CN110532285B - 一种关联案件确定方法、系统、电子设备及存储介质 - Google Patents
一种关联案件确定方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110532285B CN110532285B CN201910642786.XA CN201910642786A CN110532285B CN 110532285 B CN110532285 B CN 110532285B CN 201910642786 A CN201910642786 A CN 201910642786A CN 110532285 B CN110532285 B CN 110532285B
- Authority
- CN
- China
- Prior art keywords
- sample
- raman spectrum
- spectrum data
- data
- case
- 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 55
- 238000001237 Raman spectrum Methods 0.000 claims description 223
- 238000001069 Raman spectroscopy Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000012535 impurity Substances 0.000 description 6
- 238000011835 investigation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000003721 gunpowder Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- 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
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种关联案件确定方法、系统、电子设备及存储介质。确定方法包括：获取主成分相同的第一样品和第二样品；得到第一样品特征数据和第二样品特征数据；若第一样品特征数据与第二样品特征数据匹配，则将第一样品和第二样品作为关联样品；将关联样品对应的案件作为关联案件。本发明实施例通过第一样品和第二样品的第一样品特征数据和第二样品特征数据，在第一样品特征数据和第二样品特征数据相匹配时，将第二样品特征数据对应的第二样品作为关联样品，将第一样品和关联样品对应的案件作为关联案件，本方案从案件对应的样品是否相关确定不同案件的相关性，避免了工作人员需要逐个进行案件的侦查工作，提高案件处理效率。
Description
技术领域
本发明涉及案件侦查技术领域，尤其涉及一种关联案件确定方法、系统、电子设备及存储介质。
背景技术
当前公安情报部门在处理案件时，需要大量的人员上门走访，然后手动提取其中的要素信息，并识别分类及录入，最后根据获取的信息进行案件的分析及侦破。
当面临大量案件时，很难及时的完成每个案件的信息获取，同时，每个案件的侦查工作都是分别进行的，人员平均分配到每个案件上会导致案件处理人员过少，导致破案效率低，更有可能导致案件的无法侦破。
发明内容
为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种关联案件确定方法、系统、电子设备及存储介质。
第一方面，本发明实施例提供了一种基于拉曼光谱技术的关联案件确定方法，所述确定方法包括：
获取主成分相同的第一样品和第二样品；
分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和所述主成分的第三拉曼光谱数据；
将所述第一拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第一样品特征数据；将所述第二拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第二样品特征数据；
判断所述第一样品特征数据与所述第二样品特征数据是否匹配，若所述第一样品特征数据与所述第二样品特征数据匹配，则将所述第一样品和第二样品作为关联样品；
将所述关联样品对应的案件作为关联案件。
基于上述技术方案，本发明实施例还可以做出如下改进。
结合第一方面，在第一方面的第一种实施例中，所述判断所述第一样品特征数据与所述第二样品特征数据是否匹配，包括：
计算所述第一样品特征数据与第二样品特征数据的相似度值；
当所述相似度值大于第一预设阈值时，所述第一样品特征数据与所述第二样品特征数据匹配。
结合第一方面，在第一方面的第二种实施例中，所述将所述关联样品对应的案件作为关联案件，具体包括：
获取所述第一样品的对应的案件的第一案件发生时间和第一案件位置信息；
获取所述第二样品对应的案件的第二案件发生时间和第二案件位置信息；
根据所述第一案件发生时间和第二案件发生时间，计算案件时间差；
根据所述第一案件位置信息和第二案件位置信息，计算案件位置间距；
