CN110705477A - 行为分析方法、装置、电子设备和计算机存储介质 - Google Patents

行为分析方法、装置、电子设备和计算机存储介质 Download PDF

Info

Publication number
CN110705477A
CN110705477A CN201910944310.1A CN201910944310A CN110705477A CN 110705477 A CN110705477 A CN 110705477A CN 201910944310 A CN201910944310 A CN 201910944310A CN 110705477 A CN110705477 A CN 110705477A
Authority
CN
China
Prior art keywords
target object
information
snapshot
interest
point
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.)
Pending
Application number
CN201910944310.1A
Other languages
English (en)
Inventor
黄潇莹
李蔚琳
李晓通
杨松
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 CN201910944310.1A priority Critical patent/CN110705477A/zh
Publication of CN110705477A publication Critical patent/CN110705477A/zh
Priority to PCT/CN2020/093789 priority patent/WO2021063011A1/zh
Priority to JP2021558010A priority patent/JP2022526382A/ja
Priority to TW109131473A priority patent/TWI743987B/zh
Priority to US17/542,904 priority patent/US20220092881A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本实施例公开了一种行为分析方法、装置、电子设备和计算机存储介质，该方法包括：获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。如此，无需在案件发生后查找目标对象的行踪，而是可以预先对目标对象的行为进行分析，有利于在案件发生前根据目标对象的行为数据，对目标对象进行管控。

