CN110334247A - 一种信息处理方法、装置及存储介质 - Google Patents

一种信息处理方法、装置及存储介质 Download PDF

Info

Publication number
CN110334247A
CN110334247A CN201910580450.5A CN201910580450A CN110334247A CN 110334247 A CN110334247 A CN 110334247A CN 201910580450 A CN201910580450 A CN 201910580450A CN 110334247 A CN110334247 A CN 110334247A
Authority
CN
China
Prior art keywords
information
time
managed
default
son
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.)
Granted
Application number
CN201910580450.5A
Other languages
English (en)
Other versions
CN110334247B (zh
Inventor
曾晓玲
郭彤
陈小健
彭浩
熊鹏
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.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime 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 Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201910580450.5A priority Critical patent/CN110334247B/zh
Publication of CN110334247A publication Critical patent/CN110334247A/zh
Application granted granted Critical
Publication of CN110334247B publication Critical patent/CN110334247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Abstract

本公开实施例公开了一种信息处理方法、装置及存储介质，该方法包括：在获取到连续未出现筛选请求的情况下，从连续未出现筛选请求中获取位置条件、时间条件和时间量；从预设监控信息中，筛选满足位置条件的子预设监控信息，预设监控信息表征至少一个初始管理对象的时空信息，子预设监控信息包括管理对象的时空信息，管理对象属于至少一个初始管理对象，时空信息包括时间信息和位置信息；从子预设监控信息中，查找时间条件下连续未出现信息值不小于时间量的待管理对象，时间条件下连续未出现信息值是基于时间信息确定的；显示待管理对象。

Description

一种信息处理方法、装置及存储介质
技术领域
本发明涉及计算机领域中的信息处理技术，尤其涉及一种信息处理方法、装置及存储介质。
背景技术
人口管理是指城市政府对城市常住人口户籍和人口变动的行政管理工作，以及对城市人口的数量和质量、人口与计划生育以及流动人口等管理。在进行人口管理时，需要对“户在人不在”的异常情况进行排查、对搬迁的常驻人口进行注销、以及对特殊管控群体进行管控等，因此，获取管理对象的连续未出现行为信息，并根据连续未出现行为信息确定出待管理对象，在人口管理中起着重要的作用。
一般来说，通常采用管理人员定期上访的方式来获取管理对象的连续未出现行为信息，并进一步根据连续未出现行为信息确定待管理对象；然而，由于上述定期上访的方式是人工方式，因此，确定待管理对象的可行性和智能性低。
发明内容
为解决上述技术问题，本公开实施例期望提供一种信息处理方法、装置及存储介质，能够提升确定待管理对象的可行性和智能性。
本发明的技术方案是这样实现的：
第一方面，本公开实施例提供了一种信息处理方法，所述方法包括：
在获取到连续未出现筛选请求的情况下，从所述连续未出现筛选请求中获取位置条件、时间条件和时间量；
从预设监控信息中，筛选满足所述位置条件的子预设监控信息，所述预设监控信息表征至少一个初始管理对象的时空信息，所述子预设监控信息包括管理对象的时空信息，所述管理对象属于所述至少一个初始管理对象，所述时空信息包括时间信息和位置信息；
从所述子预设监控信息中，查找所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，所述时间条件下连续未出现信息值是基于所述时间信息确定的；
显示所述待管理对象。
在上述方案中，所述从所述子预设监控信息中，查找所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，包括：
在所述子预设监控信息中，将所述时间信息不满足所述时间条件的子管理对象作为第一子待管理对象；所述第一子待管理对象对应的连续未出现信息值至少为所述时间量；
在所述子预设监控信息中，筛选所述时间信息满足所述时间条件的待分析监控信息，所述待分析监控信息包括初始对象的时空信息，所述初始对象属于所述管理对象；
基于所述时间量的单位时长，对所述待分析监控信息进行分析，得到所述初始对象连续未出现信息，所述初始对象连续未出现信息包括所述初始对象和所述初始对象对应的连续未出现信息值；
在所述初始对象中，将所述初始对象对应的连续未出现信息值不小于所述时间量的子初始对象作为第二子待管理对象；
从所述第一子待管理对象和所述第二子待管理对象中筛选所述待管理对象。
在上述方案中，所述基于所述时间量的单位时长，对所述待分析监控信息进行分析，得到所述初始对象连续未出现信息，包括：
根据所述单位时长，对所述时间条件进行划分；
根据所述待分析监控信息中所述初始对象的时空信息对应的时间信息，确定所述初始对象在划分后的时间条件中的初始对象出现时间；
获取所述初始对象出现时间中每两个相邻的出现时间之间的时长，所述划分的时间条件中开始时间和所述初始对象出现时间中第一个出现时间之间的时长，以及所述初始对象出现时间中最后一个出现时间和所述划分的时间条件中终止时间之间的时长，得到连续未出现时长；
将所述连续未出现时长中最大的时长除以所述单位时长，得到所述初始对象的所述连续未出现信息值，并将所述初始对象和所述初始对象的所述连续未出现信息值作为所述初始对象连续未出现信息。
在上述方案中，所述从所述第一子待管理对象和所述第二子待管理对象中筛选所述待管理对象，包括：
将所述第一子待管理对象和所述第二子待管理对象组合为初始待管理对象；
获取所述初始待管理对象对应的连续未出现信息值；
基于所述初始待管理对象对应的连续未出现信息值，对所述初始待管理对象进行排序，得到排序后的初始待管理对象；
从所述排序后的初始待管理对象中，将预设选择数量个连续未出现信息值最大的子初始待管理对象作为所述待管理对象。
在上述方案中，所述基于所述初始待管理对象对应的连续未出现信息值，对所述初始待管理对象进行排序，得到排序后的初始待管理对象，包括：
基于所述初始待管理对象对应的连续未出现信息值，对所述初始待管理对象进行排序，得到初始排序后的初始待管理对象；
在所述初始排序后的初始待管理对象中，当存在多个初始待管理对象对应的连续未出现信息值相同时，从所述待分析监控信息中获取相同的连续未出现信息值对应的初始待管理对象的最后出现时间信息；
根据所述最后出现时间信息，对所述初始排序后的初始待管理对象进行排序，得到所述排序后的初始待管理对象。
在上述方案中，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息之前，所述方法还包括：
获取对象筛选请求；
根据所述对象筛选请求，从所述预设监控信息中确定出待筛选监控信息；