当所述案件时间差小于预设时间阈值，且所述案件位置间距小于预设距离阈值时，将所述关联样品对应的案件作为关联案件。
结合第一方面，在第一方面的第三种实施例中，所述将所述第一拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第一样品特征数据，具体包括：
对所述第一拉曼光谱数据进行去噪平滑操作，得到去噪平滑的所述第一拉曼光谱数据；
删除去噪平滑的所述第一拉曼光谱数据中的第三拉曼光谱数据，得到第一样品特征数据；
所述将所述第二拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第二样品特征数据，具体包括：
对所述第二拉曼光谱数据进行去噪平滑操作，得到去噪平滑的所述第二拉曼光谱数据；
删除去噪平滑的所述第二拉曼光谱数据中的第三拉曼光谱数据，得到第二样品特征数据。
结合第一方面，在第一方面的第四种实施例中，所述获取主成分相同的第一样品和第二样品，具体包括：
获取第一样品的第一拉曼光谱数据，并提取所述第一拉曼光谱数据的第一特征峰；
获取第二样品的第二拉曼光谱数据，并提取所述第二拉曼光谱数据的第二特征峰；
计算所述第一特征峰与所述第二特征峰的相似度值；
当所述相似度值大于或等于第二预设相似度阈值时，所述第一样品和第二样品的主成分相同。
结合第一方面，在第一方面的第五种实施例中，所述获取主成分相同的第一样品和第二样品，具体包括：
获取第一样品的第一拉曼光谱数据，并提取所述第一拉曼光谱数据的第一特征峰；
获取第二样品的第二拉曼光谱数据，并提取所述第二拉曼光谱数据的第二特征峰；
将所述第一特征峰和第二特征峰分别与预设物质数据库中的拉曼光谱谱图进行比对，确定与所述第一特征峰匹配的第一拉曼光谱谱图和与所述第二特征峰匹配的第二拉曼光谱谱图；
若所述第一拉曼光谱谱图与第二拉曼光谱谱图相同，则所述第一样品和第二样品的主成分相同。
结合第一方面或第一方面的第一、第二、第三、第四或第五种实施例，在第一方面的第六种实施例中，所述获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和所述主成分的第三拉曼光谱数据，具体包括：
开启激光对所述第一样品进行扫描，得到第一预备拉曼光谱数据；
关闭激光对所述第一样品进行扫描，得到第一背景拉曼光谱数据；
在所述第一预备拉曼光谱数据中，去除所述第一背景拉曼光谱数据，得到所述第一拉曼光谱数据；
开启激光对所述第二样品进行扫描，得到第二预备拉曼光谱数据；
关闭激光对所述第二样品进行扫描，得到第二背景拉曼光谱数据；
在所述第二预备拉曼光谱数据中，去除所述第二背景拉曼光谱数据，得到所述第二拉曼光谱数据；
从预设物质数据库中获取对应所述主成分的拉曼光谱谱图，作为所述第三拉曼光谱数据。
第二方面，本发明实施例提供了一种基于拉曼光谱技术的关联案件确定系统，所述确定系统包括：
第一获取单元，用于获取主成分相同的第一样品和第二样品；
第二获取单元，用于分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和所述主成分的第三拉曼光谱数据；
数据处理单元，用于将所述第一拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第一样品特征数据；将所述第二拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第二样品特征数据；
比对单元，用于将所述第一样品特征数据与第二样品特征数据进行比对，判断所述第一样品特征数据与所述第二样品特征数据是否匹配；
案件处理单元，用于若所述第一样品特征数据与所述第二样品特征数据匹配，则将所述第一样品和第二样品作为关联样品；将所述关联样品对应的案件作为关联案件。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一实施例所述的基于拉曼光谱技术的关联案件确定方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面中任一实施例所述的基于拉曼光谱技术的关联案件确定方法。
本发明的上述技术方案与现有技术相比具有如下优点：本发明实施例通过第一样品和第二样品的第一样品特征数据和第二样品特征数据，在第一样品特征数据和第二样品特征数据相匹配时，将第二样品特征数据对应的第二样品作为关联样品，将第一样品和关联样品对应的案件作为关联案件，本方案从案件对应的样品是否相关确定不同案件的相关性，避免了工作人员需要逐个进行案件的侦查工作，提高案件处理效率。
附图说明
图1为本发明实施例提供的一种基于拉曼光谱技术的关联案件确定方法的应用环境图；
图2是本发明实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图；
图3是本发明另一实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图；
图4是本发明又一实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图其一；
图5是本发明又一实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图其二；
