CN110472947A - 异常对象识别方法及装置 - Google Patents
异常对象识别方法及装置 Download PDFInfo
- Publication number
- CN110472947A CN110472947A CN201910769540.9A CN201910769540A CN110472947A CN 110472947 A CN110472947 A CN 110472947A CN 201910769540 A CN201910769540 A CN 201910769540A CN 110472947 A CN110472947 A CN 110472947A
- Authority
- CN
- China
- Prior art keywords
- data
- pair
- data pair
- distance
- identity
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开涉及一种异常对象识别方法及装置。所述方法包括:根据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据;根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对;判断所述多个第二数据对的对象位置是否满足匹配条件;在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。本公开实施例可根据对象位置的相似性,快速准确地识别异常对象,从而提高异常对象识别的准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种异常对象识别方法及装置。
背景技术
在一些行业或领域中,执行任务或工作的对象(例如人员),可能需要携带标识(例如识别卡),以便定位并识别其身份。例如,在采矿行业,矿工下井时必须携带识别卡,该识别卡用于在矿井下进行人员定位和身份标识,识别卡的信息可作为矿工考勤的依据。矿工在下井工作时存在代打卡行为,即一人携带多卡下井工作,例如,矿工A同时携带自己的识别卡和矿工B的识别卡下井,这种行为属于违章行为,需要对该行为进行监控和识别。
在相关技术中,可通过基于对人员识别卡到基站之间发射信号强度(RSSI)的分析方法来识别一人多卡行为,该方法主要基于Wifi技术,由于Wifi信号强度的不确定性,站在同一个位置的人员,其信号强度有可能存在较大差异,导致该方法的准确性较低。还可通过人脸识别和重力感应结合的方式来识别一人多卡行为,但该方法只可在固定区域使用,不可对人员进行持续监控。
发明内容
有鉴于此,本公开提出了一种异常对象识别技术方案。
根据本公开的一方面,提供了一种异常对象识别方法,所述方法包括:据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据;根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对;判断所述多个第二数据对的对象位置是否满足匹配条件;在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。
在一种可能的实现方式中,根据对象标识,确定数据集中满足预设条件的多个第一数据对,包括:从数据集中确定各个对象标识的第一数据,其中,所述第一数据是所述数据集中包括所述对象标识的多个数据中的第一个数据;确定两个第一数据的对象位置之间的第一距离以及所述两个第一数据的时刻之间的时间间隔;在所述第一距离小于或等于预设的第一距离阈值且所述时间间隔小于或等于预设的时间间隔阈值时,将所述两个第一数据确定为满足预设条件的第一数据对。
在一种可能的实现方式中,根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对,包括:根据第一数据对的对象标识,从所述数据集中确定预设时段内与所述第一数据对的对象标识对应的多个第二数据对。
在一种可能的实现方式中,判断所述多个第二数据对的对象位置是否满足匹配条件,包括:判断所述多个第二数据对中的第一个第二数据对的对象位置是否匹配;在所述第一个第二数据对的对象位置匹配时,判断下一个第二数据对的对象位置是否匹配;在第二数据对的对象位置不匹配时,根据对象位置匹配的第一个第二数据对的时刻以及对象位置匹配的最后一个第二数据对的时刻,确定所述多个第二数据对的对象位置匹配的持续时间;在所述持续时间大于或等于预设的持续时间阈值时,确定所述多个第二数据对的对象位置满足匹配条件。
在一种可能的实现方式中,判断所述多个第二数据对的对象位置是否满足匹配条件,包括:分别判断所述多个第二数据对中各个第二数据对的对象位置是否匹配;在对象位置匹配的第二数据对的比例大于或等于预设的比例阈值时,确定所述多个第二数据对的对象位置满足匹配条件。
在一种可能的实现方式中,判断所述多个第二数据对中的第一个第二数据对的对象位置是否匹配,包括:确定所述第一个第二数据对的对象位置之间的第二距离;在所述第二距离小于或等于预设的第二距离阈值时,确定所述第一个第二数据对的对象位置匹配,其中,所述第二距离阈值小于所述第一距离阈值。