Description

行为分析方法、装置、电子设备和计算机存储介质
技术领域
本公开涉及计算机视觉处理技术，尤其涉及一种行为分析方法、装置、电子设备和计算机存储介质。
背景技术
传统的案件侦查方式往往是基于某个已发案件，通过寻找相关线索确认嫌疑人及其身份，同时追踪嫌疑人行踪，进而告破案件，然而上面这种“由案到人”的侦查方式只能在案件事发后进行。
同时，公安机关目前对人员的管控主要通过人工查看视频监控数据或定期排查重点场所、人员的方式实现，管控难度大，并且需要花费大量的人力资源以及时间成本。如何在案发前智能的做好人员管控，预防犯罪是公共安全管理亟需解决的一个问题。
发明内容
本公开实施例期望提供行为分析的技术方案。
本公开实施例提供了一种行为分析方法，所述方法包括：
获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；
基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；
基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。
可选地，所述兴趣点信息包括第一兴趣点，所述基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据，包括：
获取所述目标对象在所述第一兴趣点的所述抓拍图像的第一抓拍次数；
在所述第一抓拍次数大于或等于第一预设阈值的情况下，确定所述第一兴趣点为所述目标对象的第一预设地点。
可选地，所述抓拍图像信息还包括抓拍时间，所述兴趣点信息包括第二兴趣点，所述基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据，包括：
获取所述目标对象在所述第二兴趣点的所述抓拍图像的抓拍时间和第二抓拍次数；
在所述抓拍时间在预设时间范围内且所述第二抓拍次数大于或等于第二预设阈值的情况下，确定所述第二兴趣点为所述目标对象的第二预设地点。
可选地，所述兴趣点信息包括第三兴趣点，所述基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据，包括：
在所述目标对象的档案信息的类别为第一库类别，且所述目标对象在所述第三兴趣点的所述抓拍图像的第三抓拍次数大于或等于第三预设阈值的情况下，确定所述目标对象为预设目标对象。
可选地，所述目标对象的人员信息包括：所述目标对象的身份信息。
可选地，所述获取目标对象的档案信息，包括：
以目标特征为聚类依据，将获取的各抓拍图像以及所述各抓拍图像的抓拍图像信息进行聚类，得到至少一组聚类结果；
将所述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行关联，得到所述目标对象的档案信息。
可选地，所述获取目标对象的档案信息，包括：
以目标特征为聚类依据，将获取的各抓拍图像、所述各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息进行聚类，得到所述目标对象的档案信息。
可选地，所述目标特征包括以下至少之一：人脸特征、人体特征、机动车特征、非机动车特征。
可选地，所述方法还包括：
根据所述目标对象的行为数据，确定预警条件，所述预警条件表示人员出现异常行为的条件；
响应于再次获取所述目标对象的行为数据，且再次获取的所述目标对象的行为数据满足所述预警条件，生成预警信息。
本公开实施例还提供了一种行为分析装置，所述装置包括获取模块和处理模块，其中，
获取模块，用于获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；
处理模块，用于基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。
可选地，所述兴趣点信息包括第一兴趣点，所述处理模块，用于获取所述目标对象在所述第一兴趣点的所述抓拍图像的第一抓拍次数；在所述第一抓拍次数大于或等于第一预设阈值的情况下，确定所述第一兴趣点为所述目标对象的第一预设地点。
可选地，所述抓拍图像信息还包括抓拍时间，所述兴趣点信息包括第二兴趣点；所述处理模块，用于获取所述目标对象在所述第二兴趣点的所述抓拍图像的抓拍时间和第二抓拍次数；在所述抓拍时间在预设时间范围内且所述第二抓拍次数大于或等于第二预设阈值的情况下，确定所述第二兴趣点为所述目标对象的第二预设地点。
可选地，所述兴趣点信息包括第三兴趣点，所述处理模块，用于在所述目标对象的档案信息的类别为第一库类别，且所述目标对象在所述第三兴趣点的所述抓拍图像的第三抓拍次数大于或等于第三预设阈值的情况下，确定所述目标对象为预设目标对象。
可选地，所述目标对象的人员信息包括：所述目标对象的身份信息。
可选地，所述获取模块，用于以目标特征为聚类依据，将获取的各抓拍图像以及所述各抓拍图像的抓拍图像信息进行聚类，得到至少一组聚类结果；将所述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行关联，得到所述目标对象的档案信息。
可选地，所述获取模块，用于以目标特征为聚类依据，将获取的各抓拍图像、所述各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息进行聚类，得到所述目标对象的档案信息。
可选地，所述目标特征包括以下至少之一：人脸特征、人体特征、机动车特征、非机动车特征。
可选地，所述处理模块，还用于根据所述目标对象的行为数据，确定预警条件，所述预警条件表示人员出现异常行为的条件；响应于再次获取所述目标对象的行为数据，且再次获取的所述目标对象的行为数据满足所述预警条件，生成预警信息。
本公开实施例还提出了一种电子设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
所述处理器用于运行所述计算机程序以执行上述任意一种行为分析方法。
本公开实施例还提出了一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一种行为分析方法。
本公开实施例提出的行为分析方法、装置、电子设备和计算机存储介质中，获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。如此，在本公开实施例中，可以根据目标对象的档案信息和抓拍地点的周边区域的兴趣点信息，对目标对象进行行为分析；也就是说，本公开实施例无需在案件发生后查找目标对象的行踪，而是可以预先对目标对象的行为进行分析，有利于在案件发生前根据目标对象的行为数据，对目标对象进行管控。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1为本公开实施例的行为分析方法的流程图；
图2为本公开实施例的行为分析装置的组成结构示意图；
图3为本公开实施例的电子设备的结构示意图。
具体实施方式