图6是本发明又一实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图其三；
图7是本发明又一实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图其四；
图8是本发明又一实施例提供的一种基于拉曼光谱技术的关联案件确定方法流程示意图其五；
图9是本发明又一实施例提供的一种基于拉曼光谱技术的关联案件确定系统结构示意图；
图10是本发明又一实施例提供的一种电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供的为实现本发明各个实施例的一种终端的硬件结构示意图，包括拉曼光谱仪1150、处理器1110、通信接口1120、存储器1130和通信总线1140，各电子元器件通过通信总线1140完成相互间的通信，其中，终端可以是诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(PersonalDigitalAssistant，PDA)、便捷式媒体播放器(PortableMediaPlayer，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。
如图2所示，本发明实施例提供的一种基于拉曼光谱技术的关联案件确定方法。参照图2，该确定方法包括具体包括如下步骤：
S11、获取主成分相同的第一样品和第二样品。
在本实施例中，第一样品的主成分为第一样品中含量比例最高的成分，第二样品的主成分为第二样品中含量比例最高的成分，其中，第一样品可以是案件处理过程中或案件侦查结束后存储的样品，第二样品可以是对应另一案件处理过程中或案件侦查结束后存储的样品。
S12、分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和主成分的第三拉曼光谱数据。
在本实施例中，拉曼光谱(Raman spectra)，是一种散射光谱。拉曼光谱分析法是基于印度科学家C.V.拉曼所发现的拉曼散射效应，对与入射光频率不同的散射光谱进行分析以得到分子振动、转动方面信息，并应用于分子结构研究的一种分析方法。分别获取第一样品的第一拉曼光谱数据，第二样品的第二拉曼光谱数据，和主成分对应的第三拉曼光谱数据。
S13、将第一拉曼光谱数据中的第三拉曼光谱数据剔除，得到第一样品特征数据；将第二拉曼光谱数据中的第三拉曼光谱数据剔除，得到第二样品特征数据。
在本实施例中，拉曼光谱数据的特征峰可以用以确定第一样品中主要成分的分子结构，进而得到第一样品中的主要成分的具体名称，通过将拉曼光谱数据中的第三拉曼光谱数据剔除，得到的第一样品特征数据是第一样品中除主要成分以外其他各种少量物质的拉曼光谱，第三拉曼光谱数据可以是预存储的物质数据库中的拉曼光谱谱图，从第一拉曼光谱数据中剔除该拉曼光谱谱图，得到第一样品特征数据，这样得到的第一样品特征数据更为精确，可以更有效的保留样品中其他物质的拉曼光谱数据，还可以只去除第一拉曼光谱数据中的若干个特征峰，比如，去除第一拉曼光谱数据中高度前三的三个特征峰，保留剩余的拉曼光谱数据作为第一样品特征数据，以此来提高数据处理效率，减少比对得到第一样品和第二样品的分主要成分的过程和获取主要成分的拉曼光谱谱图的过程，同理对第二拉曼光谱数据进行处理。
S14、判断第一样品特征数据与第二样品特征数据是否匹配，若第一样品特征数据与第二样品特征数据匹配，则将第一样品和第二样品作为关联样品。
在本实施例中，将第一样品特征数据和第二样品特征数据进行比对，可以通过将第一样品特征数据中的波形与第二样品特征数据的波形逐步进行比对，确定第一样品特征数据和第二样品特征数据是否匹配，还可以将第一样品特征数据转换为空间向量，同时将第二样品特征数据的波形按相同方式转换为空间向量，计算两个空间向量的余弦值作为参考，余弦值越大，两者越相似，根据余弦值是否满足预设值确定第一样品特征数据和第二样品特征数据是否匹配，在本步骤中，将与第一样品特征数据匹配的第二样品特征数据对应的第二样品作为关联样品，也可以将第二样品作为关联样品。
S15、将关联样品对应的案件作为关联案件。
在本步骤中，将关联样品对应的案件作为关联案件，即将第一样品和第二样品对应的案件作为关联案件，由此实现了不同案件的串联，具体的，在出现某种危险物品的不同案件中，通过分析危险物品中除主成分之外的物质之间的相似度，若相似度较高，则可以说明不同案件的危险物品是否是同一组份，比如，火药的制作过程除了主要成分以外还会混入不同的杂质，而同一份火药中的杂质是相同的，而不同区域或人员制作的火药的杂质相同的可能性较低，所以通过比对拉曼光谱数据中除主成分的拉曼光谱数据之外的样品特征数据，就可以大致确定使用相同火药的案件，而使用相同火药的案件就可以判定为关联案件，同理，可以延伸至毒品、假冒伪劣产品等具备相应样品的案件。
在本实施例中，基于上述方案的步骤，将不同案件的样品进行两两匹配，确认不同案件是否关联。
本方案通过确定案件中的样品是否相匹配，根据匹配结果确定案件之间是否关联，并由此可以确定相关联的案件的情况，通过直观的将案件之间进行关联，减少了工作人员逐个案件的侦查工作，提高案件处理效率。