在一种可能的实现方式中,所述第二数据对包括第一对象的数据和第二对象的数据,其中,确定所述第一个第二数据对的对象位置之间的第二距离,包括:在所述第一对象的第一时刻与所述第二对象的第二时刻相同时,确定所述第一对象与所述第二对象的对象位置之间的第二距离。
在一种可能的实现方式中,确定所述第一个第二数据对的对象位置之间的第二距离,包括:在所述第一对象的第一时刻与所述第二对象的第二时刻不同时,根据所述第二对象的运动状态,预测所述第二对象在所述第一时刻的第二位置;确定第一对象在第一时刻的第一位置与所述第二位置之间的第二距离。
根据本公开的另一方面,提供了一种异常对象识别装置,所述装置包括:第一数据对确定模块,用于根据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据;第二数据对确定模块,用于根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对;判断模块,用于判断所述多个第二数据对的对象位置是否满足匹配条件;异常对象确定模块,用于在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。
在一种可能的实现方式中,所述第一数据对确定模块,包括:数据确定子模块,用于从数据集中确定各个对象标识的第一数据,其中,所述第一数据是所述数据集中包括所述对象标识的多个数据中的第一个数据;距离确定子模块,用于确定两个第一数据的对象位置之间的第一距离以及所述两个第一数据的时刻之间的时间间隔;数据对确定子模块,用于在所述第一距离小于或等于预设的第一距离阈值且所述时间间隔小于或等于预设的时间间隔阈值时,将所述两个第一数据确定为满足预设条件的第一数据对。
根据本公开的实施例,能够首先根据对象标识在数据集中选取出满足预设条件的第一数据对,然后再根据第一数据对的对象标识在数据集中选取出与第一数据对的对象标识对应的多个第二数据对,并在多个第二数据对的对象位置满足匹配条件时,将第一数据对相应的对象确定为异常对象,从而可以在对待处理数据进行筛选及位置匹配后,根据对象位置的相似性,快速准确地识别异常对象,不仅可以减少异常对象识别耗费的时间,提高处理器的处理效率,还可以提高异常对象识别的准确性。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开实施例的异常对象识别方法的流程图。
图2示出根据本公开实施例的异常对象识别装置的框图。
图3示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的异常对象识别方法的流程图。所述异常对象识别方法可以由终端设备或服务器等电子设备执行,其中,终端设备可以为用户设备(UserEquipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,所述异常对象识别方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示,所述异常对象识别方法包括:
在步骤S11中,根据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据。
其中,对象标识可以是各个对象(例如矿工、职员等)的识别卡的唯一编号,根据对象标识可唯一地确定一个对象。数据集可包括多个待处理数据,每个待处理数据可包括对象标识、对象位置及时刻。这里的对象位置可通过位置坐标的方式来表示。
在一种可能的实现方式中,可在工作区域中设置多个UWB(Ultra Wideband,超宽带技术)基站。可基于UWB定位技术周期性地采集多个对象的位置数据。其中,UWB技术是一种无载波通信技术,可利用纳秒至微秒级的非正弦波窄脉冲传输数据,实现厘米级的精准定位。基于UWB定位技术来采集位置数据,可以提高位置数据的精度。
在一种可能的实现方式中,待处理数据可以是根据预设周期采集的待分析时段内(例如一天内)的多个对象的位置数据,这里的预设周期可根据数据采集及分析需求设置,例如,预设周期为0.5秒、1秒或2秒等,本公开对预设周期的具体取值不作限制。
在一种可能的实现方式中,可根据对象标识,从数据集中确定出满足预设条件的第一数据对,其中,第一数据对可包括对象标识不同的两个待处理数据。预设条件可用于从数据集中选取第一数据对。预设条件可以是对象标识不同的两个待处理数据的位置差值及时刻差值均在相应的预设范围内,例如,预设条件为两个矿工的对象位置相差1米且时刻相差2秒。可根据对象标识,分别确定数据集中两个对象标识不同的待处理数据的位置差值及时刻差值,将距离差值小于或等于1米且时刻差值小于或等于2秒的两个待处理数据确定为满足预设条件的第一数据对。本公开对预设条件的具体内容不做限制。
在步骤S12中,根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对。