以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所提供的实施例仅仅用以解释本公开，并不用于限定本公开。另外，以下所提供的实施例是用于实施本公开的部分实施例，而非提供实施本公开的全部实施例，在不冲突的情况下，本公开实施例记载的技术方案可以任意组合的方式实施。
需要说明的是，在本公开实施例中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的方法或者装置不仅包括所明确记载的要素，而且还包括没有明确列出的其他要素，或者是还包括为实施方法或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的方法或者装置中还存在另外的相关要素(例如方法中的步骤或者装置中的单元，例如的单元可以是部分电路、部分处理器、部分程序或软件等等)。
例如，本公开实施例提供的行为分析方法包含了一系列的步骤，但是本公开实施例提供的行为分析方法不限于所记载的步骤，同样地，本公开实施例提供的行为分析装置包括了一系列模块，但是本公开实施例提供的装置不限于包括所明确记载的模块，还可以包括为获取相关信息、或基于信息进行处理时所需要设置的模块。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
本公开实施例可以应用于终端和服务器组成的计算机系统中，并可以与众多其它通用或专用计算系统环境或配置一起操作。这里，终端可以是瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统，等等，服务器可以是服务器计算机系统小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
在本公开的一些实施例中，提出了一种行为分析方法，可以应用于智能视频分析、安防监控、大数据分析等场景。
图1为本公开实施例的行为分析方法的流程图，如图1所示，该流程可以包括：
步骤101：获取目标对象的档案信息，档案信息包括目标对象的人员信息、目标对象的抓拍图像以及抓拍图像的抓拍图像信息，抓拍图像信息包括抓拍地点。
本公开实施例中，目标对象可以是预先确定的需要监控的人员；可选地，目标对象的人员信息可以包括目标对象的目标对象的人脸特征、目标对象的人体特征、目标对象的机动车特征、目标对象的非机动车特征、目标对象的身份信息等，例如，目标对象的身份信息可以是目标对象的人脸特征、目标对象的人脸图像、目标对象的身份证号等信息；在实际应用中，目标对象的人脸特征可以从目标对象的人脸图像中提取。
在具体的示例中，目标对象的人员信息可以从在逃人员信息库、违法犯罪人员信息库中获取，目标对象的人员信息可以存储于管控人员数据库中。这里目标对象可以是一个，也可以是多个。
在实际应用中，目标对象的抓拍图像可以由监控设备采集，监控设备可以是抓拍机等用于采集图像的设备，也可以是摄像头等用于采集视频的设备；监控设备的数量可以是一个，也可以是多个；在一个具体的示例中，监控设备可以是公安机关建设的监控设备。
在实际应用中，在监控设备为用于采集视频的设备时，可以将采集到的视频进行解码，然后从解码后的视频流抽取出至少一幅图像(至少一帧图像)。
这里，抓拍地点表示监控设备的位置信息，监控设备的位置信息可以用经纬度进行表示。可选地，抓拍图像信息还可以包括抓拍时间，抓拍时间表示监控设备采集图像的时间点。
在实际应用中，在监控设备采集到至少一幅图像时，可以从监控设备采集的至少一幅图像中确定出目标对象的抓拍图像；而对于监控设备采集的每幅图像，均可以确定抓拍时间和抓拍地点；因而，对于目标对象的抓拍图像，可以确定出抓拍图像的抓拍图像信息。在一个示例中，在获取目标对象的抓拍图像以及抓拍图像的抓拍图像信息后，可以将目标对象的抓拍图像以及抓拍图像的抓拍图像信息进行关联，将关联后的数据存储于抓拍数据库中。
对于获取目标对象的档案信息的实现方式，在一个示例中，以目标特征为聚类依据，将获取的各抓拍图像以及各抓拍图像的抓拍图像信息进行聚类，得到至少一组聚类结果；
可选地，目标特征可以包括以下至少之一：人脸特征、人体特征、机动车特征、非机动车特征。在实际实施时，可以采用基于深度学习的目标识别方法对监控设备采集的图像进行目标识别，得到目标特征；本公开实施例中，并不对采用的目标识别方法进行限定。
本公开实施例中，目标特征(人脸特征、人体特征、机动车特征或非机动车特征)包括特征值和特征属性两个维度的数据，其中，特征值用于进行特征比对，例如，可以用于一个特征值与M个特征值的比对，M可以是大于或等于1的整数；M个特征值可以是预先存储的特征值。特征属性用于表示目标特征的属性，示例性地，人体特征用于表示以下至少之一：性别、年龄、胡型、发型、上下装样式、上下装颜色；机动车特征用于表示以下至少之一：机动车类型、车牌号、机动车形状、机动车尺寸；非机动车特征用于表示以下至少之一：非机动车类型、非机动车形状、非机动车尺寸；在实际应用中，特征属性便于后续根据目标特征进行数据筛选，例如，在确定可疑人员的体貌特征后，可以根据特征属性中人体体貌特征，对监控设备采集的图像进行筛选过滤。
在一实施方式中，在对监控设备采集的图像进行目标识别后，可以根据人体、人脸、机动车、非机动车在一幅图像中的位置，将处于同一位置区域的目标特征进行关联，得到同一对象的目标特征。
这里，各抓拍图像表示监控设备采集的各图像，各抓拍图像的任意一幅图像可以包括目标对象，也可以不包括目标对象；可以看出，通过对获取的各抓拍图像以及各抓拍图像的抓拍图像信息进行目标特征的聚类，可以将相同人员的目标特征聚合在一起；在实际实施时，在通过聚类得到至少一组聚类结果后，可以将上述至少一组聚类结果存储于聚类数据库中。
在得到至少一组聚类结果后，可以将上述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行关联，得到所述目标对象的档案信息；具体地说，可以将上述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行目标特征的比对，获取比对成功的目标特征对应的抓拍图像和抓拍图像信息、以及比对成功的目标特征对应的目标对象的人员信息；这里，在将上述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行目标特征的比对时，如果目标特征的相似度超过设定相似度阈值，则可以认为比对成功，否则，如果目标特征的相似度未超过设定相似度阈值，则可以认为比对失败；设定相似度阈值可以根据实际应用场景进行设置，例如，设定相似度阈值可以是90％、95％等。
可以理解地，通过将获取的各抓拍图像以及各抓拍图像的抓拍图像信息进行聚类，可以将相同人员的目标特征聚合在一起，进而，便于通过后续目标特征的比对，快速的得出同一目标对象的档案信息。