如图3所示，在本实施例中，得到第一样品特征数据的方法可以包括如下步骤：
S21、对第一拉曼光谱数据进行去噪平滑操作，得到去噪平滑的第一拉曼光谱数据。
在本实施例中，由于获取到的拉曼光谱数据会出现多个特征峰，同时，会由于噪声导致波形不平滑，容易导致误判认为噪声是特征峰，在本步骤中，对得到的拉曼光谱数据进行去噪平滑操作，可通过中值滤波、均值滤波和总体变分去噪方法等去噪方法对拉曼光谱数据进行去噪平滑操作。
S22、删除去噪平滑的第一拉曼光谱数据中的第三拉曼光谱数据，得到第一样品特征数据。
在本实施例中，由于第三拉曼光谱数据是第一样品中主成分的拉曼光谱数据，通过将第一拉曼光谱数据中的第三拉曼光谱数据，最大限度保留特征数据中的除主成分之外的其他物质的数据，提高对比的精度，仅保留杂质的拉曼光谱数据，通过对比杂质的拉曼光谱数据确定样品是否匹配，减少数据比对量，提高处理效率。
在本实施例中，与第一样品特征数据相同，对第二拉曼光谱数据进行去噪平滑操作，得到去噪平滑的第二拉曼光谱数据；删除去噪平滑的第二拉曼光谱数据中的第三拉曼光谱数据，得到第二样品特征数据，其中，获取第二样品特征数据的方法可以参照上述方法中获取第一样品特征数据的方法。
如图4所示，具体的，获取主成分相同的第一样品和第二样品可以包括如下步骤：
S31、获取第一样品的第一拉曼光谱数据，并提取第一拉曼光谱数据的第一特征峰。
S32、获取第二样品的第二拉曼光谱数据，并提取第二拉曼光谱数据的第二特征峰。
S33、计算第一特征峰与第二特征峰的相似度值。
在本实施例中，通过获取已存储的的各个样品的拉曼光谱数据中的特征峰，计算第一拉曼光谱数据的特征峰与第二拉曼光谱数据的特征峰的相似度值，确定两个拉曼光谱数据的特征峰是否匹配，其中，可以通过余弦值计算方法、欧式距离计算方法计算该相似度值。
S34、当相似度值大于或等于第二预设相似度阈值时，第一样品和第二样品的主成分相同。
如图5所示，还可以通过如下步骤获取主成分相同的第一样品和第二样品：
S41、获取第一样品的第一拉曼光谱数据，并提取第一拉曼光谱数据的第一特征峰。
S42、获取第二样品的第二拉曼光谱数据，并提取第二拉曼光谱数据的第二特征峰。
S43、将第一特征峰和第二特征峰分别与预设物质数据库中的拉曼光谱谱图进行比对，确定与第一特征峰匹配的第一拉曼光谱谱图和与第二特征峰匹配的第二拉曼光谱谱图。
在本实施例中，通过将特征峰与数据库中的拉曼光谱谱图进行比对，其中，每个拉曼光谱谱图均对应一个匹配的物质，由于相同的物质所产生的拉曼光谱谱图相同，所以通过将特征峰与拉曼光谱谱图进行比对，确定特征峰对应的物质。
S44、若第一拉曼光谱谱图与第二拉曼光谱谱图相同，则第一样品和第二样品的主成分相同。
如图6所示，具体的，确定与第一样品特征数据匹配的第二样品特征数据的方法可以包括如下步骤：
S51、计算第一样品特征数据与第二样品特征数据的相似度值。
在本实施例中计算第一样品特征数据和第二样品特征数据的相似度值，可以通过计算第一样品特征数据和第二样品特征数据转化为的向量的余弦值作为相似度值；也可以通过将第一样品特征数据和第二样品特征数据的欧式距离作为相似度值，还可以根据将第一样品特征数据和第二样品特征数据的波形按相同区间进行分段，获取两个数据在相同区间内所占面积的平方差作为该区间内的误差，计算所有平方差的和作为相似度值，还可以通过计算第一样品特征数据和第二样品特征数据的重合部分的面积和不重合部分的面积，将不重合部分的面积和重合部分的面积的比值作为相似度值。
S52、当相似度值大于第一预设阈值时，第一样品特征数据与第二样品特征数据匹配。
在本实施例中，在相似度值大于第一预设阈值时，则第一样品特征数据和第二样品特征数据相匹配。
如图7所示，本发明实施例提供的一种基于拉曼光谱技术的关联案件确定方法。参照图7，该关联案件确定方法具体包括如下步骤：
S61、获取主成分相同的第一样品和第二样品。
有关步骤S61，详细可参见步骤S11中的描述，本实施例在此不再赘述。
S62、分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和主成分的第三拉曼光谱数据。
有关步骤S62，详细可参见步骤S12中的描述，本实施例在此不再赘述。
S63、将第一拉曼光谱数据中的第三拉曼光谱数据剔除，得到第一样品特征数据；将第二拉曼光谱数据中的第三拉曼光谱数据剔除，得到第二样品特征数据。
有关步骤S33，详细可参见步骤S13中的描述，本实施例在此不再赘述。
S64、获取第一样品的对应的案件的第一案件发生时间和第一案件位置信息。
S65、获取第二样品对应的案件的第二案件发生时间和第二案件位置信息。
在本实施例中，获取第一样品对应的案件的发生时间和发生的位置信息，并获取第二样品对应的案件的发生时间和发生的位置信息；由于本方案中确定第一样品和第二样品相匹配后，还是有可能出现不关联的案件所产生的样品相匹配的情况，所以本方案中进一步获取关联案件的发生时间和发生位置，进一步确定案件之间是否关联。
S66、根据第一案件发生时间和第二案件发生时间，计算案件时间差。
S67、根据第一案件位置信息和第二案件位置信息，计算案件位置间距。
在本实施例中，通过计算得到两个案件的发生的时间间隔和发生的位置之间的位置间距，若时间间隔过大或者位置间距超出了正常范围，则可以确定相匹配的样品对应的案件之间不关联。