在一种可能的实现方式中,在确定第一数据对之后,可根据第一数据对的对象标识,在数据集中选取与第一数据对的对象标识对应的多个第二数据对。即,选取的多个第二数据对的对象标识与第一数据对的对象标识相对应。例如,第一数据对的对象标识分别为ID1000和ID2000,可在数据集中选取对象标识分别为ID1000和ID2000的多个第二数据对。
在一种可能的实现方式中,可在数据集中选取一定数量的第二数据对,例如选取500个第二数据对,也可选取一定时间内的第二数据对,例如选取第一数据对之后的10分钟内的多个第二数据对,或者采用其他方式确定选取的第二数据对的数量。本公开对第二数据对的数量确定方式及具体数量均不作限制。
在步骤S13中,判断所述多个第二数据对的对象位置是否满足匹配条件。
在一种可能的实现方式中,可根据各个第二数据对的对象位置匹配情况,来判断多个第二数据对的对象位置是否满足匹配条件。例如,可在综合考虑UWB定位的精度误差及容错率的情况下,设置对象位置的匹配比例阈值,并将匹配条件设为第二数据对的对象位置的匹配次数在第二数据对的总数中所占的比例大于或等于匹配比例阈值,然后根据各个第二数据对的对象位置匹配情况,判断多个第二数据对的对象位置是否满足匹配条件。
在步骤S14中,在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。
在一种可能的实现方式中,在多个第二数据对的对象位置满足匹配条件时,可认为第一数据对相应的两个对象为同一个对象,可能存在一个对象携带了两张识别卡的行为,可将第一数据对应的两个对象确定为异常对象。
根据本公开的实施例,能够首先根据对象标识在数据集中选取出满足预设条件的第一数据对,然后再根据第一数据对的对象标识在数据集中选取出与第一数据对的对象标识对应的多个第二数据对,并在多个第二数据对的对象位置满足匹配条件时,将第一数据对相应的对象确定为异常对象,从而可以在对待处理数据进行筛选及位置匹配后,根据对象位置的相似性,快速准确地识别异常对象,不仅可以减少异常对象识别耗费的时间,提高处理器的处理效率,还可以提高异常对象识别的准确性。
在一种可能的实现方式中,步骤S11可包括:从数据集中确定各个对象标识的第一数据,其中,所述第一数据是所述数据集中包括所述对象标识的多个数据中的第一个数据;确定两个第一数据的对象位置之间的第一距离以及所述两个第一数据的时刻之间的时间间隔;在所述第一距离小于或等于预设的第一距离阈值且所述时间间隔小于或等于预设的时间间隔阈值时,将所述两个第一数据确定为满足预设条件的第一数据对。
在一种可能的实现方式中,数据集中可包括多个对象的多个数据,可根据各个对象的对象标识,从数据集中选取各个对象的第一个数据(即时刻最早的数据,例如该对象进入UWB定位区域的时刻的定位数据),并将各个对象的第一个数据确定为其第一数据。
在一种可能的实现方式中,确定第一数据之后,可分别计算两个第一数据的对象位置之间的第一距离以及时刻之间的时间间隔,并判断第一距离是否小于或等于预设的第一距离阈值以及时间间隔是否小于或等于预设的时间间隔阈值。在第一距离小于或等于第一距离阈值且时间间隔小于或等于时间间隔阈值时,可将两个第一数据确定为满足预设条件的第一数据对。
举例来说,可预先设置第一距离阈值为1米,时间间隔阈值为2秒,对于包括对象标识ID1000和ID1001的两个第一数据,经计算,其对象位置之间的第一距离为1.5米,大于第一距离阈值1米,时刻之间的时间间隔为0.5秒,小于时间间隔阈值2秒,因此包括对象标识ID1000和ID1001的两个第一数据不满足预设条件;对于包括对象标识ID1000和ID1002的两个第一数据,经计算,其对象位置之间的第一距离为1米,等于第一距离阈值1米,时刻之间的时间间隔为0.8秒,小于时间间隔阈值2秒,因此包括对象标识ID1000和ID1002的两个第一数据满足预设条件,可将包括对象标识ID1000和ID1002的两个第一数据确定为满足预设条件的第一数据对。
在本实施例中,通过从数据集中选取第一数据,并从第一数据中选取满足预设条件的第一数据对,可以减少后续进行位置匹配分析的数据量,从而提高处理器的处理效率。
在一种可能的实现方式中,步骤S12可包括:根据第一数据对的对象标识,从所述数据集中确定预设时段内与所述第一数据对的对象标识对应的多个第二数据对。也就是说,在根据第一数据对的对象标识从数据集中选取多个第二数据对时,可选定预设时段内的第二数据对。例如,矿工下井时间为8:00至8:30,可将预设时段设置为8:00至8:30,根据第一数据对的对象标识,从数据集中确定与第一数据对的对象标识对应的、时刻在8:00至8:30之间的多个第二数据对。本领域技术人员可根据实际需要设置预设时段,本公开对此不作限制。
在本实施例中,能够从数据集中选取预设时段内的多个第二数据对,使得第二数据对的选取具有一定的针对性,从而提高异常对象识别的效率。
在一种可能的实现方式中,步骤S13可包括:判断所述多个第二数据对中的第一个第二数据对的对象位置是否匹配;在所述第一个第二数据对的对象位置匹配时,判断下一个第二数据对的对象位置是否匹配;在第二数据对的对象位置不匹配时,根据对象位置匹配的第一个第二数据对的时刻以及对象位置匹配的最后一个第二数据对的时刻,确定所述多个第二数据对的对象位置匹配的持续时间;在所述持续时间大于或等于预设的持续时间阈值时,确定所述多个第二数据对的对象位置满足匹配条件。