相应地，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息，包括：
从所述待筛选监控信息中，筛选满足所述位置条件的所述子预设监控信息。
在上述方案中，所述对象筛选请求包括第一对象筛选请求和/或第二对象筛选请求，所述第一对象筛选请求用于选择第一类对象，所述第二对象筛选请求用于排除第二类对象。
在上述方案中，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息之前，所述方法还包括：
获取案件名称和案件信息；
根据所述案件名称和所述案件信息，从所述预设监控信息中确定出待筛选监控信息；
相应地，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息，包括：
从所述待筛选监控信息中，筛选满足所述位置条件的所述子预设监控信息。
在上述方案中，所述显示所述待管理对象之后，所述方法还包括：
显示所述待管理对象在所述时间条件下的连续未出现信息值和最后出现时间信息。
在上述方案中，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息之前，所述方法还包括：
在当前预设聚类时间点到达的情况下，从前一预设聚类时间点与所述当前预设聚类时间点之间采集到的当前图像信息中，确定面部生物特征；
通过对所述面部生物特征进行聚类计算，将所述面部生物特征按照第一相似度划分为至少一个特征类，所述至少一个特征类中的每个特征类的面部生物特征之间的第一相似度大于第一预设相似度阈值；
从所述当前图像信息中分别获取所述至少一个特征类对应的至少一个时空信息；
从预设身份库中分别确定所述至少一个特征类对应的所述至少一个初始管理对象，并从所述至少一个时空信息中获取所述至少一个管理对象对应的时空信息，所述预设身份库中存储至少一个预设管理对象；
将所述至少一个初始管理对象和所述至少一个初始管理对象对应的时空信息作为所述预设监控信息。
在上述方案中，所述从预设身份库中分别确定所述至少一个特征类对应的所述至少一个初始管理对象，包括：
分别获取所述至少一个特征类对应的至少一个类中心特征值，所述至少一个特征类与所述至少一个类中心特征值一一对应；
计算当前类中心特征值和所述至少一个预设管理对象的一组第二相似度，所述当前类中心特征值为所述至少一个类中心特征值中的任一个类中心特征值；
从所述一组第二相似度中，确定出第二相似度最高、且第二相似度值大于第一预设相似度阈值的目标相似度值；
从所述预设身份库中，确定所述目标相似度值对应的预设管理对象，并将所述目标相似度值对应的预设管理对象确定为当前特征类对应的初始管理对象，从而得到所述至少一个特征类对应的所述至少一个初始管理对象，所述当前特征类为所述当前类中心特征值对应的特征类。
在上述方案中，所述将所述至少一个初始管理对象和所述至少一个初始管理对象对应的时空信息作为所述预设监控信息之后，所述方法还包括：
在获取到新的预设管理对象的情况下，将所述新的预设管理对象与所述预设身份库中的所述预设管理对象聚合，得到待更新预设管理对象；
根据所述待更新预设管理对象，更新所述预设监控信息，得到更新后的预设监控信息；
相应地，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息，包括：
从所述更新后的预设监控信息中，筛选满足所述位置条件的所述子预设监控信息。
在上述方案中，所述将所述至少一个初始管理对象和所述至少一个初始管理对象对应的时空信息作为所述预设监控信息之后，所述方法还包括：
在下一预设聚类时间点到达的情况下，从当前预设聚类时间点与所述下一预设聚类时间点之间采集到的新的图像信息中，确定至少一个新的面部生物特征；
根据所述至少一个特征类，对所述至少一个新的面部生物特征进行增量聚类计算，得到至少一个待添加特征类；
从所述新的图像信息中，分别获取所述至少一个待添加特征类对应的至少一个新的时空信息，所述至少一个待添加特征类与所述至少一个新的时空信息一一对应；
根据所述至少一个待添加特征类对应的所述至少一个新的时空信息，更新所述预设监控信息，得到更新后的预设监控信息；
相应地，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息，包括：
从所述更新后的预设监控信息中，筛选满足所述位置条件的所述子预设监控信息。
第二方面，本公开实施例提供了一种信息处理装置，所述装置包括：
条件获取单元，用于在获取到连续未出现筛选请求的情况下，从所述连续未出现筛选请求中获取位置条件、时间条件和时间量；
信息获取单元，用于从预设监控信息中，筛选满足所述位置条件的子预设监控信息，所述预设监控信息表征至少一个初始管理对象的时空信息，所述子预设监控信息包括管理对象的时空信息，所述管理对象属于所述至少一个初始管理对象，所述时空信息包括时间信息和位置信息；
对象查找单元，用于从所述子预设监控信息中，查找在所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，所述时间条件下连续未出现信息值是基于所述时间信息确定的；
显示单元，用于显示所述待管理对象。
第三方面，本公开实施例提供了一种信息处理装置，所述装置包括：显示器、处理器、存储器和通信总线，所述显示器和所述存储器通过所述通信总线与所述处理器进行通信，所述存储器存储所述处理器可执行的程序，当所述程序被执行时，通过所述显示器和所述处理器执行如上述所述的信息处理方法。
第四方面，本公开实施例提供了一种计算机可读存储介质，应用于信息处理装置，其上存储有程序，所述程序被处理器执行时实现如上述所述的信息处理方法。
本公开实施例提供了一种信息处理方法、装置及存储介质，首先，在获取到连续未出现筛选请求的情况下，从连续未出现筛选请求中获取位置条件、时间条件和时间量；然后，从预设监控信息中，筛选满足位置条件的子预设监控信息，预设监控信息表征至少一个初始管理对象的时空信息，子预设监控信息包括管理对象的时空信息，管理对象属于至少一个初始管理对象，时空信息包括时间信息和位置信息；再后，从子预设监控信息中，查找时间条件下连续未出现信息值不小于时间量的待管理对象，时间条件下连续未出现信息值是基于时间信息确定的；最后，显示待管理对象。采用上述技术实现方案，由于管理对象的时空信息表征了该管理对象的出现行为信息，因此，通过从预设监控信息中获取管理对象的时空信息并进行分析，就能够获得各管理对象的连续未出现信息，此时，也就能够快速智能地根据各管理对象的连续未出现信息确定出待管理对象并进行显示，如此表明，本公开实施例提供的一种信息处理方法，提升了确定待管理对象的可行性和智能性。
附图说明
图1为本公开实施例提供的一种信息处理方法的实现流程图；
图2为本公开实施例提供的一种示例性的获取待管理对象的示意图；
图3为本公开实施例提供的一种示例性的面部生物特征聚类示意图；
图4为本公开实施例提供的一种示例性的获取至少一个特征类的流程示意图；
图5为本公开实施例提供的一种示例性的增量聚类的实现流程图；
图6为本公开实施例提供的一种示例性的更新预设监控信息的流程示意图；
图7为本公开实施例提供的一种信息处理装置的结构示意图一；
图8为本公开实施例提供的一种信息处理装置的结构示意图二。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。
实施例一
本公开实施例提供了一种信息处理方法，图1为本公开实施例提供的一种信息处理方法实现流程图，如图1所示，该信息处理方法包括：
S101、在获取到连续未出现筛选请求的情况下，从连续未出现筛选请求中获取位置条件、时间条件和时间量。
在本公开实施例中，当从管理对象中确定待管理对象时，比如，从户主中确定未在户主，从常驻人口中确定已搬迁的常驻人口，从特殊管控群体中确定出离开管控区的管控人员时，等等，信息处理装置就获取到了连续未出现筛选请求；这里，连续未出现筛选请求中包括位置条件、时间条件和时间量，因此，信息处理装置能够从连续未出现筛选请求中获取到位置条件、时间条件和时间量，以根据位置条件、时间条件和时间量从管理对象中确定出满足在指定范围内至少连续消失X天的待管理对象，X为大于等于0的正整数。
