CN110263633B - 基于时空关联的涉毒人员检测预警方法、系统及存储介质 - Google Patents

基于时空关联的涉毒人员检测预警方法、系统及存储介质 Download PDF

Info

Publication number
CN110263633B
CN110263633B CN201910392338.9A CN201910392338A CN110263633B CN 110263633 B CN110263633 B CN 110263633B CN 201910392338 A CN201910392338 A CN 201910392338A CN 110263633 B CN110263633 B CN 110263633B
Authority
CN
China
Prior art keywords
toxic
pedestrians
result
judging
space
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
Application number
CN201910392338.9A
Other languages
English (en)
Other versions
CN110263633A (zh
Inventor
贺建林
张仁辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd
Original Assignee
Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd filed Critical Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd
Priority to CN201910392338.9A priority Critical patent/CN110263633B/zh
Publication of CN110263633A publication Critical patent/CN110263633A/zh
Application granted granted Critical
Publication of CN110263633B publication Critical patent/CN110263633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Image Processing (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于时空关联的涉毒人员检测预警方法、系统及存储介质，方法包括：获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；对人脸图像信息进行特征提取；对提取的人脸特征进行聚类分析；基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。本发明将人脸识别技术应用到涉毒人员检测过程中，提高了检测预警的实时性和效率；本发明还基于时空关联方法，对聚类分析的结果进行关系图谱分析，提高了检测结果的准确性，可广泛应用于人脸识别技术领域。