在一种可能的实现方式中,可以根据时间顺序,对多个第二数据对依次进行分析,判断其对象位置是否匹配。可首先判断多个第二数据对中的第一个第二数据对的对象位置是否匹配;在第一个第二数据对的对象位置匹配时,可判断下一个第二数据对的对象位置是否匹配,即,在当前第二数据对的对象位置匹配时,可判断其下一个第二数据对的对象位置是否匹配;在第二数据对的对象位置不匹配时,可根据对象位置匹配的第一个第二数据对的时刻以及对象位置匹配的最后一个第二数据对的时刻,确定多个第二数据对的对象位置匹配的持续时间,例如,对象位置匹配的第一个第二数据对的时刻为8:05:10,对象位置匹配的最后一个第二数据对的时刻为8:10:20,可确定出对象位置匹配的持续时间为5分10秒;然后判断持续时间是否大于或等于预设的持续时间阈值,在持续时间大于或等于预设的持续时间阈值时,确定多个第二数据对的对象位置满足匹配条件,例如,预设的持续时间阈值为5分钟,多个第二数据对的对象位置匹配的持续时间为5分10秒,大于持续时间阈值5分钟,可确定多个第二数据对的对象位置满足匹配条件。
在本实施例中,通过对象位置匹配的持续时间与持续时间阈值的关系来判断多个第二数据对的对象位置是否满足匹配条件,可以提高异常对象识别的准确度。
在一种可能的实现方式中,判断所述多个第二数据对中的第一个第二数据对的对象位置是否匹配,包括:确定所述第一个第二数据对的对象位置之间的第二距离;在所述第二距离小于或等于预设的第二距离阈值时,确定所述第一个第二数据对的对象位置匹配,其中,所述第二距离阈值小于所述第一距离阈值。
在一种可能的实现方式中,在判断第一个第二数据对的对象位置是否匹配时,可首先计算第一个第二数据对的对象位置之间的第二距离,然后判断第二距离与预设的第二距离阈值之间的关系,在第二距离小于或等于第二距离阈值时,可确定第一个第二数据对的对象位置匹配,否则可确定第一个第二数据对的对象位置不匹配。其中,第二距离阈值小于第一距离阈值,在设置第二距离阈值时,可考虑UWB定位精度误差,本公开对第二距离阈值的取值不作限制。
举例来说,预设的第二距离阈值为0.6米,第一个第二数据对的对象位置之间的第二距离为0.4米,经判断,第二距离0.4米小于第二距离阈值0.6米,可确定第一个第二数据对的对象位置匹配。
在本实施例中,通过第二距离与第二距离阈值的关系来判断第一个第二数据对的对象位置是否匹配,简单方便,可提高处理器的处理效率。
在一种可能的实现方式中,所述第二数据对包括第一对象的数据和第二对象的数据,其中,确定所述第一个第二数据对的对象位置之间的第二距离,包括:在所述第一对象的第一时刻与所述第二对象的第二时刻相同时,确定所述第一对象与所述第二对象的对象位置之间的第二距离。
在一种可能的实现方式中,在确定第一个第二数据对的对象位置之间的第二距离时,可首先判断第一对象的第一时刻与第二对象的第二时刻是否相同,在第一对象的第一时刻与第二对象的第二时刻相同时,计算第一对象与第二对象的对象位置之间的距离差值,并将该距离差值确定为第二距离。
在本实施例中,在时刻相同时计算第一对象与第二对象的对象位置之间的第二距离,可提高第二距离的准确度,从而可提高异常对象识别的准确度。
在一种可能的实现方式中,确定所述第一个第二数据对的对象位置之间的第二距离,包括:在所述第一对象的第一时刻与所述第二对象的第二时刻不同时,根据所述第二对象的运动状态,预测所述第二对象在所述第一时刻的第二位置;确定第一对象在第一时刻的第一位置与所述第二位置之间的第二距离。
在一种可能的实现方式中,在第一对象的第一时刻与第二对象的第二时刻不同时,可首先根据第二对象在第二时刻之前和/或之后的至少一个时刻的对象位置以及第二时刻的对象位置,确定第二对象的运动状态,例如,第二对象的运动速度及方向,然后可根据第二对象的运动状态,预测第二对象在第一时刻的第二位置(即进行位置拟合),并计算第一位置与第二位置之间的距离差值,将该距离差值确定为第二距离。
在本实施例中,在第一时刻与第二时刻不同时,通过预测第二对象在第一时刻的第二位置,并根据第二位置及第一位置来确定第二距离,可提高第二距离的准确度,从而可提高异常对象识别的准确度。
在一种可能的实现方式中,步骤S13可包括:分别判断所述多个第二数据对中各个第二数据对的对象位置是否匹配;在对象位置匹配的第二数据对的比例大于或等于预设的比例阈值时,确定所述多个第二数据对的对象位置满足匹配条件。
在一种可能的实现方式中,判断多个第二数据对的对象位置是否满足匹配条件时,可以分别判断各个第二数据对的对象位置是否匹配,判断方法与上述判断第一个第二数据对的对象位置是否匹配的方法类似,此处不再赘述;可根据判断结果,确定对象位置匹配的第二数据对的数量,并计算对象位置匹配的第二数据对占全部第二数据对的比例;然后判断对象位置匹配的第二数据对的比例与预设的比例阈值的关系,其中,比例阈值可预先设置,在设置比例阈值时可允许一定的容错率,例如,容错率为5%时,可将比例阈值设置为95%;在对象位置匹配的第二数据对的比例大于或等于预设的比例阈值时,可确定多个第二数据对的对象位置满足匹配条件。