需要说明的是，位置条件指位置信息，比如，可以为一个或多个摄像头或抓拍机对应的经纬点，也可以是一个或多个区域；时间条件指时间信息，比如，可以为2年，也可以为2个月；时间量指消失时间信息，比如，2年，4天。对于包括位置条件、时间条件和时间量的连续未出现筛选请求，比如，从特殊管控群体(管理对象)中确定2个月(时间条件)中离开管控区(位置条件)2天(时间量)的管控人员(待管理对象)的筛选请求。
S102、从预设监控信息中，筛选满足位置条件的子预设监控信息，预设监控信息表征至少一个初始管理对象的时空信息，子预设监控信息包括管理对象的时空信息，管理对象属于至少一个初始管理对象，时空信息包括时间信息和位置信息。
在本公开实施例中，信息处理装置中预设有监控信息库，当信息处理装置获取到连续未出现筛选请求之后，也就从监控信息库中获得了与连续未出现筛选请求对应的预设监控信息，这里，预设监控信息表征至少一个初始管理对象的时空信息，而时空信息包括时间信息和位置信息，即包括了至少一个初始管理对象的行为信息，比如，出现时间和出现地点；从而，信息处理装置从连续未出现筛选请求中获得位置条件、时间条件和时间量之后，就能够先根据位置条件对预设监控信息进行初步筛选，得到管理对象的时空信息，即子预设监控信息；这里，管理对象中初始管理对象的数量为至少一个，并且，管理对象属于预设监控信息中的至少一个初始管理对象。
需要说明的是，信息处理装置筛选得到子预设监控信息时，是基于至少一个初始管理对象的时空信息中的位置信息与位置条件的比较结果完成的；也就是说，信息处理装置从预设监控信息中。
S103、从子预设监控信息中，查找时间条件下连续未出现信息值不小于时间量的待管理对象，时间条件下连续未出现信息值是基于时间信息确定的。
在本公开实施例中，当信息处理装置获得子预设监控信息之后，基于子预设监控信息中时间信息，确定管理对象在时间条件对应的时间段内的连续未出现信息值，也就获得了时间条件下连续未出现信息值；进而能够从管理对象中，根据时间条件下连续未出现信息值与时间量的大小，确定待管理对象；这里，待管理对象根据查找到的时间条件下连续未出现信息值不小于时间量的管理对象确定。
S104、显示待管理对象。
在本公开实施例中，当信息处理装置获得了待管理对象之后，将该待管理对象进行显示，以使得根据显示的待管理对象进行管控。比如，当信息处理装置获得了待管理对象并进行显示之后，就能够根据该显示的待管理对象，发出告警信息；比如，提示警方注意离开管控区域的特殊管控群体(待管理对象)。
需要说明的是，信息处理装置在显示待管理对象时，还显示该待管理对象在时间条件下的连续未出现信息值和最后出现时间信息；这里，待管理对象在时间条件下的最后出现时间信息是有信息处理装置基于时间信息从子预设监控信息中获得的。
可以理解的是，由于信息处理装置中预设有预设监控信息，因此，能够根据连续未出现筛选请求中的位置信息从预设监控信息中获得管理对象的时空信息，并根据管理对象的时空信息进一步确定符合连续未出现筛选请求中时间条件和时间量的待管理对象，实现了一种及时感知待管理对象离开的方案。
进一步地，本公开实施例S103中信息处理装置从子预设监控信息中，查找时间条件下连续未出现信息值不小于时间量的待管理对象，具体包括S103a-S103e：
S103a、在子预设监控信息中，将时间信息不满足与时间条件的子管理对象作为第一子待管理对象；第一子待管理对象对应的连续未出现信息值至少为时间量。
在本公开实施例中，信息处理装置基于子预设监控信息中的时间信息，确定与时间条件无交叠的子管理对象，即子预设监控信息中时间信息不满足与时间条件的子管理对象，也就得到了第一子待管理对象。这里，第一子待管理对象属于管理对象。
S103b、在子预设监控信息中，筛选时间信息满足时间条件的待分析监控信息，待分析监控信息包括初始对象的时空信息，初始对象属于管理对象。
在本公开实施例中，信息处理装置基于子预设监控信息中的时间信息，确定与时间条件有交叠的待分析监控信息，进而再基于时间量从待分析监控信息中获得第二子待管理对象。这里，第二子待管理对象属于管理对象。
这里，信息处理装置根据时间条件从子预设监控信息中进一步筛选，得到满足时间条件的初始管理对象的时空信息，即初始对象的时空信息，又称为待分析监控信息。
S103c、基于时间量的单位时长，对待分析监控信息进行分析，得到初始对象连续未出现信息，初始对象连续未出现信息包括初始对象和初始对象对应的连续未出现信息值。
在本公开实施例中，当信息处理装置获得了待分析监控信息之后，基于时间量的单位时长，确定初始对象和初始对象对应的连续未出现信息值，也就获得了初始对象连续未出现信息。
需要说明的是，时间量的单位时长指时间量对应的单位，比如，时间量为四天时，单位时长为天；时间量为四小时时，单位时长为小时。信息处理装置根据该单位时长确定的初始对象对应的连续未出现信息值，即初始对象以单位时长为单位的消失时长。
具体地，在本公开实施例中，信息处理装置基于时间量的单位时长，对待分析监控信息进行分析，得到初始对象连续未出现信息，包括以下步骤：
首先，信息处理装置根据单位时长，对时间条件进行划分；比如，时间条件为两年，单位时长为天，划分后的时间条件为730天。
然后，信息处理装置根据待分析监控信息中初始对象的时空信息，确定初始对象在划分后的时间条件中的初始对象出现时间；也就是说，划分后的时间条件由至少一个连续的时间范围组成，信息处理装置确定初始对象的时空信息属于划分后的时间条件中的目标时间范围，从而该目标时间范围对应的时间就组合为了初始对象出现时间。
示例性地，当划分后的时间条件为730天，一个初始对象在时间条件中出现了两次，该两次属于不同的天：第三天和第四天时，第三天和第四天即为初始对象出现时间。
再后，信息处理装置获取初始对象出现时间中每两个相邻的出现时间之间的时长，划分的时间条件中开始时间和初始对象出现时间中第一个出现时间之间的时长，以及初始对象出现时间中最后一个出现时间和划分的时间条件中终止时间之间的时长，得到连续未出现时长。
这里，连续未出现时长表征初始对象中每个对象在时间条件范围内的至少一个连续未出现时间长度。
最后，信息处理装置将连续未出现时长中最大的时长除以单位时长，得到初始对象的连续未出现信息值，并将初始对象和初始对象的连续未出现信息值作为初始对象连续未出现信息。
需要说明的是，对于初始对象中的每个对象在时间条件范围内均对应存在的至少一个连续未出现时间长度，因此，信息处理装置从连续未出现时长中选择最大的时长，并根据单位时长确定最大的时长所对应的连续未出现信息值，从而也就得到了包括初始对象和初始对象的连续未出现信息值的初始对象连续未出现信息。
S103d、在初始对象中，将初始对象对应的连续未出现信息值不小于时间量的子初始对象作为第二子待管理对象。
在本公开实施例中，当信息处理装置获得了初始对象对应的连续未出现信息值之后，就能够从初始对象中选择出第二子待管理对象。这里，第二子待管理对象表征初始对象中对应的连续未出现信息值不小于时间量的子初始对象。
S103e、从第一子待管理对象和第二子待管理对象中筛选待管理对象。
在本公开实施例中，当信息处理装置获得了第一子待管理对象和第二子待管理对象之后，可以将第一子待管理对象和第二子待管理对象中的全部或部分对象作为待管理对象，也就完成了从第一子待管理对象和第二子待管理对象中筛选待管理对象的过程。
具体地，当信息处理装置从第一子待管理对象和第二子待管理对象中筛选待管理对象时，实现步骤为：首先，将第一子待管理对象和第二子待管理对象组合为初始待管理对象；然后，获取初始待管理对象对应的连续未出现信息值；以及基于初始待管理对象对应的连续未出现信息值，对初始待管理对象进行排序，得到排序后的初始待管理对象；最后，从排序后的初始待管理对象中，将预设选择数量个的子初始待管理对象作为待管理对象(比如，从排序后的初始待管理对象中连续消失天数最多的一端筛选1000个人)。
需要说明的是，信息处理装置获取初始待管理对象对应的连续未出现信息值时，初始待管理对象中的第二子待管理对象对应的连续未出现信息值，是从初始对象连续未出现信息获得的；而初始待管理对象中的第一子待管理对象对应的连续未出现信息值对应设置为时间量。