S68、当案件时间差小于预设时间阈值，且案件位置间距小于预设距离阈值时，将关联样品对应的案件作为关联案件。
在本实施例中，当案件时间差和案件位置间距同时符合条件时，就可以更精确的确定相匹配的样品对应的案件为关联案件，提高案件匹配的精准度，降低错误数据导致工作人员耗费精力和人力去侦查。
在本实施例中，还可以在虚拟地图中对案件发生地进行标记，并标注每个案件的发生时间，在确定不同案件关联后，将关联案件以直线连接起来，可以方便工作人员进行观察。
如图8所示，本发明实施例提供的一种基于拉曼光谱技术的关联案件确定方法。与图2所示关联案件确定方法相比，区别在于，关联案件确定方法具体包括如下步骤：
S71、开启激光对第一样品进行扫描，得到预备拉曼光谱数据。
S72、关闭激光对第一样品进行扫描，得到背景拉曼光谱数据。
S73、在预备拉曼光谱数据中，去除背景拉曼光谱数据，得到第一拉曼光谱数据。
在本实施例中，通过上述步骤将得到的拉曼光谱数据中的背景数据删除保证得到的第一拉曼光谱数据的准确性，减少装载第一样品的装置所产生的拉曼光谱数据对准确数据的干扰。
其中，获取第二拉曼光谱数据的方法可以参照上述方法中获取第一拉曼光谱数据的方法。
如图9所示，本发明实施例提供了一种基于拉曼光谱技术的关联案件确定系统，确定系统包括：第一获取单元、第二获取单元、数据处理单元、比对单元和案件处理单元。
在本实施例中，第一获取单元，用于获取主成分相同的第一样品和第二样品。
在本实施例中，第一获取单元，具体用于获取第一样品的第一拉曼光谱数据，并提取第一拉曼光谱数据的第一特征峰；获取第二样品的第二拉曼光谱数据，并提取第二拉曼光谱数据的第二特征峰；计算第一特征峰与第二特征峰的相似度值；当相似度值大于或等于第二预设相似度阈值时，第一样品和第二样品的主成分相同。
在本实施例中，第一获取单元，具体用于获取第一样品的第一拉曼光谱数据，并提取第一拉曼光谱数据的第一特征峰；获取第二样品的第二拉曼光谱数据，并提取第二拉曼光谱数据的第二特征峰；将第一特征峰和第二特征峰分别与预设物质数据库中的拉曼光谱谱图进行比对，确定与第一特征峰匹配的第一拉曼光谱谱图和与第二特征峰匹配的第二拉曼光谱谱图；若第一拉曼光谱谱图与第二拉曼光谱谱图相同，则第一样品和第二样品的主成分相同。
在本实施例中，第二获取单元，用于分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和主成分的第三拉曼光谱数据。
在本实施例中，第二获取单元，具体用于开启激光对第一样品进行扫描，得到第一预备拉曼光谱数据；关闭激光对第一样品进行扫描，得到第一背景拉曼光谱数据；在第一预备拉曼光谱数据中，去除第一背景拉曼光谱数据，得到第一拉曼光谱数据。
在本实施例中，第二获取单元，具体用于开启激光对第二样品进行扫描，得到第二预备拉曼光谱数据；关闭激光对第二样品进行扫描，得到第二背景拉曼光谱数据；在第二预备拉曼光谱数据中，去除第二背景拉曼光谱数据，得到第二拉曼光谱数据。
在本实施例中，第二获取单元，具体用于从预设物质数据库中获取对应主成分的拉曼光谱谱图，作为第三拉曼光谱数据。
在本实施例中，数据处理单元，用于将第一拉曼光谱数据中的第三拉曼光谱数据剔除，得到第一样品特征数据；将第二拉曼光谱数据中的第三拉曼光谱数据剔除，得到第二样品特征数据。
在本实施例中，比对单元，用于将第一样品特征数据与第二样品特征数据进行比对，判断第一样品特征数据与第二样品特征数据是否匹配。
在本实施例中，比对单元，具体用于，计算第一样品特征数据与第二样品特征数据的相似度值；当相似度值大于第一预设阈值时，第一样品特征数据与第二样品特征数据匹配。
在本实施例中，案件处理单元，用于若第一样品特征数据与第二样品特征数据匹配，则将第一样品和第二样品作为关联样品；将关联样品对应的案件作为关联案件。
本发明实施例提供了一种基于拉曼光谱技术的关联案件确定系统，与图9所示确定系统相比，区别在于，处理单元，具体用于，获取第一样品的对应的案件的第一案件发生时间和第一案件位置信息；获取第二样品对应的案件的第二案件发生时间和第二案件位置信息；根据第一案件发生时间和第二案件发生时间，计算案件时间差；根据第一案件位置信息和第二案件位置信息，计算案件位置间距；当案件时间差小于预设时间阈值，且案件位置间距小于预设距离阈值时，将关联样品对应的案件作为关联案件。
如图10所示，本发明实施例提供了一种电子设备，包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信；
存储器1130，用于存放计算机程序；
处理器1110，用于执行存储器1130上所存放的程序时，实现如下的基于拉曼光谱技术的关联案件确定方法：
获取主成分相同的第一样品和第二样品；
分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和主成分的第三拉曼光谱数据；
将第一拉曼光谱数据中的第三拉曼光谱数据剔除，得到第一样品特征数据；将第二拉曼光谱数据中的第三拉曼光谱数据剔除，得到第二样品特征数据；
判断第一样品特征数据与第二样品特征数据是否匹配，若第一样品特征数据与第二样品特征数据匹配，则将第一样品和第二样品作为关联样品；
将关联样品对应的案件作为关联案件。