在本实施例中,通过对象位置匹配的第二数据对的比例与比例阈值的关系来判断多个第二数据对的对象位置是否匹配,引入一定的容错率,可提高异常对象识别方法的有效性。
在一种可能的实现方式中,在通过对象位置匹配的持续时间与持续时间阈值的关系来判断多个第二数据对的对象位置是否满足匹配条件时,在对象位置匹配的持续时间小于持续时间阈值时,可认为多个第二数据对的对象位置不满足匹配条件,此时,可继续判断剩余的各个第二数据对的对象位置是否匹配,并通过对象位置匹配的第二数据对的比例与比例阈值的关系来判断多个第二数据对的对象位置是否匹配。
在一种可能的实现方式中,根据步骤S11,从数据集中确定出多个第一数据对时,可使用上述方法进行多次对象位置匹配分析,确定出数据集中的异常对象。
在一种可能的实现方式中,确定出数据集中的异常对象后,可按数据对输出异常对象,例如,按数据对输出的异常对象为(ID1001,ID1003),(ID1100,ID1003),(ID1005,ID1008),也可对数据集中的异常对象进行合并处理后输出,例如,对上述异常对象进行合并处理后,输出的异常对象为(ID1001,ID1003,ID1100),(ID1005,ID1008)。本公开对异常对象的输出方式不作限制。
下面以采矿行业中一人多卡行为的识别作为上述异常对象识别方法的一个应用示例,便于理解上述异常对象识别方法。本领域技术人员应理解,以下应用示例仅仅是出于便于理解本公开实施例的目的,不应视为对本公开实施例的限制。
在采矿行业,矿工下井工作时,必须携带识别卡。可在矿工的工作区域(例如矿井)中设置多个UWB基站。在矿工进入UWB定位区域时,可根据矿工携带的标识卡,通过UWB定位技术以0.5秒为周期采集矿工的位置数据,其中,位置数据可包括矿工标识、矿工位置及时刻,可以将采集的位置数据以“矿工标识ID、矿工位置坐标、时刻”的格式存储在数据库中。
可在当天工作结束后,确定出数据库中待分析的位置数据,例如,可对全天的位置数据进行分析,也可以对矿工集中下井时段的数据进行分析。然后可将待分析的位置数据确定为包括多个待处理数据的数据集,使用上述异常对象识别方法进行分析,以识别一人多卡行为。具体如下:
可首先确定当天下井的所有矿工的矿工标识ID,并根据矿工标识ID,获取各个矿工的第一数据(即第一个数据);然后分别确定矿工标识ID不同的两个第一数据的对象位置(即矿工位置坐标)之间的第一距离以及时刻之间的时间间隔,并在第一距离小于或等于预设的第一距离阈值(例如1米)且时间间隔小于或等于预设的时间间隔阈值(例如1秒)时,将两个第一数据确定为满足预设条件的第一数据对,从而可以确定出数据集中满足预设条件的至少一个第一数据对。
在确定出至少一个第一数据对之后,对于每个第一数据对,可首先根据第一数据对的矿工标识ID,确定数据集中与第一数据对的矿工标识ID对应的多个第二数据对,然后判断多个第二数据的对象位置是否满足匹配条件:可从第一个第二数据对开始,判断其对象位置是否匹配,即判断在同一时刻第二数据对的对象位置之间的第二距离是否小于或等于第二距离阈值(例如0.5米),在第二距离小于或等于第二距离阈值时,可认为第一个第二数据对的对象位置匹配,其中,在第二数据对中的两个时刻不同时,可先进行位置拟合处理,预测同一时刻的对象位置,再判断第二数据对的对象位置是否匹配;在第一个第二数据对的对象配置匹配时,可判断下一个第二数据对的对象位置是否匹配,之后可在当前第二数据对的对象位置匹配时,继续判断下一个第二数据对的对象位置是否匹配,直到出现第二数据对的对象位置不匹配的情况,此时,可根据对象位置匹配的第一个第二数据对的时刻以及对象位置匹配的最后一个第二数据对的时刻,确定对象位置匹配的持续时间,并在持续时间大于或等于持续时间阈值(例如5分钟)时,认为多个第二数据对的对象位置满足匹配条件;在持续时间小于持续时间阈值时,可继续判断剩余的各个第二数据对的对象位置是否匹配,并确定对象位置匹配的第二数据对的比例,在该比例大于比例阈值(例如在容错率为5%时,可将比例阈值为95%)时,认为多个第二数据对的对象位置满足匹配条件。在多个第二数据对的对象位置满足匹配条件时,可将第一数据对相应的对象确定为异常对象,即第一数据对相应的两个对象可能存在一个对象携带两张识别卡的行为。
在完成上述分析后,可从数据集中识别出可能存在的异常对象,即从数据集中识别出可能存在一人多卡行为的矿工。
根据本公开的实施例,通过对数据集中的待处理数据(人员历史位置数据)进行筛选及位置匹配,根据对象位置的相似性快速准确地识别数据集中的异常对象,不仅可以减少异常对象识别耗费的时间,提高处理器的处理效率,还可以提高异常对象识别的准确性。在矿山行业,该方法可以有效监测一个矿工携带多个识别卡的现象,发现矿工代打卡行为。
需要说明的是,尽管以上述作为示例介绍了异常对象识别方法如上,但本领域技术人员能够理解,本公开应不限于此。事实上,用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤,只要符合本公开的技术方案即可。