在本公开实施例中，初始待管理对象存在连续未出现信息值相同的对象时，信息处理装置根据其他筛选参数进行再次排序，比如根据对象的最后出现时间信息。也就是说，信息处理装置基于初始待管理对象对应的连续未出现信息值，对初始待管理对象进行排序，得到初始排序后的初始待管理对象；并在初始排序后的初始待管理对象中，当存在多个初始待管理对象对应的连续未出现信息值相同时，从待分析监控信息中获取相同的连续未出现信息值对应的初始待管理对象的最后出现时间信息；以及根据最后出现时间信息，对初始排序后的初始待管理对象进行排序，得到排序后的初始待管理对象。
示例性地，图2为本公开实施例提供的一种示例性的获取待管理对象的示意图，如图2所示，当输入时间范围(时间条件)、地点(位置条件)和消失天数(时间量)之后，在触发了开始分析的情况下，信息处理装置就能够获取到连续未出现筛选请求，并根据连续未出现筛选请求在待管理对象展示页面展示出待管理对象；并且展示待管理对象时，按照消失天数倒序展示。
可以理解的是，信息处理装置通过预设监控信息，获取离开的待管理对象，并针对该待管理对象生成告警信息，以使得对该待管理对象进行管理；比如，擅自离开的特殊管控群体，向警方发出管理提示，或者向擅自离开的特殊管控群体进行提醒告警等。
进一步地，S102中信息处理装置从预设监控信息中，筛选满足位置条件的子预设监控信息之前，该信息处理方法还包括：信息处理装置获取对象筛选请求；以及根据对象筛选请求，从预设监控信息中确定出待筛选监控信息。这里，对象筛选请求包括第一对象筛选请求和/或第二对象筛选请求，第一对象筛选请求用于选择第一类对象，第二对象筛选请求用于排除第二类对象。
相应地，S102中信息处理装置从预设监控信息中，筛选满足位置条件的子预设监控信息，包括：信息处理装置从待筛选监控信息中，筛选满足位置条件的子预设监控信息。
也就是说，信息处理装置从预设监控信息中，首先基于对象的类别进行筛选，然后再基于筛选出的待筛选监控信息，进行基于连续未出现筛选请求进行待管理对象的筛选。
进一步地，S102中信息处理装置从预设监控信息中，筛选满足位置条件的子预设监控信息之前，该信息处理方法还包括：信息处理装置获取案件名称和案件信息；以及根据案件名称和案件信息，从预设监控信息中确定出待筛选监控信息。
相应地，S102中信息处理装置从预设监控信息中，筛选满足位置条件的子预设监控信息，包括：信息处理装置从待筛选监控信息中，筛选满足位置条件的子预设监控信息。
也就是说，信息处理装置首先基于案件名称和案件信息确定目标对象信息，进一步根据目标对象信息，从预设监控信息中进行筛选，然后再基于筛选出的待筛选监控信息，进行基于连续未出现筛选请求进行待管理对象的筛选。
可以理解的是，信息处理装置基于连续未出现筛选请求从预设监控信息中确定待管理对象之前，先通过对象筛选请求和/或目标案件信息(案件名称和案件信息)进行初步筛选，再基于初步筛选出的待筛选监控信息筛选出满足连续未出现筛选请求的待管理对象。
进一步地，信息处理装置不仅能够从预设监控信息中确定出待管理对象，还具有获得预设监控信息的功能，因此，S102中信息处理装置从预设监控信息中，筛选满足位置条件的子预设监控信息之前，该信息处理方法还包括获取预设监控信息的过程，具体包括S105-S109：
S105、在当前预设聚类时间点到达的情况下，从前一预设聚类时间点与当前预设聚类时间点之间采集到的当前图像信息中，确定面部生物特征。
在本公开实施例中，信息处理装置中预先设置预设聚类时间点，用于触发对图像采集装置采集到的图像信息进行周期性地聚类分析，比如一小时或一天聚类分析一次。这里，信息处理装置与图像采集装置进行连接，图像采集装置实时采集图像，当前预设聚类时间点到达时，信息处理装置从与其连接的图像采集装置中获取当前图像信息，之后，从当前图像信息中，确定面部生物特征。如图3所示，每个圆圈即为信息处理装置从采集到的当前图像信息确定出的面部生物特征。
本公开实施例中，图像采集装置可以包括摄像头、抓拍机等用于获取图像的装置，具体的根据实际情况进行选择，本实施例不做具体的限定。
本公开实施例中，信息处理装置利用预设面部生物特征识别方法，从采集到的图像中确定面部生物特征。
本公开实施例中，所提及的对象可以是人。
可选的，预设面部生物特征识别方法包括特征脸方法、鱼脸方法、局部二进制编码直方图等，具体的根据实际情况进行选择，本实施例不做具体的限定，且该预设面部生物特征识别方法均为现有的面部识别方法，本实施例在此不再赘述。
本公开实施例中，采集位置信息可以根据采集装置所处的位置信息确定。
S106、通过对面部生物特征进行聚类计算，将面部生物特征按照第一相似度划分为至少一个特征类，至少一个特征类中的每个特征类的面部生物特征之间的第一相似度大于第一预设相似度阈值。
本公开实施例中，当信息处理装置从采集到的当前图像中确定出面部生物特征之后，信息处理装置对面部生物特征进行聚类计算，以将面部生物特征按照第一相似度划分为多个特征类。
需要说明的是，信息处理装置计算面部生物特征之间的第一相似度，并将第一相似度大于第一预设相似度阈值的面部生物特征聚合在一起，形成一个特征类，该一个特征类即为对一个人的全部面部生物特征图像。
示例性的，如图3所示，相同填充方式的圆圈之间的相似度值远远高于不同填充方式的圆圈之间的相似度值，因此，相同填充方式的圆圈聚成一个特征类，得到5个特征类：类1、类2、类3、类4和类5，其中，每一个特征类表示一个人，而每个圆圈为这个人对应的一个面部生物特征。
S107、从当前图像信息中分别获取至少一个特征类对应的至少一个时空信息。
在本公开实施例中，当信息处理装置确定了当前图像信息对应的至少一个特征类之后，针对至少一个特征类中每个特征类，获取每个特征类中每个面部生物特征所对应的图像信息，并将每个面部生物特征所对应的图像信息中的采集位置信息和采集时间信息作为该特征类的时空信息，从而也就得到了至少一个特征类对应的至少一个时空信息。这里，至少一个特征类与至少一个时空信息一一对应。
S108、从预设身份库中分别确定至少一个特征类对应的至少一个初始管理对象，并从至少一个时空信息中获取至少一个管理对象对应的时空信息，预设身份库中存储至少一个预设管理对象。
在本公开实施例中，信息处理装置中预设有预设身份库，表征公民的身份信息，比如，常驻人口库，驾驶人员库等；也就是说，预设身份库中存储有至少一个预设管理对象。当信息处理装置获得了至少一个特征类之后，将至少一个特征类与预设身份库存储的至少一个预设管理对象进行匹配，得到匹配结果，该获取匹配结果的过程即对至少一个特征类中的每个特征类进行实名的过程。
需要说明的是，上述匹配结果中包含三类人，一类是属于预设身份库却不属于至少一个特征类中的人，另一类是不属于预设身份库却属于至少一个特征类中的人，还有一类是同属于预设身份库和至少一个特征类中的人；其中，同属于预设身份库和至少一个特征类中的人即是本公开实施例中的至少一个初始管理对象。也就是说，至少一个特征类的数量大于等于至少一个初始管理对象的数量。
具体地，信息处理装置从预设身份库中分别确定至少一个特征类对应的至少一个初始管理对象，包括：信息处理装置分别获取至少一个特征类对应的至少一个类中心特征值，至少一个特征类与至少一个类中心特征值一一对应；并计算当前类中心特征值和至少一个预设管理对象的一组第二相似度，当前类中心特征值为至少一个类中心特征值中的任一个类中心特征值；以及从一组第二相似度中，确定出第二相似度最高、且第二相似度值大于第一预设相似度阈值的目标相似度值；再从预设身份库中，确定目标相似度值对应的预设管理对象，并将目标相似度值对应的预设管理对象确定为当前特征类对应的初始管理对象，从而得到至少一个特征类对应的至少一个初始管理对象，当前特征类为当前类中心特征值对应的特征类。
需要说明的是，信息处理装置将至少一个特征类中每个特征类所对应的类中心特征值，与预设身份库中的至少一个预设管理对象进行全量1:n比对，取第一相似度最高且大于第一预设相似度阈值的预设管理对象赋予该特征类，使得该特征类对应的人实名。