对于获取目标对象的档案信息的实现方式，在另一个示例中，在获取监控设备采集的各抓拍图像、各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息后，直接以目标特征为聚类依据，将获取的各抓拍图像、所述各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息进行聚类，得到目标对象的档案信息。
可以看出，由于将各抓拍图像、各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息进行聚类，便可以直接得到目标对象的档案信息，具有便于实现的特点。
在实际应用中，在获取目标对象的档案信息后，可以将目标对象的档案信息存储于人员档案数据库中。
步骤102：基于地图数据获取抓拍地点的周边区域的兴趣点信息，周边区域表示预设的包括抓拍地点的地理区域。
示例性地，抓拍地点的周边区域可以是：以抓拍地点为中心，半径为设定距离的一个区域，设定距离可以根据实际应用场景进行设置，例如，设定距离为100m、150m、50m等。
这里，兴趣点信息可以是预先设定的信息，例如，兴趣点可以是医院、居民小区、酒店、火车站等；抓拍地点周边区域的兴趣点可以是一个，也可以是多个。
进一步地，还可以根据抓拍地点的周边区域的兴趣点信息，为对应的监控设备添加地点类型标签，这样，在获取监控设备采集的图像后，还可以获取监控设备的地点类型标签，以便于后续分析；例如，监控设备A周围100m内范围存在火车站、酒店、餐厅三个兴趣点信息，则为监控设备A添加火车站、酒店、餐厅三个标签。
步骤103：基于兴趣点信息以及目标对象的档案信息获取目标对象的行为数据。
本公开实施例中，目标对象的行为数据可以表示目标对象的行为规律和/或目标对象的类别信息；示例性地，目标对象的行为规律可以表征目标对象在兴趣点的出现次数、以及在兴趣点的出现时间；目标对象的类别信息可以表示目标对象属于哪一类需要监控的人员，例如，目标对象的类别信息可以表示目标对象属于职业医闹或票贩子等人员。在实际应用中，可以根据目标对象的档案信息，确定目标对象的历史活动轨迹，这里，目标对象的历史活动轨迹可以表示目标对象的出现时间和/或出现地点等信息；在得到目标对象的历史活动轨迹后，可以根据目标对象的历史活动轨迹和兴趣点信息，得出目标对象的行为数据。
下面对本步骤的实现方式进行示例性说明。
在第一个示例中，上述兴趣点信息包括第一兴趣点，在这种情况下，获取目标对象在第一兴趣点的抓拍图像的第一抓拍次数；在第一抓拍次数大于或等于第一预设阈值的情况下，确定第一兴趣点为目标对象的第一预设地点。
这里，第一兴趣点可以是预先设置的兴趣点，例如，第一兴趣点可以是医院、居民小区、酒店或火车站等。
在获取目标对象的档案信息后，可以根据抓拍地点查找到抓拍地点的周边区域的第一兴趣点，进而，可以获取到第一兴趣点的抓拍图像，通过对第一兴趣点的抓拍图像进行分析，可以得到目标对象在第一兴趣点的抓拍图像的第一抓拍次数。
本公开实施例中，第一预设阈值可以根据实际应用场景进行设置。另外，在第一抓拍次数小于第一预设阈值的情况下，可以忽略目标对象在所述第一兴趣点的抓拍图像。
可以理解地，在第一抓拍次数大于或等于第一预设阈值的情况下，说明目标对象在第一兴趣点经常出现，此时，将第一兴趣点作为目标对象的第一预设地点，有利于对目标对象的行为规律进行进一步分析。
本公开实施例中，第一预设地点包括但不限于分析居住地、工作地、常现地等。
下面通过两个具体示例进行说明。
示例1：根据人员A的档案信息，统计人员A在指定地区(如深圳市区内)的活动轨迹，确定人员A出现在写字楼、办公区的出现时间和地点，并按不同的写字楼、办公区统计人员A的被抓拍次数，按照被抓拍次数从高到低的顺序进行排列，当被抓拍次数超过第一预设阈值时，可判断相应的写字楼或办公区为人员A的疑似工作地；例如，第一预设阈值设置为80，人员A在写字楼1出现了100次、写字楼2出现了10次、写字楼3出现了8次，那么人员A的疑似工作地为写字楼1。
示例2：根据入室盗窃前科人员B的档案数据，统计入室盗窃前科人员B在指定地区(如深圳市区内)指定时间段(如最近1个月)内的出现时间和地点，确定入室盗窃前科人员B出现在居民小区的时间和地点，并按不同的小区统计入室盗窃前科人员B的被抓拍次数，按照被抓拍次数从高到低的顺序进行排列；在已知入室盗窃前科人员B的自身居住小区的情况下，排出入室盗窃前科人员B的自身居住小区；然后，在被抓拍次数超过第一预设阈值时，可判断相应的小区为入室盗窃前科人员B的疑似踩点地；例如，第一预设阈值设置为5，入室盗窃前科人员B在小区1出现了30次，在小区2出现了10次，在小区3出现了8次，在小区4出现了1次，其中已知小区1是入室盗窃前科人员B的居住地，那么可得到入室盗窃前科人员B的疑似踩点地为小区2和小区3。
在第二个示例中，抓拍图像信息还包括抓拍时间，上述兴趣点信息包括第二兴趣点，在这种情况下，获取目标对象在第二兴趣点的抓拍图像的抓拍时间和第二抓拍次数；在抓拍时间在预设时间范围内且第二抓拍次数大于或等于第二预设阈值的情况下，确定第二兴趣点为所述目标对象的第二预设地点。
这里，第二兴趣点可以是预先设置的兴趣点，例如，第二兴趣点可以是医院、居民小区、酒店或火车站等。
在获取目标对象的档案信息后，可以根据抓拍地点查找到抓拍地点的周边区域的第二兴趣点，进而，可以获取到第二兴趣点的抓拍图像，通过对第一兴趣点的抓拍图像进行分析，可以得到目标对象在第二兴趣点的抓拍图像的抓拍时间和第二抓拍次数。
本公开实施例中，第二预设阈值可以根据实际应用场景进行设置。另外，在抓拍时间不处于预设时间范围内或者第二抓拍次数小于第二预设阈值的情况下，可以忽略目标对象在第二兴趣点的抓拍图像。
可以理解地，在抓拍时间在预设时间范围内且第二抓拍次数大于或等于第二预设阈值的情况下，说明目标对象在预设时间范围内经常在第二兴趣点出现，此时，将第二兴趣点作为目标对象的第二预设地点，有利于对目标对象的行为规律进行进一步分析。
本公开实施例中，第二预设地点包括但不限于分析居住地、工作地、常现地等。
在一个具体的示例中，第二兴趣点为写字楼4，预设时间范围为早上9点到下午6点，人员C在预设时间范围的抓拍次数大于或等于第二预设阈值时，说明人员C的工作地为写字楼4，即，第二预设地点为写字楼4；例如，第二预设阈值为60，人员C在预设时间范围的抓拍次数为77，则说明人员C的工作地为写字楼4。
在另一个具体的示例中，第二兴趣点为小区5，预设时间范围为晚上8点至次日早上7点，人员D在预设时间范围的抓拍次数大于或等于第二预设阈值时，说明人员D的居住地为小区5，即，第二预设地点为小区5；例如，第二预设阈值为80，人员C在预设时间范围的抓拍次数为88，则说明人员C的居住地为小区5。
在第三个示例中，上述兴趣点信息包括第三兴趣点，在这种情况下，在目标对象的档案信息的类别为第一库类别，且目标对象在第三兴趣点的抓拍图像的第三抓拍次数大于或等于第三预设阈值的情况下，确定目标对象为预设目标对象。