图2示出根据本公开实施例的对象识别装置的框图。如图2所示,所述装置包括:
第一数据对确定模块21,用于根据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据;
第二数据对确定模块22,用于根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对;
判断模块23,用于判断所述多个第二数据对的对象位置是否满足匹配条件;
异常对象确定模块24,用于在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。
在一种可能的实现方式中,所述第一数据对确定模块21,包括:数据确定子模块,用于从数据集中确定各个对象标识的第一数据,其中,所述第一数据是所述数据集中包括所述对象标识的多个数据中的第一个数据;距离确定子模块,用于确定两个第一数据的对象位置之间的第一距离以及所述两个第一数据的时刻之间的时间间隔;数据对确定子模块,用于在所述第一距离小于或等于预设的第一距离阈值且所述时间间隔小于或等于预设的时间间隔阈值时,将所述两个第一数据确定为满足预设条件的第一数据对。
图3示出根据本公开实施例的一种电子设备1900的框图。例如,装置1900可以被提供为一服务器。参照图3,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种异常对象识别方法,其特征在于,所述方法包括:
根据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据;
根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对;
判断所述多个第二数据对的对象位置是否满足匹配条件;
在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。
2.根据权利要求1所述的方法,其特征在于,根据对象标识,确定数据集中满足预设条件的多个第一数据对,包括:
从数据集中确定各个对象标识的第一数据,其中,所述第一数据是所述数据集中包括所述对象标识的多个数据中的第一个数据;
确定两个第一数据的对象位置之间的第一距离以及所述两个第一数据的时刻之间的时间间隔;
在所述第一距离小于或等于预设的第一距离阈值且所述时间间隔小于或等于预设的时间间隔阈值时,将所述两个第一数据确定为满足预设条件的第一数据对。
3.根据权利要求1所述的方法,其特征在于,根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对,包括:
根据第一数据对的对象标识,从所述数据集中确定预设时段内与所述第一数据对的对象标识对应的多个第二数据对。
4.根据权利要求1所述的方法,其特征在于,判断所述多个第二数据对的对象位置是否满足匹配条件,包括:
判断所述多个第二数据对中的第一个第二数据对的对象位置是否匹配;
在所述第一个第二数据对的对象位置匹配时,判断下一个第二数据对的对象位置是否匹配;
在第二数据对的对象位置不匹配时,根据对象位置匹配的第一个第二数据对的时刻以及对象位置匹配的最后一个第二数据对的时刻,确定所述多个第二数据对的对象位置匹配的持续时间;
在所述持续时间大于或等于预设的持续时间阈值时,确定所述多个第二数据对的对象位置满足匹配条件。
5.根据权利要求1所述的方法,其特征在于,判断所述多个第二数据对的对象位置是否满足匹配条件,包括:
分别判断所述多个第二数据对中各个第二数据对的对象位置是否匹配;
在对象位置匹配的第二数据对的比例大于或等于预设的比例阈值时,确定所述多个第二数据对的对象位置满足匹配条件。
6.根据权利要求4所述的方法,其特征在于,判断所述多个第二数据对中的第一个第二数据对的对象位置是否匹配,包括:
确定所述第一个第二数据对的对象位置之间的第二距离;
在所述第二距离小于或等于预设的第二距离阈值时,确定所述第一个第二数据对的对象位置匹配,其中,所述第二距离阈值小于第一距离阈值。
7.根据权利要求6所述的方法,其特征在于,所述第二数据对包括第一对象的数据和第二对象的数据,
其中,确定所述第一个第二数据对的对象位置之间的第二距离,包括:
在所述第一对象的第一时刻与所述第二对象的第二时刻相同时,确定所述第一对象与所述第二对象的对象位置之间的第二距离。
8.根据权利要求7所述的方法,其特征在于,确定所述第一个第二数据对的对象位置之间的第二距离,包括:
在所述第一对象的第一时刻与所述第二对象的第二时刻不同时,根据所述第二对象的运动状态,预测所述第二对象在所述第一时刻的第二位置;
确定所述第一对象在第一时刻的第一位置与所述第二位置之间的第二距离。
9.一种异常对象识别装置,其特征在于,所述装置包括:
第一数据对确定模块,用于根据对象标识,确定数据集中满足预设条件的第一数据对,其中,所述数据集包括多个待处理数据,每个待处理数据包括对象标识、对象位置及时刻,所述第一数据对包括对象标识不同的两个待处理数据;
第二数据对确定模块,用于根据所述第一数据对的对象标识,确定所述数据集中与所述第一数据对的对象标识对应的多个第二数据对;