另外，当信息处理装置获得了至少一个初始管理对象之后，从至少一个特征类中确定与至少一个初始管理对象对应的至少一个目标特征类，从至少一个时空信息中获得至少一个目标特征类对应的时空信息，也就获得了至少一个初始管理对象对应的时空信息。
图4为本公开实施例提供的一种示例性的获取至少一个特征类的流程示意图，如图4所示，信息处理装置从抓拍机对应的抓拍库中获取当前图像信息后，对当前图像信息中的每张图片进行人像提取；并将提取到的人像中的每个人像的生物特征组合为面部生物特征；进而从面部生物特征中根据第一预设相似度阈值进行聚类；最后，将抓拍照片按人分类，得到至少一个特征类。
S109、将至少一个初始管理对象和至少一个初始管理对象对应的时空信息作为预设监控信息。
在本公开实施例中，当信息处理装置获得了至少一个初始管理对象和其所对应的时空信息，也就获得了预设监控信息。
进一步地，当存在新的预设管理对象加入预设身份库时，信息处理装置对预设身份库进行更新，比如将至少一个预设管理对象中与新的预设管理对象具有相同身份证号的预设管理对象进行聚合，而如果至少一个预设管理对象中不存在与新的预设管理对象具有相同身份证号的预设管理对象，则将新的预设管理对象作为与预设身份库中与至少一个预设管理对象相独立的预设管理对象，新增至预设身份库，完成对预设身份库的更新。具体地，信息处理装置在获得预设监控信息之后，当获取到新的预设管理对象时，将新的预设管理对象与预设身份库中的预设管理对象聚合，得到待更新预设管理对象；根据待更新预设管理对象，更新预设监控信息，得到更新后的预设监控信息。同时，信息处理装置也获得了更新后的预设身份库。
进一步地，当采集到新的图像信息时，信息处理装置则需要根据新的图像信息对至少一个特征类进行更新，从而根据更新后的至少一个特征类来更新预设监控信息。并且，考虑到采集到新的图像信息对应的量较大，信息处理装置根据新的图像信息和至少一个特征类进行增量聚类，并根据增量聚类结果更新预设监控信息。具体地，信息处理装置在获得预设监控信息之后，在下一预设聚类时间点到达时，从当前预设聚类时间点与下一预设聚类时间点之间采集到的新的图像信息中，确定至少一个新的面部生物特征；对至少一个新的面部生物特征进行增量聚类计算，得到至少一个待添加特征类；从新的图像信息中，分别获取至少一个待添加特征类对应的至少一个新的时空信息，至少一个待添加特征类与至少一个新的时空信息一一对应；根据至少一个待添加特征类对应的至少一个新的时空信息，更新预设监控信息，得到更新后的预设监控信息。同时，信息处理装置也获得了至少一个更新后的特征类。
需要说明的是，信息处理装置在利用新的图像信息对至少一个特征类进行增量聚类时，如图5所示，信息处理装置从新的图像信息中获得新的面部生物特征，并采用搜索类中心(比如利用FAISS指数进行类中心搜索)的方法，判断至少一个特征类中有无与新的面部生物特征所对应的特征类，得到有对应的特征类和无对应的特征类两种情况，即第一新的面部生物特征和第二新的面部生物特征；其中，第一新的面部生物特征在至少一个特征类中有对应的特征类，第二新的面部生物特征在至少一个特征类中无对应的特征类；另外，对于第一新的面部生物特征，将其新增至至少一个特征类中；对于第二新的面部生物特征，通过聚类，得到新的特征类，再基于新的特征类更新至少一个特征类；如此，是通过将新的面部生物特征在至少一个特征类中所对应的更新特征类和新的特征类作为至少一个待添加特征类，根据至少一个待添加特征类更新至少一个特征类。其中，更新特征类为针对至少一个特征类中对应的特征类对第一新的面部生物特征进行聚类得到的结果。也就是说，信息处理装置还利用至少一个待添加特征类对至少一个特征类进行更新，得到至少一个更新后的特征类。
相应地，当信息处理装置完成了根据新的图像信息和/或新的预设管理对象对预设监控信息的更新，得到更新后的预设监控信息之后，S102中信息处理装置从预设监控信息中，筛选满足位置条件的子预设监控信息，包括：信息处理装置从更新后的预设监控信息中，筛选满足位置条件的子预设监控信息。
图6为本公开实施例提供的一种示例性的更新预设监控信息的流程示意图，如图6所示，首先，信息处理装置以身份证号将预设身份库转换为至少一个预设管理对象，另外，对于采集到的视频流或抓拍图像(当前图像信息)，根据当前预设聚类时间点触发聚类，得到至少一个特征类；然后，信息处理装置将至少一个预设管理对象与至少一个特征类进行撞库，得到三类档案信息，即上述描述的匹配结果中的三类人，分别对应为无时空信息的预设管理对象、至少一个初始管理对象和未实名的特征类；最后，信息处理装置从至少一个初始管理对象的时空信息中进行待管理对象的确定。其中，当信息处理装置获取到新的预设管理对象时，利用新的预设管理对象更新预设身份库，并更新预设监控信息，得到更新后的至少一个初始管理对象；当信息处理装置获取到新的图片信息时，利用新的图片信息和至少一个特征类更新至少一个特征类，并更新预设监控信息，得到更新后的至少一个初始管理对象；此时，信息处理装置根据更新后的至少一个初始管理对象(更新后的预设监控信息)确定待管理对象。
可以理解的是，由于管理对象的时空信息表征了该管理对象的出现行为信息，因此，通过从预设监控信息中获取管理对象的时空信息并进行分析，就能够获得各管理对象的连续未出现信息，此时，也就能够快速智能地根据各管理对象的连续未出现信息确定出待管理对象并进行显示，如此表明，本公开实施例提供的一种信息处理方法，提升了确定待管理对象的可行性和智能性。
实施例二
基于实施例一的同一发明构思，本公开实施例提供了一种信息处理装置1，
图7为本公开实施例提供的一种信息处理装置的结构示意图一，如图7所示，该信息处理装置1包括：
条件获取单元10，用于在获取到连续未出现筛选请求的情况下，从所述连续未出现筛选请求中获取位置条件、时间条件和时间量；
信息获取单元11，用于从预设监控信息中，筛选满足所述位置条件的子预设监控信息，所述预设监控信息表征至少一个初始管理对象的时空信息，所述子预设监控信息包括管理对象的时空信息，所述管理对象属于所述至少一个初始管理对象，所述时空信息包括时间信息和位置信息；
对象查找单元12，用于从所述子预设监控信息中，查找在所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，所述时间条件下连续未出现信息值是基于所述时间信息确定的；
显示单元13，用于显示所述待管理对象。
进一步地，所述对象查找单元12，还用于在所述子预设监控信息中，将所述时间信息不满足所述时间条件的子管理对象作为第一子待管理对象；所述第一子待管理对象对应的连续未出现信息值至少为所述时间量；在所述子预设监控信息中，筛选所述时间信息满足所述时间条件的待分析监控信息，所述待分析监控信息包括初始对象的时空信息，所述初始对象属于所述管理对象；基于所述时间量的单位时长，对所述待分析监控信息进行分析，得到所述初始对象连续未出现信息，所述初始对象连续未出现信息包括所述初始对象和所述初始对象对应的连续未出现信息值；在所述初始对象中，将所述初始对象对应的连续未出现信息值不小于所述时间量的子初始对象作为第二子待管理对象；从所述第一子待管理对象和所述第二子待管理对象中筛选所述待管理对象。
进一步地，所述对象查找单元12，还用于根据所述单位时长，对所述时间条件进行划分；根据所述待分析监控信息中所述初始对象的时空信息对应的时间信息，确定所述初始对象在划分后的时间条件中的初始对象出现时间；获取所述初始对象出现时间中每两个相邻的出现时间之间的时长，所述划分的时间条件中开始时间和所述初始对象出现时间中第一个出现时间之间的时长，以及所述初始对象出现时间中最后一个出现时间和所述划分的时间条件中终止时间之间的时长，得到连续未出现时长；将所述连续未出现时长中最大的时长除以所述单位时长，得到所述初始对象的所述连续未出现信息值，并将所述初始对象和所述初始对象的所述连续未出现信息值作为所述初始对象连续未出现信息。
进一步地，所述对象查找单元12，还用于将所述第一子待管理对象和所述第二子待管理对象组合为初始待管理对象；获取所述初始待管理对象对应的连续未出现信息值；基于所述初始待管理对象对应的连续未出现信息值，对所述初始待管理对象进行排序，得到排序后的初始待管理对象；从所述排序后的初始待管理对象中，将预设选择数量个连续未出现信息值最大的子初始待管理对象作为所述待管理对象。