本发明实施例提供的电子设备，处理器1110通过执行存储器1130上所存放的程序实现了通过第一样品和第二样品的第一样品特征数据和第二样品特征数据，在第一样品特征数据和第二样品特征数据相匹配时，将第二样品特征数据对应的第二样品作为关联样品，将第一样品和关联样品对应的案件作为关联案件，本方案从案件对应的样品是否相关确定不同案件的相关性，避免了工作人员需要逐个进行案件的侦查工作，提高案件处理效率。
上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器1130(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器1130(non-volatilememory)，例如至少一个磁盘存储器1130。可选的，存储器1130还可以是至少一个位于远离前述处理器1110的存储装置。
上述的处理器1110可以是通用处理器1110，包括中央处理器1110(CentralProcessingUnit，简称CPU)、网络处理器1110(NetworkProcessor，简称NP)等；还可以是数字信号处理器1110(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称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。
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述任一实施例的基于拉曼光谱技术的关联案件确定方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于拉曼光谱技术的关联案件确定方法，其特征在于，所述确定方法包括：
获取主成分相同的第一样品和第二样品；
分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和所述主成分的第三拉曼光谱数据；
将所述第一拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第一样品特征数据；将所述第二拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第二样品特征数据；
判断所述第一样品特征数据与所述第二样品特征数据是否匹配，若所述第一样品特征数据与所述第二样品特征数据匹配，则将所述第一样品和第二样品作为关联样品；
将所述关联样品对应的案件作为关联案件。
2.根据权利要求1所述的确定方法，其特征在于，所述判断所述第一样品特征数据与所述第二样品特征数据是否匹配，包括：
计算所述第一样品特征数据与第二样品特征数据的相似度值；
当所述相似度值大于第一预设阈值时，所述第一样品特征数据与所述第二样品特征数据匹配。
3.根据权利要求1所述的确定方法，其特征在于，所述将所述关联样品对应的案件作为关联案件，具体包括：
获取所述第一样品的对应的案件的第一案件发生时间和第一案件位置信息；
获取所述第二样品对应的案件的第二案件发生时间和第二案件位置信息；
根据所述第一案件发生时间和第二案件发生时间，计算案件时间差；
根据所述第一案件位置信息和第二案件位置信息，计算案件位置间距；
当所述案件时间差小于预设时间阈值，且所述案件位置间距小于预设距离阈值时，将所述关联样品对应的案件作为关联案件。
4.根据权利要求1所述的确定方法，其特征在于，所述将所述第一拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第一样品特征数据，具体包括：
对所述第一拉曼光谱数据进行去噪平滑操作，得到去噪平滑的所述第一拉曼光谱数据；
删除去噪平滑的所述第一拉曼光谱数据中的第三拉曼光谱数据，得到第一样品特征数据；
所述将所述第二拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第二样品特征数据，具体包括：
对所述第二拉曼光谱数据进行去噪平滑操作，得到去噪平滑的所述第二拉曼光谱数据；
删除去噪平滑的所述第二拉曼光谱数据中的第三拉曼光谱数据，得到第二样品特征数据。
5.根据权利要求1所述的确定方法，其特征在于，所述获取主成分相同的第一样品和第二样品，具体包括：
获取第一样品的第一拉曼光谱数据，并提取所述第一拉曼光谱数据的第一特征峰；
获取第二样品的第二拉曼光谱数据，并提取所述第二拉曼光谱数据的第二特征峰；
计算所述第一特征峰与所述第二特征峰的相似度值；
当所述相似度值大于或等于第二预设相似度阈值时，所述第一样品和第二样品的主成分相同。
6.根据权利要求1所述的确定方法，其特征在于，所述获取主成分相同的第一样品和第二样品，具体包括：
获取第一样品的第一拉曼光谱数据，并提取所述第一拉曼光谱数据的第一特征峰；
获取第二样品的第二拉曼光谱数据，并提取所述第二拉曼光谱数据的第二特征峰；
将所述第一特征峰和第二特征峰分别与预设物质数据库中的拉曼光谱谱图进行比对，确定与所述第一特征峰匹配的第一拉曼光谱谱图和与所述第二特征峰匹配的第二拉曼光谱谱图；
若所述第一拉曼光谱谱图与第二拉曼光谱谱图相同，则所述第一样品和第二样品的主成分相同。