判断模块,用于判断所述多个第二数据对的对象位置是否满足匹配条件;
异常对象确定模块,用于在所述多个第二数据对的对象位置满足匹配条件时,将所述第一数据对相应的对象确定为异常对象。
10.根据权利要求9所述的装置,其特征在于,所述第一数据对确定模块,包括:
数据确定子模块,用于从数据集中确定各个对象标识的第一数据,其中,所述第一数据是所述数据集中包括所述对象标识的多个数据中的第一个数据;
距离确定子模块,用于确定两个第一数据的对象位置之间的第一距离以及所述两个第一数据的时刻之间的时间间隔;
数据对确定子模块,用于在所述第一距离小于或等于预设的第一距离阈值且所述时间间隔小于或等于预设的时间间隔阈值时,将所述两个第一数据确定为满足预设条件的第一数据对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910769540.9A CN110472947B (zh) | 2019-08-20 | 2019-08-20 | 异常对象识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910769540.9A CN110472947B (zh) | 2019-08-20 | 2019-08-20 | 异常对象识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472947A true CN110472947A (zh) | 2019-11-19 |
CN110472947B CN110472947B (zh) | 2022-04-19 |
Family
ID=68512594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910769540.9A Active CN110472947B (zh) | 2019-08-20 | 2019-08-20 | 异常对象识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472947B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111246563A (zh) * | 2020-04-29 | 2020-06-05 | 深圳市图元科技有限公司 | 一种定位设备的检测方法、装置及系统 |
CN113038480A (zh) * | 2019-12-24 | 2021-06-25 | 中国移动通信集团山东有限公司 | 一种识别方法、装置、服务器和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331942A (zh) * | 2014-09-26 | 2015-02-04 | 深圳市翌日科技有限公司 | 一种矿工刷卡的分析系统 |
US20150161553A1 (en) * | 2013-12-05 | 2015-06-11 | Punchtime Inc. | Methods and systems relating to time location based employee management systems |
CN108596503A (zh) * | 2018-05-02 | 2018-09-28 | 四川民工加网络科技有限公司 | 一种基于无感打卡的异常工时判断方法 |
CN109447597A (zh) * | 2018-12-27 | 2019-03-08 | 深圳市沃特沃德股份有限公司 | 多人共同进行考勤的方法、装置及人脸识别系统 |
CN109697595A (zh) * | 2017-10-20 | 2019-04-30 | 杭州海康威视系统技术有限公司 | 代考勤数据的识别方法及装置、存储介质、计算机设备 |
-
2019
- 2019-08-20 CN CN201910769540.9A patent/CN110472947B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150161553A1 (en) * | 2013-12-05 | 2015-06-11 | Punchtime Inc. | Methods and systems relating to time location based employee management systems |
CN104331942A (zh) * | 2014-09-26 | 2015-02-04 | 深圳市翌日科技有限公司 | 一种矿工刷卡的分析系统 |
CN109697595A (zh) * | 2017-10-20 | 2019-04-30 | 杭州海康威视系统技术有限公司 | 代考勤数据的识别方法及装置、存储介质、计算机设备 |
CN108596503A (zh) * | 2018-05-02 | 2018-09-28 | 四川民工加网络科技有限公司 | 一种基于无感打卡的异常工时判断方法 |