进一步地，所述对象查找单元12，还用于基于所述初始待管理对象对应的连续未出现信息值，对所述初始待管理对象进行排序，得到初始排序后的初始待管理对象；在所述初始排序后的初始待管理对象中，当存在多个初始待管理对象对应的连续未出现信息值相同时，从所述待分析监控信息中获取相同的连续未出现信息值对应的初始待管理对象的最后出现时间信息；根据所述最后出现时间信息，对所述初始排序后的初始待管理对象进行排序，得到所述排序后的初始待管理对象。
进一步地，所述信息处理装置1还包括第一筛选单元，用于获取对象筛选请求；根据所述对象筛选请求，从所述预设监控信息中确定出待筛选监控信息。
相应地，所述信息获取单元11，还用于从所述待筛选监控信息中，筛选满足所述位置条件的所述子预设监控信息。
进一步地，所述对象筛选请求包括第一对象筛选请求和/或第二对象筛选请求，所述第一对象筛选请求用于选择第一类对象，所述第二对象筛选请求用于排除第二类对象。
进一步地，所述信息处理装置1还包括第二筛选单元，用于获取案件名称和案件信息；根据所述案件名称和所述案件信息，从所述预设监控信息中确定出待筛选监控信息。
相应地，所述信息获取单元11，还用于从所述待筛选监控信息中，筛选满足所述位置条件的所述子预设监控信息。
进一步地，所述显示单元13，还用于显示所述待管理对象在所述时间条件下的连续未出现信息值和最后出现时间信息。
进一步地，所述信息处理装置还包括监控信息获取单元，用于在当前预设聚类时间点到达的情况下，从前一预设聚类时间点与所述当前预设聚类时间点之间采集到的当前图像信息中，确定面部生物特征；通过对所述面部生物特征进行聚类计算，将所述面部生物特征按照第一相似度划分为至少一个特征类，所述至少一个特征类中的每个特征类的面部生物特征之间的第一相似度大于第一预设相似度阈值；从所述当前图像信息中分别获取所述至少一个特征类对应的至少一个时空信息；从预设身份库中分别确定所述至少一个特征类对应的所述至少一个初始管理对象，并从所述至少一个时空信息中获取所述至少一个管理对象对应的时空信息，所述预设身份库中存储至少一个预设管理对象；将所述至少一个初始管理对象和所述至少一个初始管理对象对应的时空信息作为所述预设监控信息。
进一步地，所述监控信息获取单元，还用于分别获取所述至少一个特征类对应的至少一个类中心特征值，所述至少一个特征类与所述至少一个类中心特征值一一对应；计算当前类中心特征值和所述至少一个预设管理对象的一组第二相似度，所述当前类中心特征值为所述至少一个类中心特征值中的任一个类中心特征值；从所述一组第二相似度中，确定出第二相似度最高、且第二相似度值大于第一预设相似度阈值的目标相似度值；从所述预设身份库中，确定所述目标相似度值对应的预设管理对象，并将所述目标相似度值对应的预设管理对象确定为当前特征类对应的初始管理对象，从而得到所述至少一个特征类对应的所述至少一个初始管理对象，所述当前特征类为所述当前类中心特征值对应的特征类。
进一步地，所述监控信息获取单元，还用于在获取到新的预设管理对象的情况下，将所述新的预设管理对象与所述预设身份库中的所述预设管理对象聚合，得到待更新预设管理对象；根据所述待更新预设管理对象，更新所述预设监控信息，得到更新后的预设监控信息。
相应地，所述信息获取单元，还用于从所述更新后的预设监控信息中，筛选满足所述位置条件的所述子预设监控信息。
进一步地，所述监控信息获取单元，还用于在下一预设聚类时间点到达的情况下，从当前预设聚类时间点与所述下一预设聚类时间点之间采集到的新的图像信息中，确定至少一个新的面部生物特征；根据所述至少一个特征类，对所述至少一个新的面部生物特征进行增量聚类计算，得到至少一个待添加特征类；从所述新的图像信息中，分别获取所述至少一个待添加特征类对应的至少一个新的时空信息，所述至少一个待添加特征类与所述至少一个新的时空信息一一对应；根据所述至少一个待添加特征类对应的所述至少一个新的时空信息，更新所述预设监控信息，得到更新后的预设监控信息。
相应地，所述信息获取单元，还用于从所述更新后的预设监控信息中，筛选满足所述位置条件的所述子预设监控信息。
需要说明的是，在实际应用中，上述条件获取单元10、信息获取单元11、对象查找单元12、第一筛选单元、第二筛选单元和监控信息获取单元可由位于信息处理装置1上的处理器17实现，具体为CPU(Central Processing Unit，中央处理器)、MPU(MicroprocessorUnit，微处理器)、DSP(Digital Signal Processing，数字信号处理器)或现场可编程门阵列(FPGA，Field Programmable Gate Array)等实现。上述显示单元13可由位于信息处理装置1上的显示器16实现。
本公开实施例还提供了一种信息处理装置1，如图8所示，所述信息处理装置1包括：显示器16、处理器17、存储器18和通信总线19，所述显示器16和所述存储器18通过所述通信总线19与所述处理器17进行通信，所述存储器18存储所述处理器17可执行的程序，当所述程序被执行时，通过所述显示器16和所述处理器17执行如实施例一所述的信息处理方法。
在实际应用中，上述存储器18可以是易失性存储器(volatile memory)，例如随机存取存储器(Random-Access Memory，RAM)；或者非易失性存储器(non-volatile memory)，例如只读存储器(Read-Only Memory，ROM)，快闪存储器(flash memory)，硬盘(Hard DiskDrive，HDD)或固态硬盘(Solid-State Drive，SSD)；或者上述种类的存储器的组合，并向处理器17提供指令和数据。
本公开实施例提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器17执行时实现如实施例一所述的信息处理方法。
可以理解的是，由于管理对象的时空信息表征了该管理对象的出现行为信息，因此，通过从预设监控信息中获取管理对象的时空信息并进行分析，就能够获得各管理对象的连续未出现信息，此时，也就能够快速智能地根据各管理对象的连续未出现信息确定出待管理对象并进行显示，如此表明，本公开实施例提供的一种信息处理方法，提升了确定待管理对象的可行性和智能性。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种信息处理方法，其特征在于，所述方法包括：
在获取到连续未出现筛选请求的情况下，从所述连续未出现筛选请求中获取位置条件、时间条件和时间量；
从预设监控信息中，筛选满足所述位置条件的子预设监控信息，所述预设监控信息表征至少一个初始管理对象的时空信息，所述子预设监控信息包括管理对象的时空信息，所述管理对象属于所述至少一个初始管理对象，所述时空信息包括时间信息和位置信息；
从所述子预设监控信息中，查找所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，所述时间条件下连续未出现信息值是基于所述时间信息确定的；
显示所述待管理对象。
2.根据权利要求1所述的方法，其特征在于，所述从所述子预设监控信息中，查找所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，包括：
在所述子预设监控信息中，将所述时间信息不满足所述时间条件的子管理对象作为第一子待管理对象；所述第一子待管理对象对应的连续未出现信息值至少为所述时间量；
在所述子预设监控信息中，筛选所述时间信息满足所述时间条件的待分析监控信息，所述待分析监控信息包括初始对象的时空信息，所述初始对象属于所述管理对象；
基于所述时间量的单位时长，对所述待分析监控信息进行分析，得到所述初始对象连续未出现信息，所述初始对象连续未出现信息包括所述初始对象和所述初始对象对应的连续未出现信息值；