这里，第三兴趣点可以是预先设置的兴趣点，例如，第三兴趣点可以是医院、居民小区、酒店或火车站等；第一库类别可以是预先确定的档案信息的类别，例如，第一库类别可以表示犯罪前科人员数据库、管控人员数据库等，管控人员表示需要进行监控的人员，管控人员可以是职业医闹人员、票贩子、销赃人员、盗窃前科人员等；在实际应用中，通过分析目标对象的档案信息中的人员信息，可以得出目标对象的档案信息的类别。
在获取目标对象的档案信息后，可以根据抓拍地点查找到抓拍地点的周边区域的第三兴趣点，进而，可以获取到第三兴趣点的抓拍图像，通过对第三兴趣点的抓拍图像进行分析，可以得到目标对象在第三兴趣点的抓拍图像的第三抓拍次数。
本公开实施例中，第三预设阈值可以根据实际应用场景进行设置。另外，在目标对象的类别不是第一库类别，或，目标对象在第三兴趣点的抓拍图像的第三抓拍次数小于第三预设阈值的情况下，可以忽略目标对象在第三兴趣点的抓拍图像。
可以理解地，在目标对象在第三兴趣点的抓拍图像的第三抓拍次数大于或等于第三预设阈值的情况下，说明目标对象在第三兴趣点经常出现，在此基础上，如果目标对象的档案信息的类别为第一库类别，则可以直接地判定目标对象的类别，进而，通过判定目标对象为预设目标对象，有利于对目标对象的行为规律进行进一步分析。
本公开实施例中，预设目标对象包括但不限于职业医闹人员、票贩子、销赃人员、盗窃前科人员等。
在一个具体的示例中，第三兴趣点为医院A，第一库类别为管控人员数据库；根据人员E的档案信息，确定指定时间段(如最近3个月)内地点类型标签为医院A的抓拍图像，统计人员E在医院A的抓拍次数，当人员E在医院A的抓拍次数超过第三预设阈值时，可以判定人员E为医院A的票贩子。
在实际应用中，步骤101至步骤103可以利用电子设备中的处理器实现，上述处理器可以为特定用途集成电路(Application Specific Integrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital SignalProcessing Device，DSPD)、可编程逻辑装置(Programmable Logic Device，PLD)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、中央处理器(Central ProcessingUnit，CPU)、控制器、微控制器、微处理器中的至少一种。
在本公开实施例中，可以根据目标对象的档案信息和抓拍地点的周边区域的兴趣点信息，对目标对象进行行为分析；也就是说，本公开实施例无需在案件发生后查找目标对象的行踪，而是可以预先对目标对象的行为进行分析，有利于在案件发生前根据目标对象的行为数据，对目标对象进行管控。
可选地，在获取目标对象的行为数据后，可以根据目标对象的行为数据，确定预警条件，预警条件表示人员出现异常行为的条件；响应于再次获取所述目标对象的行为数据，且再次获取的目标对象的行为数据满足所述预定条件，生成预警信息。
在具体实施时，可以根据目标对象的行为数据，确定目标对象的行为规律，进而，确定预警条件，例如，预警条件可以是指定时间段内非法上访人员出现在火车站、盗窃电动车前科人员与销赃人员同时出现在二手电动车市场等等；然后，如果目标对象的行为数据满足预警条件时，则可以生成预警信息，及时通知公安机关民警关注相关信息。
可以看出，本公开实施例可以根据预警条件，对人员的异常行为进行预警。
本公开实施例可以适用于需要进行人员管控的场景，例如，在医院场景，可以识别职业医闹人员，并对职业医闹人员的出现、聚集等行为进行识别，以实现对职业医闹人员的管控。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定
在前述实施例提出的行为分析方法的基础上，本公开实施例提出了一种行为分析装置。
图2为本公开实施例的行为分析装置的组成结构示意图，如图2所示，所述装置包括：获取模块201和处理模块202，其中，
获取模块201，用于获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；
处理模块202，用于基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。
可选地，所述兴趣点信息包括第一兴趣点，所述处理模块202，用于获取所述目标对象在所述第一兴趣点的所述抓拍图像的第一抓拍次数；在所述第一抓拍次数大于或等于第一预设阈值的情况下，确定所述第一兴趣点为所述目标对象的第一预设地点。
可选地，所述抓拍图像信息还包括抓拍时间，所述兴趣点信息包括第二兴趣点；所述处理模块202，用于获取所述目标对象在所述第二兴趣点的所述抓拍图像的抓拍时间和第二抓拍次数；在所述抓拍时间在预设时间范围内且所述第二抓拍次数大于或等于第二预设阈值的情况下，确定所述第二兴趣点为所述目标对象的第二预设地点。
可选地，所述兴趣点信息包括第三兴趣点，所述处理模块202，用于在所述目标对象的档案信息的类别为第一库类别，且所述目标对象在所述第三兴趣点的所述抓拍图像的第三抓拍次数大于或等于第三预设阈值的情况下，确定所述目标对象为预设目标对象。
可选地，所述目标对象的人员信息包括：所述目标对象的身份信息。
可选地，所述获取模块201，用于以目标特征为聚类依据，将获取的各抓拍图像以及所述各抓拍图像的抓拍图像信息进行聚类，得到至少一组聚类结果；将所述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行关联，得到所述目标对象的档案信息。
可选地，所述获取模块201，用于以目标特征为聚类依据，将获取的各抓拍图像、所述各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息进行聚类，得到所述目标对象的档案信息。
可选地，所述目标特征包括以下至少之一：人脸特征、人体特征、机动车特征、非机动车特征。
可选地，所述处理模块202，还用于根据所述目标对象的行为数据，确定预警条件，所述预警条件表示人员出现异常行为的条件；响应于再次获取所述目标对象的行为数据，且再次获取的所述目标对象的行为数据满足所述预警条件，生成预警信息。
实际应用中，获取模块201和处理模块202均可以利用电子设备中的处理器实现，上述处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。
另外，在本实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，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，本实施例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全部或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)或processor(处理器)执行本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(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