7.根据权利要求1～6中任一所述的确定方法，其特征在于，所述获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和所述主成分的第三拉曼光谱数据，具体包括：
开启激光对所述第一样品进行扫描，得到第一预备拉曼光谱数据；
关闭激光对所述第一样品进行扫描，得到第一背景拉曼光谱数据；
在所述第一预备拉曼光谱数据中，去除所述第一背景拉曼光谱数据，得到所述第一拉曼光谱数据；
开启激光对所述第二样品进行扫描，得到第二预备拉曼光谱数据；
关闭激光对所述第二样品进行扫描，得到第二背景拉曼光谱数据；
在所述第二预备拉曼光谱数据中，去除所述第二背景拉曼光谱数据，得到所述第二拉曼光谱数据；
从预设物质数据库中获取对应所述主成分的拉曼光谱谱图，作为所述第三拉曼光谱数据。
8.一种基于拉曼光谱技术的关联案件确定系统，其特征在于，所述确定系统包括：
第一获取单元，用于获取主成分相同的第一样品和第二样品；
第二获取单元，用于分别获取第一样品的第一拉曼光谱数据、第二样品的第二拉曼光谱数据和所述主成分的第三拉曼光谱数据；
数据处理单元，用于将所述第一拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第一样品特征数据；将所述第二拉曼光谱数据中的所述第三拉曼光谱数据剔除，得到第二样品特征数据；
比对单元，用于将所述第一样品特征数据与第二样品特征数据进行比对，判断所述第一样品特征数据与所述第二样品特征数据是否匹配；
案件处理单元，用于若所述第一样品特征数据与所述第二样品特征数据匹配，则将所述第一样品和第二样品作为关联样品；将所述关联样品对应的案件作为关联案件。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1～7任一所述的基于拉曼光谱技术的关联案件确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1～7中任一所述的基于拉曼光谱技术的关联案件确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910642786.XA CN110532285B (zh) | 2019-07-16 | 2019-07-16 | 一种关联案件确定方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910642786.XA CN110532285B (zh) | 2019-07-16 | 2019-07-16 | 一种关联案件确定方法、系统、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110532285A CN110532285A (zh) | 2019-12-03 |
| CN110532285B true CN110532285B (zh) | 2022-06-24 |
Family
ID=68660394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910642786.XA Active CN110532285B (zh) | 2019-07-16 | 2019-07-16 | 一种关联案件确定方法、系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110532285B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182248A (zh) * | 2017-12-28 | 2018-06-19 | 贵州小爱机器人科技有限公司 | 信息处理方法以及信息处理装置 |
| CN109632761A (zh) * | 2018-12-14 | 2019-04-16 | 广东环凯微生物科技有限公司 | 一种拉曼光谱数据的处理方法及系统 |
| AU2019100481A4 (en) * | 2019-05-03 | 2019-06-06 | Inspection and Quarantine Technology Center of Xiamen Entry & Exit Inspection and Quarantine Bureau | Quick and nondestructive cubilose authenticity discrimination method |
-
2019
- 2019-07-16 CN CN201910642786.XA patent/CN110532285B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182248A (zh) * | 2017-12-28 | 2018-06-19 | 贵州小爱机器人科技有限公司 | 信息处理方法以及信息处理装置 |
| CN109632761A (zh) * | 2018-12-14 | 2019-04-16 | 广东环凯微生物科技有限公司 | 一种拉曼光谱数据的处理方法及系统 |