在所述初始对象中，将所述初始对象对应的连续未出现信息值不小于所述时间量的子初始对象作为第二子待管理对象；
从所述第一子待管理对象和所述第二子待管理对象中筛选所述待管理对象。
3.根据权利要求2所述的方法，其特征在于，所述基于所述时间量的单位时长，对所述待分析监控信息进行分析，得到所述初始对象连续未出现信息，包括：
根据所述单位时长，对所述时间条件进行划分；
根据所述待分析监控信息中所述初始对象的时空信息对应的时间信息，确定所述初始对象在划分后的时间条件中的初始对象出现时间；
获取所述初始对象出现时间中每两个相邻的出现时间之间的时长，所述划分的时间条件中开始时间和所述初始对象出现时间中第一个出现时间之间的时长，以及所述初始对象出现时间中最后一个出现时间和所述划分的时间条件中终止时间之间的时长，得到连续未出现时长；
将所述连续未出现时长中最大的时长除以所述单位时长，得到所述初始对象的所述连续未出现信息值，并将所述初始对象和所述初始对象的所述连续未出现信息值作为所述初始对象连续未出现信息。
4.根据权利要求2或3所述的方法，其特征在于，所述从所述第一子待管理对象和所述第二子待管理对象中筛选所述待管理对象，包括：
将所述第一子待管理对象和所述第二子待管理对象组合为初始待管理对象；
获取所述初始待管理对象对应的连续未出现信息值；
基于所述初始待管理对象对应的连续未出现信息值，对所述初始待管理对象进行排序，得到排序后的初始待管理对象；
从所述排序后的初始待管理对象中，将预设选择数量个连续未出现信息值最大的子初始待管理对象作为所述待管理对象。
5.根据权利要求1所述的方法，其特征在于，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息之前，所述方法还包括：
获取对象筛选请求；
根据所述对象筛选请求，从所述预设监控信息中确定出待筛选监控信息；
相应地，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息，包括：
从所述待筛选监控信息中，筛选满足所述位置条件的所述子预设监控信息。
6.根据权利要求1所述的方法，其特征在于，所述从预设监控信息中，筛选满足所述位置条件的子预设监控信息之前，所述方法还包括：
在当前预设聚类时间点到达的情况下，从前一预设聚类时间点与所述当前预设聚类时间点之间采集到的当前图像信息中，确定面部生物特征；
通过对所述面部生物特征进行聚类计算，将所述面部生物特征按照第一相似度划分为至少一个特征类，所述至少一个特征类中的每个特征类的面部生物特征之间的第一相似度大于第一预设相似度阈值；
从所述当前图像信息中分别获取所述至少一个特征类对应的至少一个时空信息；
从预设身份库中分别确定所述至少一个特征类对应的所述至少一个初始管理对象，并从所述至少一个时空信息中获取所述至少一个管理对象对应的时空信息，所述预设身份库中存储至少一个预设管理对象；
将所述至少一个初始管理对象和所述至少一个初始管理对象对应的时空信息作为所述预设监控信息。
7.根据权利要求6所述的方法，其特征在于，所述从预设身份库中分别确定所述至少一个特征类对应的所述至少一个初始管理对象，包括：
分别获取所述至少一个特征类对应的至少一个类中心特征值，所述至少一个特征类与所述至少一个类中心特征值一一对应；
计算当前类中心特征值和所述至少一个预设管理对象的一组第二相似度，所述当前类中心特征值为所述至少一个类中心特征值中的任一个类中心特征值；
从所述一组第二相似度中，确定出第二相似度最高、且第二相似度值大于第一预设相似度阈值的目标相似度值；
从所述预设身份库中，确定所述目标相似度值对应的预设管理对象，并将所述目标相似度值对应的预设管理对象确定为当前特征类对应的初始管理对象，从而得到所述至少一个特征类对应的所述至少一个初始管理对象，所述当前特征类为所述当前类中心特征值对应的特征类。
8.一种信息处理装置，其特征在于，所述装置包括：
条件获取单元，用于在获取到连续未出现筛选请求的情况下，从所述连续未出现筛选请求中获取位置条件、时间条件和时间量；
信息获取单元，用于从预设监控信息中，筛选满足所述位置条件的子预设监控信息，所述预设监控信息表征至少一个初始管理对象的时空信息，所述子预设监控信息包括管理对象的时空信息，所述管理对象属于所述至少一个初始管理对象，所述时空信息包括时间信息和位置信息；
对象查找单元，用于从所述子预设监控信息中，查找在所述时间条件下连续未出现信息值不小于所述时间量的待管理对象，所述时间条件下连续未出现信息值是基于所述时间信息确定的；
显示单元，用于显示所述待管理对象。
9.一种信息处理装置，其特征在于，所述装置包括：显示器、处理器、存储器和通信总线，所述显示器和所述存储器通过所述通信总线与所述处理器进行通信，所述存储器存储所述处理器可执行的程序，当所述程序被执行时，通过所述显示器和所述处理器执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，应用于信息处理装置，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7任一项所述的方法。
CN201910580450.5A 2019-06-28 2019-06-28 一种信息处理方法、装置及存储介质 Active CN110334247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910580450.5A CN110334247B (zh) 2019-06-28 2019-06-28 一种信息处理方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910580450.5A CN110334247B (zh) 2019-06-28 2019-06-28 一种信息处理方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110334247A true CN110334247A (zh) 2019-10-15
CN110334247B CN110334247B (zh) 2023-05-12

Family

ID=68143755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910580450.5A Active CN110334247B (zh) 2019-06-28 2019-06-28 一种信息处理方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110334247B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090177688A1 (en) * 2008-01-08 2009-07-09 Evolutions Software As Employee Tracking System
JP5871296B1 (ja) * 2015-08-19 2016-03-01 株式会社 テクノミライ スマートセキュリティ・デジタルシステム、方法及びプログラム
US20160371547A1 (en) * 2015-06-19 2016-12-22 eConnect, Inc. Predicting behavior from surveillance data
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置
CN108154457A (zh) * 2018-01-02 2018-06-12 深圳云天励飞技术有限公司 人口分析的方法及系统
CN109005386A (zh) * 2018-08-01 2018-12-14 深圳云天励飞技术有限公司 基于图像分析的社区监控方法、装置及设备
CN109086829A (zh) * 2018-08-14 2018-12-25 东方网力科技股份有限公司 一种社会人口治理的方法及装置
CN109190588A (zh) * 2018-09-19 2019-01-11 东方网力科技股份有限公司 一种人口分类的方法及装置