CN109447597A (zh) * | 2018-12-27 | 2019-03-08 | 深圳市沃特沃德股份有限公司 | 多人共同进行考勤的方法、装置及人脸识别系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113038480A (zh) * | 2019-12-24 | 2021-06-25 | 中国移动通信集团山东有限公司 | 一种识别方法、装置、服务器和存储介质 |
CN111246563A (zh) * | 2020-04-29 | 2020-06-05 | 深圳市图元科技有限公司 | 一种定位设备的检测方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110472947B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107466103B (zh) | 一种终端定位方法及网络设备 | |
CN104488304B (zh) | 测量某一地方的人口的拥挤度的系统和方法 | |
US20090047976A1 (en) | Radio positioning system | |
CN110472947A (zh) | 异常对象识别方法及装置 | |
EP2927705B1 (en) | Drive test locating method and device | |
CN104854472A (zh) | 位置定位系统架构:消息传送链路和测距链路 | |
EP3112893A1 (en) | Determining location of a user device | |
Grzechca et al. | Analysis of object location accuracy for iBeacon technology based on the RSSI path loss model and fingerprint map | |
US20190306735A1 (en) | Systems And Methods For Determining Operational Status Of Functional Components Of A Wireless Signal Transmission Environment | |
US9709663B1 (en) | Method for location determination using radio signals | |
EP3089086A1 (en) | Work management system | |
Honghao et al. | Spectrum anomalies autonomous detection in cognitive radio using hidden markov models | |
CN204010050U (zh) | 一种巡检实时定位跟踪系统 | |
KR20120102238A (ko) | 측위 시스템 및 위치 측정 방법 | |
CN104062631B (zh) | 一种用于会议报到的参会人员全程实时定位方法 | |
CN114814420A (zh) | 一种基于冻结数据的低压配电网拓扑识别方法及系统 | |
CN107270913A (zh) | 一种面向家庭服务机器人的联合定位系统及方法 | |
CN114357036A (zh) | 停留点的识别方法及装置、存储介质、计算机设备 | |
CN106503107A (zh) | 应用于水质数据统计的热力图生成系统及方法 | |
JP6223302B2 (ja) | 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法 | |
CN102857250A (zh) | 实时定位系统的同步捕获方法 | |
CN113573405B (zh) | 基于uwb定位系统的动态调整基站同步关系的方法及装置 | |
CN114740425A (zh) | 一种融合路径规划信息的蓝牙定位方法及其系统 | |
KR20120030756A (ko) | 복수의 광원을 포함하는 단일 가시광통신 장치 기반 위치 확인 시스템 및 방법 | |
CN109470253B (zh) | 一种实时定位处理方法及装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and device for identifying abnormal objects Effective date of registration: 20230815 Granted publication date: 20220419 Pledgee: Liaoning Dashiqiao Rural Commercial Bank Co.,Ltd. Pledgor: Zhang Zhanjun Registration number: Y2023210000204 |