识图谱。

图5示出了本申请实施例5中知识图谱的结构示意图一。

如图所示，王某的知识图谱可以包括多个节点，每个节点可以是王某的结构化数据属性，例如：节点A为常用落脚点、节点B为手机号码、节点C为身份证号码等。这些节点可以以星型结构保存在警用系统的数据库中。

图6示出了本申请实施例5中知识图谱的结构示意图二。

如图所示，在每个节点展开后，又可以包括以该节点为核心的扩展节点，例如：节点B为手机号码，展开节点B又可以显示出与王某的手机号码存在关联关系(例如：王某的通讯录已存储、或者与王某有通话记录)的其他用户的手机号码、身份证号码等信息。

在构建得到王某的知识图谱后，即可对王某进行实时或定期的异常检测。

图7示出了本申请实施例5中异常检测的流程示意图。

如图所示，警用系统进行初始化之后，开始检测布控目标，在发现王某后，确定王某的活动轨迹。假设王某开车行驶于展览路，结合知识图谱中存储或获取得到的王某的知识线索(例如：车辆卡口信息、人脸信息)、以及根据PGIS 轨迹(例如根据PGIS系统确定的王某的经纬度坐标)，对王某的轨迹进行预测，确定预测王某会开往或经过市政府所在位置(假设PGIS系统预先将市政府所在位置作为重点区域)。

根据预测得到的轨迹以及知识图谱中的知识推理对王某的行为进行异常检测，假设知识图谱中的知识推理为王某属于精神病人、且王某的常用落脚点或家庭住址或亲戚朋友的住址均没有在市政府附近或者需要经过市政府，此时，结合预测王某即将开往或经过市政府所在位置的情况下，所述警用系统确定王某的该行为属于异常行为。

所述警用系统根据知识图谱确定王某为精神病人属于身份级别较高的布控目标、且根据PGIS系统确定市政府为重点区域，综合确定该异常行为属于红色预警，在警用系统的界面中红色突出显示。

本申请实施例还可以进一步将该预警信息(或生成出警任务)发送至市政府附近的警亭或派出所的相关负责人手机或者监控电脑，以便市政府附近的警亭或派出所及时部署警力、做出处置预案。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种异常检测方法，其特征在于，包括如下步骤：

检测布控目标的活动轨迹；

根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；

根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。

2.根据权利要求1所述的方法，其特征在于，所述检测布控目标的活动轨迹，包括：

获取预先设置的多个传感器的监测数据；所述监测数据包括车辆信息、人脸信息、和/或wifi信息；

根据所述车辆信息、人脸信息、和/或wifi信息确定所述布控目标的活动轨迹。

3.根据权利要求2所述的方法，其特征在于，所述监测数据预先设置有优先级，在所述车辆信息、人脸信息、和/或wifi信息存在信息不同步时，根据所述优先级较高的信息确定所述布控目标的活动轨迹。

4.根据权利要求1所述的方法，其特征在于，在检测布控目标的活动轨迹之前，进一步包括：

确定布控目标；

根据所述布控目标构建所述布控目标的知识图谱。

5.根据权利要求1或4所述的方法，其特征在于，所述知识图谱构建过程如下：

获取布控目标的结构化数据和非结构化数据；

将所述非结构化数据融合至所述布控目标的结构化数据；

以所述布控目标的结构化数据作为节点，得到所述布控目标的关系图；所述关系图中所述节点和与所述节点的结构化数据相关的非结构化数据建立有关联关系。

6.根据权利要求5所述的方法，其特征在于，所述结构化数据包括以下至少一个：常用落脚点、历史轨迹、上网记录、住宿记录、身份信息、联系方式；所述非结构化数据包括以下至少一个：车辆信息、人脸信息、与所述布控目标相关的文本信息。

7.根据权利要求1所述的方法，其特征在于，所述根据所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测，包括：

根据所述知识图谱中所述布控目标的身份属性、历史轨迹以及常用落脚点、所述活动轨迹、和地理信息系统中所述布控目标的经纬度坐标以及相关区域的实时状况，计算所述布控目标下一位置的概率值；

根据概率值最大的位置确定所述布控目标的预测轨迹。

8.根据权利要求1所述的方法，其特征在于，进一步包括：

在检测到异常时发布预警。

9.根据权利要求8所述的方法，其特征在于，所述发布预警，包括：

根据所述知识图谱中所述布控目标的身份属性以及预测得到的预测轨迹，确定所述布控目标的预警级别；

根据所述预警级别生成一个或多个预警指令；所述一个或多个预警指令包括执行对象的信息以及该执行对象的任务指令；

根据所述执行对象的信息将所述一个或多个预警指令分别发送至相应的执行对象。

10.一种异常检测装置，其特征在于，包括：

轨迹检测模块，用于检测布控目标的活动轨迹；

轨迹预测模块，用于根据预先构建的所述布控目标的知识图谱和所述活动轨迹，对所述布控目标进行轨迹预测；所述知识图谱为描述所述布控目标的各种数据之间关系的图的数据库；

异常确定模块，用于根据预测得到的轨迹以及所述布控目标的知识图谱确定所述布控目标是否异常。

11.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9任一所述方法的步骤。

12.一种电子设备，其特征在于，包括存储器、以及一个或多个处理器，所述存储器用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至9任一所述的方法。