CN109241378A (zh) * 2018-08-29 2019-01-18 北京旷视科技有限公司 档案建立方法、装置、设备及存储介质
CN109544738A (zh) * 2018-11-07 2019-03-29 武汉烽火众智数字技术有限责任公司 一种小区人数统计方法及装置
CN109543566A (zh) * 2018-11-05 2019-03-29 深圳市商汤科技有限公司 信息处理方法及装置、电子设备和存储介质
US20190108405A1 (en) * 2017-10-10 2019-04-11 Weixin Xu Globally optimized recognition system and service design, from sensing to recognition
US20190147251A1 (en) * 2017-11-15 2019-05-16 Canon Kabushiki Kaisha Information processing apparatus, monitoring system, method, and non-transitory computer-readable storage medium
CN109784321A (zh) * 2019-03-28 2019-05-21 北京深醒科技有限公司 一种基于人脸识别的实有人口统计分类方法和装置
CN109800673A (zh) * 2018-12-28 2019-05-24 上海依图网络科技有限公司 一种归档方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090177688A1 (en) * 2008-01-08 2009-07-09 Evolutions Software As Employee Tracking System
US20160371547A1 (en) * 2015-06-19 2016-12-22 eConnect, Inc. Predicting behavior from surveillance data
JP5871296B1 (ja) * 2015-08-19 2016-03-01 株式会社 テクノミライ スマートセキュリティ・デジタルシステム、方法及びプログラム
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置
US20190108405A1 (en) * 2017-10-10 2019-04-11 Weixin Xu Globally optimized recognition system and service design, from sensing to recognition
US20190147251A1 (en) * 2017-11-15 2019-05-16 Canon Kabushiki Kaisha Information processing apparatus, monitoring system, method, and non-transitory computer-readable storage medium
CN108154457A (zh) * 2018-01-02 2018-06-12 深圳云天励飞技术有限公司 人口分析的方法及系统
CN109005386A (zh) * 2018-08-01 2018-12-14 深圳云天励飞技术有限公司 基于图像分析的社区监控方法、装置及设备
CN109086829A (zh) * 2018-08-14 2018-12-25 东方网力科技股份有限公司 一种社会人口治理的方法及装置
CN109241378A (zh) * 2018-08-29 2019-01-18 北京旷视科技有限公司 档案建立方法、装置、设备及存储介质
CN109190588A (zh) * 2018-09-19 2019-01-11 东方网力科技股份有限公司 一种人口分类的方法及装置
CN109543566A (zh) * 2018-11-05 2019-03-29 深圳市商汤科技有限公司 信息处理方法及装置、电子设备和存储介质
CN109544738A (zh) * 2018-11-07 2019-03-29 武汉烽火众智数字技术有限责任公司 一种小区人数统计方法及装置
CN109800673A (zh) * 2018-12-28 2019-05-24 上海依图网络科技有限公司 一种归档方法及装置
CN109784321A (zh) * 2019-03-28 2019-05-21 北京深醒科技有限公司 一种基于人脸识别的实有人口统计分类方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛晓东 等: ""人脸聚类技术在公安行业应用浅析"", 《中国安全防范技术与应用》 *

Also Published As

Publication number Publication date
CN110334247B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
TWI747341B (zh) 檔案應用方法及裝置、儲存媒體
CN101778260B (zh) 一种基于结构化描述的视频监控管理方法及系统
US9965674B2 (en) Ticket evading decision system with human face recognition and usage method thereof
US7616816B2 (en) System and method for mission-driven visual information retrieval and organization
US9092699B2 (en) Method for searching for objects in video data received from a fixed camera
CN110390031A (zh) 信息处理方法及装置、图像设备及存储介质
US7619648B2 (en) User assisted customization of automated video surveillance systems
CN106657812A (zh) 动态物件分类
CN106878670A (zh) 一种视频处理方法及装置
CN110334231A (zh) 一种信息处理方法及装置、存储介质
CN110348347A (zh) 一种信息处理方法及装置、存储介质
CN111222373B (zh) 一种人员行为分析方法、装置和电子设备
EP3336765A1 (en) Object recognition device, object recognition program, and image search service providing method
CN109740003B (zh) 一种归档方法及装置
CN107766797A (zh) 一种陌生人识别方法和系统
CN101901340A (zh) 一种疑犯跟踪方法及系统
CN109800329B (zh) 一种监控方法及装置
CN113505251A (zh) 人员身份属性的确定方法、装置和电子设备
CN109086829A (zh) 一种社会人口治理的方法及装置
CN110321834A (zh) 一种身份确定方法及装置、存储介质
CN109784220B (zh) 一种确定路人轨迹的方法及装置
CN109783663B (zh) 一种归档方法及装置
CN110334247A (zh) 一种信息处理方法、装置及存储介质
CN109800669A (zh) 一种归档方法及装置
CN109783664A (zh) 一种归档方法及装置

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