具体来讲，本实施例中的一种行为分析方法对应的计算机程序指令可以被存储在光盘，硬盘，U盘等存储介质上，当存储介质中的与一种行为分析方法对应的计算机程序指令被一电子设备读取或被执行时，实现前述实施例的任意一种行为分析方法。
基于前述实施例相同的技术构思，参见图3，其示出了本公开实施例提供的一种电子设备30，可以包括：存储器31和处理器32；其中，
所述存储器31，用于存储计算机程序和数据；
所述处理器32，用于执行所述存储器中存储的计算机程序，以实现前述实施例的任意一种行为分析方法。
在实际应用中，上述存储器31可以是易失性存储器(volatile memory)，例如RAM；或者非易失性存储器(non-volatile memory)，例如ROM，快闪存储器(flash memory)，硬盘(Hard Disk Drive，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32提供指令和数据。
上述处理器32可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本公开实施例不作具体限定。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述
本申请所提供的各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。
本申请所提供的各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。
本申请所提供的各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。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种行为分析方法，其特征在于，所述方法包括：
获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；
基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；
基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。
2.根据权利要求1所述的方法，其特征在于，所述兴趣点信息包括第一兴趣点，所述基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据，包括：
获取所述目标对象在所述第一兴趣点的所述抓拍图像的第一抓拍次数；
在所述第一抓拍次数大于或等于第一预设阈值的情况下，确定所述第一兴趣点为所述目标对象的第一预设地点。
3.根据权利要求1所述的方法，其特征在于，所述抓拍图像信息还包括抓拍时间，所述兴趣点信息包括第二兴趣点，所述基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据，包括：
获取所述目标对象在所述第二兴趣点的所述抓拍图像的抓拍时间和第二抓拍次数；
在所述抓拍时间在预设时间范围内且所述第二抓拍次数大于或等于第二预设阈值的情况下，确定所述第二兴趣点为所述目标对象的第二预设地点。
4.根据权利要求1所述的方法，其特征在于，所述兴趣点信息包括第三兴趣点，所述基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据，包括：
在所述目标对象的档案信息的类别为第一库类别，且所述目标对象在所述第三兴趣点的所述抓拍图像的第三抓拍次数大于或等于第三预设阈值的情况下，确定所述目标对象为预设目标对象。
5.根据权利要求1所述的方法，其特征在于，所述目标对象的人员信息包括：所述目标对象的身份信息。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述获取目标对象的档案信息，包括：
以目标特征为聚类依据，将获取的各抓拍图像以及所述各抓拍图像的抓拍图像信息进行聚类，得到至少一组聚类结果；
将所述至少一组聚类结果中每组聚类结果与预先确定的目标对象的人员信息进行关联，得到所述目标对象的档案信息。
7.根据权利要求1至5任一项所述的方法，其特征在于，所述获取目标对象的档案信息，包括：
以目标特征为聚类依据，将获取的各抓拍图像、所述各抓拍图像的抓拍图像信息以及预先确定的目标对象的人员信息进行聚类，得到所述目标对象的档案信息。
8.一种行为分析装置，其特征在于，所述装置包括获取模块和处理模块，其中，
获取模块，用于获取目标对象的档案信息，所述档案信息包括所述目标对象的人员信息、所述目标对象的抓拍图像以及所述抓拍图像的抓拍图像信息，所述抓拍图像信息包括抓拍地点；
处理模块，用于基于地图数据获取所述抓拍地点的周边区域的兴趣点信息，所述周边区域表示预设的包括所述抓拍地点的地理区域；基于所述兴趣点信息以及所述目标对象的所述档案信息获取所述目标对象的行为数据。
9.一种电子设备，其特征在于，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
所述处理器用于运行所述计算机程序以执行权利要求1至7任一项所述的行为分析方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的行为分析方法。
CN201910944310.1A 2019-09-30 2019-09-30 行为分析方法、装置、电子设备和计算机存储介质 Pending CN110705477A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910944310.1A CN110705477A (zh) 2019-09-30 2019-09-30 行为分析方法、装置、电子设备和计算机存储介质
PCT/CN2020/093789 WO2021063011A1 (zh) 2019-09-30 2020-06-01 行为分析方法、装置、电子设备、存储介质和计算机程序
JP2021558010A JP2022526382A (ja) 2019-09-30 2020-06-01 行動分析方法、装置、電子機器、記憶媒体およびコンピュータプログラム
TW109131473A TWI743987B (zh) 2019-09-30 2020-09-14 行為分析方法、電子設備和電腦儲存媒體
US17/542,904 US20220092881A1 (en) 2019-09-30 2021-12-06 Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910944310.1A CN110705477A (zh) 2019-09-30 2019-09-30 行为分析方法、装置、电子设备和计算机存储介质

Publications (1)

Publication Number Publication Date
CN110705477A true CN110705477A (zh) 2020-01-17

Family

ID=69198198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910944310.1A Pending CN110705477A (zh) 2019-09-30 2019-09-30 行为分析方法、装置、电子设备和计算机存储介质

Country Status (5)

Country Link
US (1) US20220092881A1 (zh)
JP (1) JP2022526382A (zh)
CN (1) CN110705477A (zh)
TW (1) TWI743987B (zh)
WO (1) WO2021063011A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291682A (zh) * 2020-02-07 2020-06-16 浙江大华技术股份有限公司 确定目标对象的方法、装置、存储介质及电子装置
CN111625686A (zh) * 2020-05-20 2020-09-04 深圳市商汤科技有限公司 数据处理方法及装置、电子设备和存储介质
CN111897992A (zh) * 2020-06-18 2020-11-06 北京旷视科技有限公司 图像筛选方法、装置、电子设备及存储介质
CN111950471A (zh) * 2020-08-14 2020-11-17 杭州海康威视系统技术有限公司 目标对象识别方法及装置
WO2021063011A1 (zh) * 2019-09-30 2021-04-08 深圳市商汤科技有限公司 行为分析方法、装置、电子设备、存储介质和计算机程序
CN112686226A (zh) * 2021-03-12 2021-04-20 深圳市安软科技股份有限公司 一种基于网格化管理的大数据管理方法、装置及电子设备
CN112750274A (zh) * 2020-12-17 2021-05-04 青岛以萨数据技术有限公司 一种基于面部特征识别的聚集预警系统、方法及设备
CN113254686A (zh) * 2021-04-02 2021-08-13 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质
CN113449558A (zh) * 2020-03-26 2021-09-28 上海依图网络科技有限公司 一种人员异常行为监测方法及装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378015B (zh) * 2021-06-28 2023-06-20 北京百度网讯科技有限公司 搜索方法、装置、电子设备、存储介质和程序产品
WO2024062103A1 (en) 2022-09-23 2024-03-28 Basf Se Process for producing a composite component comprising at least one metal layer and one polymer layer

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180239953A1 (en) * 2015-08-19 2018-08-23 Technomirai Co., Ltd. Smart-security digital system, method and program
CN110163137A (zh) * 2019-05-13 2019-08-23 深圳市商汤科技有限公司 一种图像处理方法、装置和存储介质
CN110222640A (zh) * 2019-06-05 2019-09-10 浙江大华技术股份有限公司 监控场所中嫌疑人的识别方法、装置、方法和存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2009011035A1 (ja) * 2007-07-17 2010-09-09 パイオニア株式会社 立寄り場所候補情報登録装置、立寄り場所候補情報登録方法、立寄り場所候補情報登録プログラム及び記憶媒体
JP5712407B2 (ja) * 2008-01-23 2015-05-07 ザ・リージェンツ・オブ・ジ・ユニバーシティ・オブ・カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ 行動監視及び較正用システム及び方法
CN102682041B (zh) * 2011-03-18 2014-06-04 日电（中国）有限公司 用户行为识别设备及方法
JP5879877B2 (ja) * 2011-09-28 2016-03-08 沖電気工業株式会社 画像処理装置、画像処理方法、プログラム、および画像処理システム
CN104915655A (zh) * 2015-06-15 2015-09-16 西安电子科技大学 一种多路监控视频的管理方法与设备
JP7040463B2 (ja) * 2016-12-22 2022-03-23 日本電気株式会社 解析サーバ、監視システム、監視方法及びプログラム
EP3418944B1 (en) * 2017-05-23 2024-03-13 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and program
CN110020223B (zh) * 2017-12-26 2021-04-20 浙江宇视科技有限公司 行为数据分析方法及装置
CN108875835B (zh) * 2018-06-26 2021-06-22 北京旷视科技有限公司 对象落脚点确定方法、装置、电子设备和计算机可读介质
CA3028639C (en) * 2018-08-10 2021-10-26 Yingying Miao Systems and methods for identifying drunk requesters in an online to offline service platform
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180239953A1 (en) * 2015-08-19 2018-08-23 Technomirai Co., Ltd. Smart-security digital system, method and program
CN110163137A (zh) * 2019-05-13 2019-08-23 深圳市商汤科技有限公司 一种图像处理方法、装置和存储介质
CN110222640A (zh) * 2019-06-05 2019-09-10 浙江大华技术股份有限公司 监控场所中嫌疑人的识别方法、装置、方法和存储介质

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021063011A1 (zh) * 2019-09-30 2021-04-08 深圳市商汤科技有限公司 行为分析方法、装置、电子设备、存储介质和计算机程序
CN111291682A (zh) * 2020-02-07 2020-06-16 浙江大华技术股份有限公司 确定目标对象的方法、装置、存储介质及电子装置
CN113449558A (zh) * 2020-03-26 2021-09-28 上海依图网络科技有限公司 一种人员异常行为监测方法及装置
CN111625686A (zh) * 2020-05-20 2020-09-04 深圳市商汤科技有限公司 数据处理方法及装置、电子设备和存储介质
CN111897992A (zh) * 2020-06-18 2020-11-06 北京旷视科技有限公司 图像筛选方法、装置、电子设备及存储介质
CN111950471A (zh) * 2020-08-14 2020-11-17 杭州海康威视系统技术有限公司 目标对象识别方法及装置
CN111950471B (zh) * 2020-08-14 2024-02-13 杭州海康威视系统技术有限公司 目标对象识别方法及装置
CN112750274A (zh) * 2020-12-17 2021-05-04 青岛以萨数据技术有限公司 一种基于面部特征识别的聚集预警系统、方法及设备
CN112686226A (zh) * 2021-03-12 2021-04-20 深圳市安软科技股份有限公司 一种基于网格化管理的大数据管理方法、装置及电子设备
CN113254686A (zh) * 2021-04-02 2021-08-13 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质
CN113254686B (zh) * 2021-04-02 2023-08-01 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质

Also Published As

Publication number Publication date
TWI743987B (zh) 2021-10-21
WO2021063011A1 (zh) 2021-04-08
JP2022526382A (ja) 2022-05-24
US20220092881A1 (en) 2022-03-24
TW202115648A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN110705477A (zh) 行为分析方法、装置、电子设备和计算机存储介质
CN110705476A (zh) 数据分析方法、装置、电子设备和计算机存储介质
US8634601B2 (en) Surveillance-based high-resolution facial recognition
CN111612113A (zh) 防疫管控方法、装置、系统、存储介质以及处理器
US10824713B2 (en) Spatiotemporal authentication
CN109783685A (zh) 一种查询方法及装置
JP2022518459A (ja) 情報処理方法および装置、記憶媒体
CN110738178A (zh) 园区施工安全检测方法、装置、计算机设备及存储介质
CN111090777B (zh) 一种视频数据的管理方法、管理设备及计算机存储介质
CN111476685B (zh) 行为分析方法、装置及设备
CN112597858A (zh) 一种监控方法、装置及可读存储介质
US20210319226A1 (en) Face clustering in video streams
CN110727805A (zh) 社区知识图谱构建方法及系统
CN114358980A (zh) 一种基于物联网的智慧社区物业管理系统及方法
CN111291596A (zh) 一种基于人脸识别的预警方法及装置
CN114049658A (zh) 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质
CN113066182A (zh) 一种信息展示方法、装置、电子设备及存储介质
CN110704660A (zh) 数据处理方法、装置、设备和计算机存储介质
WO2023124134A1 (zh) 档案处理方法、装置、电子设备、计算机存储介质和程序
CN109871456B (zh) 一种看守所人员关系分析方法、装置和电子设备
CN116386086A (zh) 人员定位方法、装置、电子设备及存储介质
CN114743157A (zh) 一种基于视频的行人监控方法、装置、设备及介质
CN114863364A (zh) 一种基于智能视频监控的安防检测方法及系统
CN110544334B (zh) 门禁管理的数据处理方法、装置、电子设备与存储介质
CN113450236B (zh) 基于时空数据的可疑人员识别方法、装置、系统和介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40018185

Country of ref document: HK

RJ01 Rejection of invention patent application after publication

Application publication date: 20200117

RJ01 Rejection of invention patent application after publication