Description

基于时空关联的涉毒人员检测预警方法、系统及存储介质
技术领域
本发明涉及人脸识别技术领域，尤其是一种基于时空关联的涉毒人员检测预警方法、系统及存储介质。
背景技术
随着科学技术的发展，对涉毒人员、涉毒活动的检测与管理逐步加强。对于涉毒管控已经由原来的专项打击活动，日渐转化为日常检测与打击活动。伴随着人脸识别摄像机在人脸检测与识别得到了极大的提升，其检测捕获率高达99％，并且在公共安全、智慧警务、智慧交通、智能门禁等领域得到了广泛的应用，为涉毒人员管理、涉毒活动检测提供了高效的防控手段。
目前，还没有将人脸识别技术应用到涉毒人员检测预警的相关报道。
发明内容
有鉴于此，本发明实施例提供一种效率高且实时性高的基于时空关联的涉毒人员检测预警方法、系统及存储介质。
第一方面，本发明实施例提供了一种基于时空关联的涉毒人员检测预警方法，包括以下步骤：
获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；
对人脸图像信息进行特征提取；
对提取的人脸特征进行聚类分析；
基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；
根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。
进一步，所述对人脸图像信息进行特征提取这一步骤，其具体为：
采用卷积神经网络对人脸图像信息进行特征提取。
进一步，所述对提取的人脸特征进行聚类分析这一步骤，其具体为：
采用无监督聚类算法对提取的人脸特征进行聚类分析。
进一步，所述采用无监督聚类算法对提取的人脸特征进行聚类分析这一步骤，包括以下步骤：
对待聚类的特征进行初始化，构建无向图；
根据无向图，采用迭代计算方法生成聚类分析结果。
进一步，所述基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果这一步骤，包括以下步骤：
确定多个行人之间为非亲属关系；
根据聚类分析的结果，判断所述多个行人是否在同一场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；反之，则执行下一步骤；
根据聚类分析的结果，判断所述多个行人是否在不同场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；反之，则判定所述多个行人不是涉毒可疑人员。
进一步，所述基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果这一步骤，还包括以下步骤：
根据聚类分析的结果，判断行人是否多次出现在指定场所，若是，则判定所述行人为涉毒可疑人员；反之，则执行下一步骤；
根据聚类分析的结果，判断行人是否与多个涉毒人员同时出现在同一场所或者不同场所，若是，则判定所述行人为涉毒可疑人员；反之，则判定所述行人不是涉毒可疑人员。
第二方面，本发明实施例还提供了一种基于时空关联的涉毒人员检测预警系统，包括：
前端采集单元，用于获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；
特征提取单元，用于对人脸图像信息进行特征提取；
人脸聚类单元，用于对提取的人脸特征进行聚类分析；
大数据分析单元，用于基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；
布控告警单元，用于根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。
进一步，所述大数据分析单元包括：
亲属关系确定单元，用于确定多个行人之间为非亲属关系；
第一判断单元，用于根据聚类分析的结果，判断所述多个行人是否在同一场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；
第二判断单元，用于根据聚类分析的结果，判断所述多个行人是否在不同场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；
第三判断单元，用于根据聚类分析的结果，判断行人是否多次出现在指定场所，若是，则判定所述行人为涉毒可疑人员；
第四判断单元，用于根据聚类分析的结果，判断行人是否与多个涉毒人员同时出现在同一场所或者不同场所，若是，则判定所述行人为涉毒可疑人员；反之，则判定所述行人不是涉毒可疑人员。
第三方面，本发明实施例还提供了一种基于时空关联的涉毒人员检测预警系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的基于时空关联的涉毒人员检测预警方法。
第四方面，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于时空关联的涉毒人员检测预警方法。
上述本发明实施例中的一个或多个技术方案具有如下优点：本发明的实施例首先对获取到的人脸图像信息进行特征提取，然后对提取的人脸特征进行聚类分析，接着基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果，最后进行预警布控；本发明将人脸识别技术应用到涉毒人员检测过程中，提高了检测预警的实时性和效率；本发明还基于时空关联方法，对聚类分析的结果进行关系图谱分析，提高了检测结果的准确性。
附图说明
图1为本发明实施例的整体步骤流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明实施例提供了一种基于时空关联的涉毒人员检测预警方法，包括以下步骤：
获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；
对人脸图像信息进行特征提取；
对提取的人脸特征进行聚类分析；
基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；
根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。
进一步作为优选的实施方式，所述对人脸图像信息进行特征提取这一步骤，其具体为：
采用卷积神经网络对人脸图像信息进行特征提取。
进一步作为优选的实施方式，所述对提取的人脸特征进行聚类分析这一步骤，其具体为：
采用无监督聚类算法对提取的人脸特征进行聚类分析。
进一步作为优选的实施方式，所述采用无监督聚类算法对提取的人脸特征进行聚类分析这一步骤，包括以下步骤：
对待聚类的特征进行初始化，构建无向图；
根据无向图，采用迭代计算方法生成聚类分析结果。
进一步作为优选的实施方式，所述基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果这一步骤，包括以下步骤：
确定多个行人之间为非亲属关系；
根据聚类分析的结果，判断所述多个行人是否在同一场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；反之，则执行下一步骤；
根据聚类分析的结果，判断所述多个行人是否在不同场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；反之，则判定所述多个行人不是涉毒可疑人员。
进一步作为优选的实施方式，所述基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果这一步骤，还包括以下步骤：
根据聚类分析的结果，判断行人是否多次出现在指定场所，若是，则判定所述行人为涉毒可疑人员；反之，则执行下一步骤；
根据聚类分析的结果，判断行人是否与多个涉毒人员同时出现在同一场所或者不同场所，若是，则判定所述行人为涉毒可疑人员；反之，则判定所述行人不是涉毒可疑人员。
与图1的方法相对应，本发明实施例还提供了一种基于时空关联的涉毒人员检测预警系统，包括：
前端采集单元，用于获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；
特征提取单元，用于对人脸图像信息进行特征提取；
人脸聚类单元，用于对提取的人脸特征进行聚类分析；
大数据分析单元，用于基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；
布控告警单元，用于根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。
进一步作为优选的实施方式，所述大数据分析单元包括：
亲属关系确定单元，用于确定多个行人之间为非亲属关系；
第一判断单元，用于根据聚类分析的结果，判断所述多个行人是否在同一场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；
第二判断单元，用于根据聚类分析的结果，判断所述多个行人是否在不同场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；
第三判断单元，用于根据聚类分析的结果，判断行人是否多次出现在指定场所，若是，则判定所述行人为涉毒可疑人员；
第四判断单元，用于根据聚类分析的结果，判断行人是否与多个涉毒人员同时出现在同一场所或者不同场所，若是，则判定所述行人为涉毒可疑人员；反之，则判定所述行人不是涉毒可疑人员。
与图1的方法相对应，本发明实施例还提供了一种基于时空关联的涉毒人员检测预警系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的基于时空关联的涉毒人员检测预警方法。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
与图1的方法相对应，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于时空关联的涉毒人员检测预警方法。
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。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
下面详细描述本发明一种基于时空关联的涉毒人员检测预警方法的具体实施步骤：
1)人脸数据采集，人脸采集设备安装在酒店、宾馆、KTV、网吧、会所等重点场所的出入口，设备具有行人自动检测与识别，人脸自动检测与抓拍功能。设备采集信息包括采集行人的人脸图片、采集地址、采集时间、行人运动方向(进入、出去)，以及人脸的特征值数据，并对行人异常情况进行检测，如如蒙面、遮挡面部等。人脸数据采集，采用人脸抓拍设备实现，人脸抓拍设备包括摄像机硬件、抓拍软件，以及可见光、非可见光补光设备，摄像机硬件包括且不局限于以下几种形态：网络摄像机、网络摄像机+抓拍设备、智能网络摄像机。
2)人脸数据存储，将前端采集的人脸数据记录、图片、视频分别存放到大数据数据库、网络存储设备中。
3)人脸聚类与分析，将前端采集的人脸数据，利用卷积神经网络(ConvolutionalNeural Networks，CNN)在人脸识别中的优越性能，采用CNN作为人脸特征提取方法，在此基础上实现大规模人脸特征值提取，进而实现大规模的人脸聚类。人脸聚类方法较多，如K-means、Mean-shift等聚类方法，但是需要预先设定分类数量，而本实施例中将采用一种无监督的分类方法，即CW-聚类方法。
CW聚类方法具体实现如下：
首先，对待聚类图片进行初始化，构建无向图，以每个节点为一个类别，不同节点之间计算相似度，当相似度超过预设的阈值时，将两个节点相连形成关联边，权重为相似度。
然后，进行迭代计算，第一步，随机选取一个节点n开始，在该节点n的邻居中，选取边权重最大者m，并将该点归为节点m类(若邻居中有多个节点(m，l，o)属于同一类，则将这些节点权重相加再参与比较，直至选取到边权重最大者m)。第二步，遍历所有节点后，重复迭代至满足迭代次数。
4)人脸比对分析，对所有采集的人脸与涉毒人员库进行比对分析，比对成功的人脸即为涉毒人员。本实施例在识别到涉毒人员后，针对涉毒人员将在后续处理过程中进行实时的时间、空间分析。
5)关系图谱分析，关系图谱分析是本方法实现的关键部分，其中包括：(a)同一场所多次同出现，且非亲属关系；(b)多场所多次同出现，且非亲属关系；(c)一定周期内某人多次出现在重点场所；(d)疑似涉毒人员与多个涉毒人员在不同场所同时出现。
本实施例的关系图谱分析采用分布式计算框架实现，根据聚类分析结果，对采集的人脸信息进行建档，实现“一人一档”。人脸上传后进行实时分析，分为两种情况，一种为比对成功的涉毒人员，另一种为非涉毒人员。针对第一种情况，比对成功的涉毒人员名单中的人脸，将进行实时的关联性分析：首先分析获得该人员的路径轨迹；然后根据路径中，在重点场所出现的时间，分析与该人员同时空范围内出现的频率；最后，根据同时空出现频率，如超过一定阈值，则作为疑似涉毒人员进行上报处理。针对第二种情况，分析该人员出现在重点场所的频率，如超过一定阈值，则进行上报处理；并且，分析获得该人员的路径轨迹；然后根据路径中，在重点场所出现的时间，分析与该人员同时空范围内出现的涉毒人员的频率，如超过一定阈值，则作为疑似涉毒人员进行上报处理。
6)检测与预警，如果通过上述分析方法获得可疑涉毒人员，对该可疑涉毒人员进行布控和告警，提供给用户进行处理，如盯梢、抓捕、并案等处理。
下面详细描述本发明一种基于时空关联的涉毒人员检测预警系统的具体实施例，具体包括：
1)前端采集单元，包括智能AI摄像机、电源、网络传输设备或补光设备，用于获取行人数据。
2)接入存储单元，包括中心管理、存储管理、图片管理等模块，用于将获取到的数据存入相关存储单元。
3)网络存储单元，该单元实现前端采集的视频、人脸图片等数据的存储，以及视频、图片的存储转发、播放、访问等服务功能。
4)人脸聚类单元，该单元采用CPU+GPU的服务器集群实现，用于对提取的人脸特征进行聚类分析。
5)人脸比对单元，该单元实现人脸比对分析，针对前端采集单元抓拍的每个人脸与涉毒人员库名单进行比对分析。
6)大数据分析单元，主要实现行人关系图谱分析功能。
7)布控告警单元，实现疑似涉毒人员布控比对、告警联动、涉毒人员管理、疑似人员撤控等功能。
8)平台网管单元，实现前端设备的展示、抓拍记录的检索、抓拍记录的实时展现、抓拍记录统计分析、告警记录展现、告警记录统计分析等功能。
综上所述，本发明一种基于时空关联的涉毒人员检测预警方法、系统及存储介质，具有以下优点：
1、本发明首先对获取到的人脸图像信息进行特征提取，然后对提取的人脸特征进行聚类分析，接着基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果，最后进行预警布控；本发明将人脸识别技术应用到涉毒人员检测过程中，提高了检测预警的实时性和效率；本发明还基于时空关联方法，对聚类分析的结果进行关系图谱分析，提高了检测结果的准确性。
2、通过用户已经掌握的涉毒人员数据信息，对该类人员的活动轨迹进行离线、在线分析，找出与涉毒人员在时间、空间范围内具有关联关系的目标，这类目标人群即为疑似涉毒人员，然后对该类目标人群进行分析与处理，极大的方便用户对涉毒人员全面的打击。因涉毒人员在贩毒、吸毒等过程中，极为小心谨慎，仅仅依靠举报、专项行动，是难以对涉毒活动进行毁灭性的打击，通过该方法和系统，让打击涉毒活动常态化、手段更先进。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (8)

1.基于时空关联的涉毒人员检测预警方法，其特征在于：包括以下步骤：
获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；
对人脸图像信息进行特征提取；
对提取的人脸特征进行聚类分析；
基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；所述基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果这一步骤，包括以下步骤：确定多个行人之间为非亲属关系；根据聚类分析的结果，判断所述多个行人是否在同一场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；反之，则执行下一步骤；根据聚类分析的结果，判断所述多个行人是否在不同场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；反之，则判定所述多个行人不是涉毒可疑人员；
所述基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果这一步骤，还包括以下步骤：根据聚类分析的结果，判断行人是否多次出现在指定场所，若是，则判定所述行人为涉毒可疑人员；反之，则执行下一步骤；根据聚类分析的结果，判断行人是否与多个涉毒人员同时出现在同一场所或者不同场所，若是，则判定所述行人为涉毒可疑人员；反之，则判定所述行人不是涉毒可疑人员；
根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。
2.根据权利要求1所述的基于时空关联的涉毒人员检测预警方法，其特征在于：所述对人脸图像信息进行特征提取这一步骤，其具体为：
采用卷积神经网络对人脸图像信息进行特征提取。
3.根据权利要求1所述的基于时空关联的涉毒人员检测预警方法，其特征在于：所述对提取的人脸特征进行聚类分析这一步骤，其具体为：
采用无监督聚类算法对提取的人脸特征进行聚类分析。
4.根据权利要求3所述的基于时空关联的涉毒人员检测预警方法，其特征在于：所述采用无监督聚类算法对提取的人脸特征进行聚类分析这一步骤，包括以下步骤：
对待聚类的特征进行初始化，构建无向图；
根据无向图，采用迭代计算方法生成聚类分析结果。
5.基于时空关联的涉毒人员检测预警系统，其特征在于：包括：
前端采集单元，用于获取行人数据，所述行人数据包括但不限于人脸图像信息、行人位置信息和图像采集时间；
特征提取单元，用于对人脸图像信息进行特征提取；
人脸聚类单元，用于对提取的人脸特征进行聚类分析；
大数据分析单元，用于基于时空关联方法，对聚类分析的结果进行关系图谱分析，生成涉毒人员检测结果；
布控告警单元，用于根据行人位置信息、图像采集时间和涉毒人员检测结果进行预警布控。
6.根据权利要求5所述的基于时空关联的涉毒人员检测预警系统，其特征在于：
所述大数据分析单元包括：
亲属关系确定单元，用于确定多个行人之间为非亲属关系；
第一判断单元，用于根据聚类分析的结果，判断所述多个行人是否在同一场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；
第二判断单元，用于根据聚类分析的结果，判断所述多个行人是否在不同场所多次同时出现，若是，则判定所述多个行人为涉毒可疑人员；
第三判断单元，用于根据聚类分析的结果，判断行人是否多次出现在指定场所，若是，则判定所述行人为涉毒可疑人员；
第四判断单元，用于根据聚类分析的结果，判断行人是否与多个涉毒人员同时出现在同一场所或者不同场所，若是，则判定所述行人为涉毒可疑人员；反之，则判定所述行人不是涉毒可疑人员。
7.基于时空关联的涉毒人员检测预警系统，其特征在于：包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-4中任一项所述的基于时空关联的涉毒人员检测预警方法。
8.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-4中任一项所述的基于时空关联的涉毒人员检测预警方法。
CN201910392338.9A 2019-05-13 2019-05-13 基于时空关联的涉毒人员检测预警方法、系统及存储介质 Active CN110263633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910392338.9A CN110263633B (zh) 2019-05-13 2019-05-13 基于时空关联的涉毒人员检测预警方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910392338.9A CN110263633B (zh) 2019-05-13 2019-05-13 基于时空关联的涉毒人员检测预警方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN110263633A CN110263633A (zh) 2019-09-20
CN110263633B true CN110263633B (zh) 2023-08-04

Family

ID=67913043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910392338.9A Active CN110263633B (zh) 2019-05-13 2019-05-13 基于时空关联的涉毒人员检测预警方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN110263633B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674238B (zh) * 2019-09-26 2022-11-04 四川科瑞软件有限责任公司 一种基于大数据的禁毒情报研判系统
CN110991346A (zh) * 2019-12-04 2020-04-10 厦门市美亚柏科信息股份有限公司 一种疑似吸毒人员识别的方法、装置及存储介质
CN111401196A (zh) * 2020-03-10 2020-07-10 珠海全志科技股份有限公司 受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质
CN111489276B (zh) * 2020-04-13 2023-04-28 深圳市天彦通信股份有限公司 人员管理方法及相关装置
CN112508761A (zh) * 2020-12-17 2021-03-16 青岛以萨数据技术有限公司 实时预警方法、装置及系统
CN112668800A (zh) * 2021-01-04 2021-04-16 荣联科技集团股份有限公司 信息处理方法、装置、介质和设备
CN112784733A (zh) * 2021-01-21 2021-05-11 敖客星云(北京)科技发展有限公司 一种基于线上教育的情绪识别方法、装置及电子设备
CN116597983B (zh) * 2023-05-16 2024-06-04 杭州臻稀生物科技有限公司 基于nfc和复吸判断的特殊场景毒情分析预警方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004240640A (ja) * 2003-02-05 2004-08-26 Nippon Telegr & Teleph Corp <Ntt> ネットワークコミュニティにおけるメンバ評価システム及び方法、メンバ評価プログラム並びにそのプログラムを記録した記録媒体
WO2011025359A1 (en) * 2009-08-24 2011-03-03 Mimos Berhad System and method to determine suspicious behavior
JP2011243054A (ja) * 2010-05-19 2011-12-01 Takenaka Komuten Co Ltd 犯罪防止装置およびプログラム
CN108733819A (zh) * 2018-05-22 2018-11-02 深圳云天励飞技术有限公司 一种人员档案建立方法和装置
CN109033973A (zh) * 2018-06-26 2018-12-18 北京旷视科技有限公司 监控预警方法、装置及电子设备
CN109684916A (zh) * 2018-11-13 2019-04-26 恒睿(重庆)人工智能技术研究院有限公司 基于路径轨迹数据异常检测方法、系统、设备及存储介质
CN109711613A (zh) * 2018-12-24 2019-05-03 武汉烽火众智数字技术有限责任公司 一种基于人员关系模型和事件关联模型的预警方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7920745B2 (en) * 2006-03-31 2011-04-05 Fujifilm Corporation Method and apparatus for performing constrained spectral clustering of digital image data
CN102799637A (zh) * 2012-06-27 2012-11-28 北京邮电大学 一种电视节目内部自动生成主要人物摘要的方法
KR101644443B1 (ko) * 2014-02-05 2016-08-01 김세영 시공적 상황데이터를 이용한 경고 방법 및 시스템
CA2875578A1 (en) * 2014-12-24 2016-06-24 Stephan HEATH Systems, computer media, and methods for using electromagnetic frequency (emf) identification (id) devices for monitoring, collection, analysis, use and tracking of personal, medical, transaction, and location data for one or more individuals
WO2017037754A1 (en) * 2015-08-28 2017-03-09 Nec Corporation Analysis apparatus, analysis method, and storage medium
CN106257301B (zh) * 2016-05-12 2018-08-28 内蒙古工业大学 基于统计推断的分布式时空关联模型轨迹跟踪方法
CN107180252A (zh) * 2017-05-10 2017-09-19 杨明艳 一种公安领域身份特征采集产品的制造方法及设备
CN109461106A (zh) * 2018-10-11 2019-03-12 浙江公共安全技术研究院有限公司 一种多维信息感知处理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004240640A (ja) * 2003-02-05 2004-08-26 Nippon Telegr & Teleph Corp <Ntt> ネットワークコミュニティにおけるメンバ評価システム及び方法、メンバ評価プログラム並びにそのプログラムを記録した記録媒体
WO2011025359A1 (en) * 2009-08-24 2011-03-03 Mimos Berhad System and method to determine suspicious behavior
JP2011243054A (ja) * 2010-05-19 2011-12-01 Takenaka Komuten Co Ltd 犯罪防止装置およびプログラム
CN108733819A (zh) * 2018-05-22 2018-11-02 深圳云天励飞技术有限公司 一种人员档案建立方法和装置
CN109033973A (zh) * 2018-06-26 2018-12-18 北京旷视科技有限公司 监控预警方法、装置及电子设备
CN109684916A (zh) * 2018-11-13 2019-04-26 恒睿(重庆)人工智能技术研究院有限公司 基于路径轨迹数据异常检测方法、系统、设备及存储介质
CN109711613A (zh) * 2018-12-24 2019-05-03 武汉烽火众智数字技术有限责任公司 一种基于人员关系模型和事件关联模型的预警方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
当前我国毒品犯罪的现状与趋势;刘景宁;《 中国公共安全（学术版）》(第26期);中国公共安全（学术版） *
论视频监控的犯罪侦查价值;杨建国;《山东警察学院学报》(第6期);91-97 *

Also Published As

Publication number Publication date
CN110263633A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN110263633B (zh) 基于时空关联的涉毒人员检测预警方法、系统及存储介质
Zhang et al. A new method for violence detection in surveillance scenes
Zhou et al. Spatial–temporal convolutional neural networks for anomaly detection and localization in crowded scenes
Xu et al. Big data analytics of crime prevention and control based on image processing upon cloud computing
US11080533B2 (en) Surveillance system with human behavior prediction by human action recognition
US10009579B2 (en) Method and system for counting people using depth sensor
Ko et al. Spatiotemporal bag-of-features for early wildfire smoke detection
CN110674761B (zh) 一种区域行为预警方法及系统
Mishra et al. An intelligent motion detection using OpenCV
CN111242077A (zh) 一种人物追踪方法、系统及服务器
GB2600922A (en) One shot learning for identifying data items similar to a query data item
CN111814690A (zh) 一种目标重识别方法、装置和计算机可读存储介质
CN113076818A (zh) 一种宠物排泄物的识别方法、装置和计算机可读存储介质
KR102182660B1 (ko) 시공간 특징을 이용한 폭력 감지 시스템, 방법 및 상기 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터 판독 가능한 기록매체
CN110717357A (zh) 预警方法、装置、电子设备及存储介质
Yang et al. Summarisation of surveillance videos by key-frame selection
Xue et al. Real-time anomaly detection and feature analysis based on time series for surveillance video
Frejlichowski et al. SmartMonitor: An approach to simple, intelligent and affordable visual surveillance system
Raval et al. Survey and analysis of human activity recognition in surveillance videos
Xu et al. An efficient and robust system for multiperson event detection in real-world indoor surveillance scenes
Zhang The Understanding of Spatial-Temporal Behaviors
CN115376054A (zh) 一种目标检测方法、装置、设备及存储介质
Chaisorn et al. Video analytics for surveillance camera networks
Arshad et al. Anomalous situations recognition in surveillance images using deep learning
Chan et al. Extracting foreground ensemble features to detect abnormal crowd behavior in intelligent video-surveillance systems

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