| AU2019100481A4 (en) * | 2019-05-03 | 2019-06-06 | Inspection and Quarantine Technology Center of Xiamen Entry & Exit Inspection and Quarantine Bureau | Quick and nondestructive cubilose authenticity discrimination method |
Non-Patent Citations (1)
| Title |
|---|
| 基于逻辑回归的案件关联;王贤，张自力;《西南师范大学学报（自然科学版）》;20090415;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110532285A (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
| WO2017045443A1 (zh) | 一种图像检索方法及系统 | |
| US20130243249A1 (en) | Electronic device and method for recognizing image and searching for concerning information | |
| CN106991175B (zh) | 一种客户信息挖掘方法、装置、设备以及存储介质 | |
| JP6740457B2 (ja) | 商標画像のコンテンツ・ベースの検索及び取得 | |
| CN110298858B (zh) | 一种图像裁剪方法及装置 | |
| WO2022116419A1 (zh) | 域名侵权的自动化判定方法、装置、电子设备和存储介质 | |
| CN111210402A (zh) | 人脸图像质量评分方法、装置、计算机设备及存储介质 | |
| WO2014205167A1 (en) | Apparatus and methods of spectral searching using wavelet transform coefficients | |
| CN111626346A (zh) | 数据分类方法、设备、存储介质及装置 | |
| JP2011243007A (ja) | 画像処理装置、その処理方法及びプログラム | |
| JP2020514681A (ja) | 物質検出方法、装置、電子機器、およびコンピュータ可読記憶媒体 | |
| CN109064464B (zh) | 用于检测电池极片毛刺的方法和装置 | |
| US9996767B2 (en) | Methods for automated chart analysis | |
| CN110532285B (zh) | 一种关联案件确定方法、系统、电子设备及存储介质 | |
| CN110889229A (zh) | Cad图纸识别方法、装置、电子设备及存储介质 | |
| US20160292258A1 (en) | Method and apparatus for filtering out low-frequency click, computer program, and computer readable medium | |
| CN111581499B (zh) | 一种数据归一化方法、装置、设备及可读存储介质 | |
| CN107071553B (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
| CN107894837A (zh) | 动态情感分析模型样本处理方法及装置 | |
| CN116359201A (zh) | 一种药品鉴定方法、系统、存储介质和电子设备 | |
| CN113590852B (zh) | 多模态识别模型的训练方法、多模态识别方法及装置 | |
| CN115541021A (zh) | 拉曼光谱特征峰的定位方法、电子设备及存储介质 | |
| CN111225079A (zh) | 恶意软件作者地理位置定位方法、设备、存储介质及装置 | |
| CN111797398B (zh) | 恶意代码可视化及变种检测方法、系统、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220303 Address after: 075031 room 33, floor 7, building 2, Fortune Center, No. 3, Shifu West Street, Zhangjiakou Economic Development Zone, Hebei Province Applicant after: Hebei Lingxi Technology Co.,Ltd. Address before: 075000 floor 4 and 5, block B, Kaidi Plaza, No. 249, Shengli Middle Road, high tech Zone, Zhangjiakou City, Hebei Province Applicant before: HEBEI INNO OPTICS TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |