CN110837582A - 数据关联方法、装置、电子设备和计算机可读存储介质 - Google Patents

数据关联方法、装置、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN110837582A
CN110837582A CN201911188777.4A CN201911188777A CN110837582A CN 110837582 A CN110837582 A CN 110837582A CN 201911188777 A CN201911188777 A CN 201911188777A CN 110837582 A CN110837582 A CN 110837582A
Authority
CN
China
Prior art keywords
information
association
data
degree
monitoring
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
CN201911188777.4A
Other languages
English (en)
Other versions
CN110837582B (zh
Inventor
谌立
涂腾飞
张志明
王渝
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.)
Chongqing Unisinsight Technology Co Ltd
Original Assignee
Chongqing Unisinsight 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 Chongqing Unisinsight Technology Co Ltd filed Critical Chongqing Unisinsight Technology Co Ltd
Priority to CN201911188777.4A priority Critical patent/CN110837582B/zh
Publication of CN110837582A publication Critical patent/CN110837582A/zh
Application granted granted Critical
Publication of CN110837582B publication Critical patent/CN110837582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提供一种数据关联方法、装置、电子设备和计算机可读存储介质,涉及安防监控的数据处理领域。该数据关联方法包括:获取多个待关联对象的监测数据;监测数据包括每个待关联对象的时间信息以及坐标位置;根据坐标位置,获取待关联对象的空间区域信息;空间区域信息用于指示坐标位置所属的监测区域;根据监测数据和每个空间区域信息,确定任意两个待关联对象之间的时空关联度。根据待关联对象的坐标位置获取待关联对象的空间区域信息,不将待关联对象局限于某一固定的点,而将其进行空间区域化,进而提高在同一监测区域的多个监控设备获取的数据之间的关联性,提高数据关联的准确性。

Description

数据关联方法、装置、电子设备和计算机可读存储介质
技术领域
本申请涉及安防监控的数据处理领域,具体而言,涉及数据关联方法、装置、电子设备和计算机可读存储介质。
背景技术
当前智慧城市建设工程正在如火如荼地建设中,智慧包含更多的人性化,更多的安全,更多的便捷。
其中,安防解决方案更是尤为重要,视频监控是安全防范系统的重要组成部分。传统的监控系统包括前端摄像机、传输线缆、视频监控平台,一直以来,视频监控在各领域扮演着不容置疑的重要角色。监控数据包含了人、车、硬件位址(Media Access Control,Mac)等十分重要的时空数据,其中包含的潜在信息也十分多,能提供人员分析。
目前的监控探测数据是按设备类型进行隔离的,比如车辆抓拍、人脸抓拍、无线网(WIreless-Fidelity,Wi-Fi)探测等,如何将这些不同维度的数据关联起来也是一大难题。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的之一在于提供一种数据关联方法、装置、电子设备和计算机可读存储介质。
第一方面,实施例提供一种数据关联方法,所述方法包括:获取多个待关联对象的监测数据;所述监测数据包括每个所述待关联对象的时间信息以及坐标位置。根据所述坐标位置,获取所述待关联对象的空间区域信息;所述空间区域信息用于指示所述坐标位置所属的监测区域。根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度。
在可选的实施方式中,在所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度之前,所述方法还包括:根据所述时间信息,获取所述待关联对象处于目标区域的时间窗口;所述目标区域为所述空间区域信息对应的监测区域,所述时间窗口包括所述待关联对象处于所述目标区域的时间区间。
在可选的实施方式中,多个所述待关联对象包括第一对象和第二对象,所述第一对象的时间信息对应所述时间窗口,所述第一对象的坐标位置对应所述目标区域。所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度,包括:判断所述第二对象的时间信息是否处于所述时间窗口;若是,则确定所述第一对象与所述第二对象具有第一关联度;所述第一关联度表征所述第一对象与所述第二对象均在所述时间窗口出现。
在可选的实施方式中,所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度,还包括:判断所述第二对象的空间区域信息与所述目标区域是否匹配;若匹配,则确定所述第一对象与所述第二对象具有第二关联度;所述第二关联度表征所述第一对象与所述第二对象均出现在所述目标区域。若不匹配,则确定所述第一对象与所述第二对象具有第三关联度;所述第三关联度表征所述第一对象或所述第二对象出现在所述目标区域。
在可选的实施方式中,多个所述待关联对象包括第一对象、第二对象和第三对象,所述第二对象的时间信息对应所述时间窗口,所述第二对象的坐标位置对应所述目标区域。所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度,包括:根据所述监测数据和每个所述空间区域信息,确定所述第一对象与所述第二对象之间的第四关联度,以及所述第二对象与所述第三对象之间的第五关联度;根据所述第四关联度和所述第五关联度,确定所述第一对象与所述第三对象之间的所述时空关联度。
第二方面,实施例提供一种数据关联装置,包括:获取模块和处理模块。所述获取模块用于获取多个待关联对象的监测数据;所述监测数据包括每个所述待关联对象的时间信息以及坐标位置;所述处理模块用于根据所述坐标位置,获取所述待关联对象的空间区域信息;所述空间区域信息用于指示所述坐标位置所属的监测区域;所述处理模块还用于根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度。
在可选的实施方式中,所述处理模块还用于根据所述时间信息,获取所述待关联对象处于目标区域的时间窗口;所述目标区域为所述空间区域信息对应的监测区域,所述时间窗口包括所述待关联对象处于所述目标区域的时间区间。
在可选的实施方式中,多个所述待关联对象包括第一对象、第二对象和第三对象,所述第二对象的时间信息对应所述时间窗口,所述第二对象的坐标位置对应所述目标区域。所述处理模块还用于根据所述监测数据和每个所述空间区域信息,确定所述第一对象与所述第二对象之间的第四关联度,以及所述第二对象与所述第三对象之间的第五关联度;所述处理模块还用于根据所述第四关联度和所述第五关联度,确定所述第一对象与所述第三对象之间的所述时空关联度。
第三方面,实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式任一项所述的数据关联方法。
第四方面,实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的数据关联方法。
相对于现有技术而言,本申请提供一种数据关联方法、装置、电子设备和计算机可读存储介质,涉及安防监控的数据处理领域。所述方法包括:获取多个待关联对象的监测数据;所述监测数据包括每个所述待关联对象的时间信息以及坐标位置;根据所述坐标位置,获取所述待关联对象的空间区域信息;所述空间区域信息用于指示所述坐标位置所属的监测区域;根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度。根据待关联对象的坐标位置获取待关联对象的空间区域信息,不将待关联对象局限于某一固定的点,而将其进行空间区域化,进而提高在同一监测区域的多个监控设备获取的数据之间的关联性,提高数据关联的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种数据关联方法的流程示意图;
图2为本申请实施例提供的另一种数据关联方法的流程示意图;
图3为本申请实施例提供的另一种数据关联方法的流程示意图;
图4为本申请实施例提供的另一种数据关联方法的流程示意图;
图5为本申请实施例提供的另一种数据关联方法的流程示意图;
图6为本申请实施例提供的一种数据关联装置的方框示意图;
图7为本申请实施例提供的一种电子设备的方框示意图。
图标:40-数据关联装置,41-获取模块,42-处理模块,60-电子设备,61-存储器,62-处理器,63-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
当前的安防数据或公安数据大都是通过隔离的多个监测设备进行采集的,各个数据之间关联性不高,为了解决背景技术中提出的问题,满足当前安防业务和公安业务等场景的多种需要,以及对各种监控探测数据进行合理利用,本申请实施例提供一种数据关联方法,请参见图1,图1为本申请实施例提供的一种数据关联方法的流程示意图。该数据关联方法包括:
S200、获取多个待关联对象的监测数据。
该监测数据包括每个待关联对象的时间信息以及坐标位置。可以理解的,该监测数据可以是由各个不同的监测探测设备中获取的,由于各个监控探测数据格式以及信息都不一致,但其中都包含了一些重要信息,如待关联对象的身份标识、时间信息以及坐标位置等,例如,该坐标位置可以是以经纬度坐标来指示的,也可以是使用其他可以指示待关联对象的位置信息的坐标系等。
S201、根据坐标位置,获取待关联对象的空间区域信息。
该空间区域信息用于指示坐标位置所属的监测区域。例如,以坐标位置是待关联对象的经纬度为例,该空间区域信息可以是根据“S2”算法获取的,将待关联对象的经纬度进行计算,获取一个64位的数字,该64位数字涵盖了待关联对象的经纬度的双重信息,可以理解的,使用“S2”算法就可以将属于一定空间区域范围内的待关联对象设置在同一空间区域对应的监测区域,使计算出的关联度更符合现实规律。
S203、根据监测数据和每个空间区域信息,确定任意两个待关联对象之间的时空关联度。
可以理解的,通过待关联对象的时间信息和空间区域信息,获取任意两个待关联对象的时空轨迹,确定任意两个待关联对象之间的时空关联度。由于每次确定任意两个待关联对象的时空关联度时,不需要依据空间二维或以上维度的数据进行多次重复处理,可以有效的减少关联度的计算工作量,提高获取任意两个待关联对象的时空关联度的效率。
可以理解的,上述获取时空关联度可以是通过分析时间、空间的期望来实现,例如以下述公式来确定:
Figure BDA0002293043110000061
其中,E(x)表示待关联对象A和待关联对象B在预设时间和空间区域内重合的期望,即时空关联度;xk表示待关联对象A和待关联对象B在预设时间和空间区域内重合的次数,pk表示待关联对象A和待关联对象B在预设时间和空间区域内重合的概率。可以理解的,本申请是基于时间和空间数据来进行的关联分析,故本申请使用待关联对象A和待关联对象B的时空轨迹重合情况来进行确定时空关联度。
例如,以空间区域信息为上述的64位的数字为例,该64位的数字在确定待关联对象的位置信息时仅需要一维数据,减少了经纬度在确定待关联对象的位置信息时需要二维数据(经度和纬度)的计算过程,在时空关联度计算过程中可以明显的减少计算量。相对于现有技术中,多个对象时空数据融合采用传统的Apriori,其依赖较大的服务器资源,计算时间很长,且关联的效果较差,使用本申请提供的数据关联方法可以有效的降低硬件资源需求,提高数据关联的效果和计算效率。可以理解的,本申请提供的数据关联方法可以运行在分布式集群上,该分布式集群可以包括多个具有处理能力的节点,可以在每个节点上处理一部分数据,在需要使用关联数据时,直接在分布式集群上进行调用即可。
在可选的实施方式中,为了进一步提高时空关联度的准确性和计算效率,在图1的基础上,给出一种可能的实现方式,请参见图2,图2为本申请实施例提供的另一种数据关联方法的流程示意图。在S203之前,该数据关联方法还可以包括:
S202、根据时间信息,获取待关联对象处于目标区域的时间窗口。
该目标区域为空间区域信息对应的监测区域,该时间窗口可以包括待关联对象处于目标区域的时间区间。可以理解的,本申请实施例提供的数据关联方法可以不用严格控制两条抓拍记录的时间和空间要完全相同,而是允许一定的数据范围区间。因为针对时间数据,不同的设备系统自身的时间校准可能存在误差,以及在该地点在时间间隔极短的情况下,我们会近似认为这两个对象是在同一时间出现;针对空间数据,同一个卡口的不同设备,他们的实际经纬度是有误差的,而在实践中这应该被认为是同一个地点,针对上述空间和时间这个范围区间的确定问题,本申请采用了不同的优化方式,针对空间可以采用上述提出的“S2”算法,将空间这个由经纬度组成的二维数据降维到一维,这样在判断空间范围时运算速度更快;针对时间,本申请采用时间窗口来控制,该时间窗口可以是可滑动的时间窗口,本申请在同一时间窗口内的时间数据都可以算为一个时间点,且这个时间窗口可根据业务需求调控。
在可选的实施方式中,为了获取任意两个待关联对象之间的时空关联度,在图2的基础上,以多个待关联对象包括第一对象和第二对象,第一对象的时间信息对应上述的时间窗口,第一对象的坐标位置对应上述的目标区域为例,请参见图3,图3为本申请实施例提供的另一种数据关联方法的流程示意图。上述的S203可以包括:
S203a、判断第二对象的时间信息是否处于时间窗口。
若否,则执行S203b;若是,则执行S203c。
S203b、忽略第一对象与第二对象之间的关联度信息。
S203c、确定第一对象与第二对象具有第一关联度。
该第一关联度表征第一对象与第二对象均在上述的时间窗口出现。
可以理解的,可以将多个不同的时间窗口获取的关联度数据进行聚合,实现小批量数据到大批量数据的整合,每次计算时空关联度可以更为迅速,提高时空关联度的计算效率。
在可选的实施方式中,为了获取任意两个待关联对象之间的时空关联度,在图3的基础上,给出一种可能的实现方式,请参见图4,图4为本申请实施例提供的另一种数据关联方法的流程示意图。上述的S203还可以包括:
S203d、判断第二对象的空间区域信息与目标区域是否匹配。
若匹配,则执行S203e;若不匹配,则执行S203f。
S203e、确定第一对象与第二对象具有第二关联度。
该第二关联度表征第一对象与第二对象均出现在目标区域。
S203f、确定第一对象与第二对象具有第三关联度。
该第三关联度表征第一对象或第二对象出现在目标区域。
例如,对于上述的pk,其可以是待关联对象A(第一对象)和待关联对象B(第二对象)在同一时间、同一空间下共同出现的次数除以待关联对象A(第一对象)和待关联对象B(第二对象)的时空分布总和,而该时空分布总和一般有四种情况:A和B在同一时间,同一空间同时出现(令其为x);A和B在同一时间,出现在了不同空间(令其为y);A出现,B没出现(令其为m);A没出现,B出现(令其为n)。可以理解的,A和B都没出现则数据库不会存在记录,自然可以忽略。然后可以根据安防部门或公安机关的实际业务场景,以如下公式进行优化:
Figure BDA0002293043110000091
其中,L(A,B)为待关联对象A和待关联对象B之间的时空关联度,i为待关联对象A(第一对象)出现的目标区域标号,j为待关联对象A(第一对象)出现的时间窗口标号,xij表征待关联对象A(第一对象)和待关联对象B(第二对象)在同一时间、同一空间下共同出现的情况,yj表征待关联对象A(第一对象)和待关联对象B(第二对象)在同一时间、出现在不同空间区域的情况。可以理解的,由于各种监控探测设备所产生的数据每天都是按亿计算,所以整体计算复杂度十分高,根据实际的设备数据分析来看,时空关联度的核心指标是x,即就是待关联对象A和待关联对象B在同一时间同一空间共同出现,而这样的前提是在同一个地点必须有不同类型的监控探测设备,而真实的设备分布来看,很多点位都不满足要求,那么整体数据量中m和n的数值就会极其大;故由于上述场景,本申请实施例舍弃计算m和n的值,简化分步运算,进而提高整体运算效率以及节约数据存储空间,而在一定程度上保持原理论支撑的数据模型分布,时空关联度的计算公式可以优化为:
Figure BDA0002293043110000092
或是:
Figure BDA0002293043110000093
其中,si|A表征待关联对象A出现在第i个地点,tj|A表征待关联对象A在第j个时间窗口出现。Count(si|A=si|B|tj|A=tj|B)表征待关联对象A(第一对象)和待关联对象B(第二对象)在同一时间、同一空间下共同出现的情况计数,Count(si|A≠si|B|tj|A=tj|B)表征待关联对象A(第一对象)和待关联对象B(第二对象)在同一时间、出现在不同空间区域的情况计数。
在可选的实施方式中,为了提高时空关联度的计算效率,减少计算量,在图1的基础上行,以多个待关联对象包括第一对象、第二对象和第三对象,第二对象的时间信息对应时间窗口,第二对象的坐标位置对应目标区域为例,请参见图5,图5为本申请实施例提供的另一种数据关联方法的流程示意图。上述的S203还可以包括:
S2031、根据监测数据和每个空间区域信息,确定第一对象与第二对象之间的第四关联度,以及第二对象与第三对象之间的第五关联度。
S2032、根据第四关联度和第五关联度,确定第一对象与第三对象之间的时空关联度。
可以理解的,以数据关联方法运行在分布式集群为例,首先抽取小批量数据,因为计算的数据量极其大,不能一次性加载全部数据,计算时利用分布式框架进行每次小批量计算最后再来聚合这些结果。在第一个节点上获取得到了第一对象与第二对象之间的第四关联度,在第二个节点上获取到了第二对象与第三对象之间的第五关联度;为了获取第一对象与第三对象之间的时空关联度,可以根据第四关联度和第五关联度进行二度关联,已获取第一对象和第三对象之间的时空关联度。
为了实现上述的数据关联方法,本申请实施例提供一种数据关联装置,请参见图6,图6为本申请实施例提供的一种数据关联装置的方框示意图。该数据关联装置40包括:获取模块41和处理模块42。
获取模块41用于获取多个待关联对象的监测数据。监测数据包括每个待关联对象的时间信息以及坐标位置。
处理模块42用于根据坐标位置,获取待关联对象的空间区域信息;该空间区域信息用于指示坐标位置所属的监测区域。处理模块42还用于根据监测数据和每个空间区域信息,确定任意两个待关联对象之间的时空关联度。
可以理解的,上述的获取模块41和处理模块42可以实现上述的S200、S201和S203。
在可选的实施方式中,为了提高关联度的准确性,处理模块42还用于根据时间信息,获取待关联对象处于目标区域的时间窗口。该目标区域为空间区域信息对应的监测区域,时间窗口包括待关联对象处于目标区域的时间区间。应理解,处理模块42还可以实现上述的S202。
在可选的实施方式中,为了获取不同待关联对象之间的时空关联度,以多个待关联对象包括第一对象、第二对象和第三对象,第二对象的时间信息对应时间窗口,第二对象的坐标位置对应目标区域为例:处理模块42还用于根据监测数据和每个空间区域信息,确定第一对象与第二对象之间的第四关联度,以及第二对象与第三对象之间的第五关联度。处理模块42还用于根据第四关联度和第五关联度,确定第一对象与第三对象之间的时空关联度。应理解,处理模块42还可以实现上述的S2031和S2032。
可以理解的,获取模块41和处理模块42可以协同实现上述数据关联方法中的任一步骤或可能的子步骤。
本申请实施例提供一种电子设备,如图7,图7为本申请实施例提供的一种电子设备的方框示意图。该电子设备60包括存储器61、处理器62和通信接口63。该存储器61、处理器62和通信接口63相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器61可用于存储软件程序及模块,如本申请实施例所提供的数据关联方法对应的程序指令/模块,处理器62通过执行存储在存储器61内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口63可用于与其他节点设备进行信令或数据的通信。在本申请中该电子设备60可以具有多个通信接口63。
其中,存储器61可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器62可以是一种集成电路芯片,具有信号处理能力。该处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
电子设备60可以实现本申请提供的任一种数据关联方法。该电子设备60可以是,但不限于,手机、平板电脑、笔记本电脑、服务器或其它具有处理能力的电子设备。
本申请实施例提供一种计算机可读存储介质,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如前述实施方式中任一项的数据关联方法。该计算机可读存储介质可以是,但不限于,U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请提供一种数据关联方法、装置、电子设备和计算机可读存储介质,涉及安防监控的数据处理领域。该数据关联方法包括:获取多个待关联对象的监测数据;监测数据包括每个待关联对象的时间信息以及坐标位置;根据坐标位置,获取待关联对象的空间区域信息;空间区域信息用于指示坐标位置所属的监测区域;根据监测数据和每个空间区域信息,确定任意两个待关联对象之间的时空关联度。根据待关联对象的坐标位置获取待关联对象的空间区域信息,不将待关联对象局限于某一固定的点,而将其进行空间区域化,进而提高在同一监测区域的多个监控设备获取的数据之间的关联性,提高数据关联的准确性。
以上所述,仅为本申请的各种实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种数据关联方法,其特征在于,所述方法包括:
获取多个待关联对象的监测数据;所述监测数据包括每个所述待关联对象的时间信息以及坐标位置;
根据所述坐标位置,获取所述待关联对象的空间区域信息;所述空间区域信息用于指示所述坐标位置所属的监测区域;
根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度之前,所述方法还包括:
根据所述时间信息,获取所述待关联对象处于目标区域的时间窗口;所述目标区域为所述空间区域信息对应的监测区域,所述时间窗口包括所述待关联对象处于所述目标区域的时间区间。
3.根据权利要求2所述的方法,其特征在于,多个所述待关联对象包括第一对象和第二对象,所述第一对象的时间信息对应所述时间窗口,所述第一对象的坐标位置对应所述目标区域,所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度,包括:
判断所述第二对象的时间信息是否处于所述时间窗口;
若是,则确定所述第一对象与所述第二对象具有第一关联度;所述第一关联度表征所述第一对象与所述第二对象均在所述时间窗口出现。
4.根据权利要求3所述的方法,其特征在于,所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度,还包括:
判断所述第二对象的空间区域信息与所述目标区域是否匹配;
若匹配,则确定所述第一对象与所述第二对象具有第二关联度;所述第二关联度表征所述第一对象与所述第二对象均出现在所述目标区域;
若不匹配,则确定所述第一对象与所述第二对象具有第三关联度;所述第三关联度表征所述第一对象或所述第二对象出现在所述目标区域。
5.根据权利要求2所述的方法,其特征在于,多个所述待关联对象包括第一对象、第二对象和第三对象,所述第二对象的时间信息对应所述时间窗口,所述第二对象的坐标位置对应所述目标区域,所述根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度,包括:
根据所述监测数据和每个所述空间区域信息,确定所述第一对象与所述第二对象之间的第四关联度,以及所述第二对象与所述第三对象之间的第五关联度;
根据所述第四关联度和所述第五关联度,确定所述第一对象与所述第三对象之间的所述时空关联度。
6.一种数据关联装置,其特征在于,包括:获取模块和处理模块;
所述获取模块,用于获取多个待关联对象的监测数据;所述监测数据包括每个所述待关联对象的时间信息以及坐标位置;
所述处理模块,用于根据所述坐标位置,获取所述待关联对象的空间区域信息;所述空间区域信息用于指示所述坐标位置所属的监测区域;
所述处理模块还用于根据所述监测数据和每个所述空间区域信息,确定任意两个所述待关联对象之间的时空关联度。
7.根据权利要求6所述的装置,其特征在于,所述处理模块还用于根据所述时间信息,获取所述待关联对象处于目标区域的时间窗口;所述目标区域为所述空间区域信息对应的监测区域,所述时间窗口包括所述待关联对象处于所述目标区域的时间区间。
8.根据权利要求7所述的装置,其特征在于,多个所述待关联对象包括第一对象、第二对象和第三对象,所述第二对象的时间信息对应所述时间窗口,所述第二对象的坐标位置对应所述目标区域;
所述处理模块还用于根据所述监测数据和每个所述空间区域信息,确定所述第一对象与所述第二对象之间的第四关联度,以及所述第二对象与所述第三对象之间的第五关联度;
所述处理模块还用于根据所述第四关联度和所述第五关联度,确定所述第一对象与所述第三对象之间的所述时空关联度。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-5任一项所述的数据关联方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的数据关联方法。
CN201911188777.4A 2019-11-28 2019-11-28 数据关联方法、装置、电子设备和计算机可读存储介质 Active CN110837582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911188777.4A CN110837582B (zh) 2019-11-28 2019-11-28 数据关联方法、装置、电子设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911188777.4A CN110837582B (zh) 2019-11-28 2019-11-28 数据关联方法、装置、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110837582A true CN110837582A (zh) 2020-02-25
CN110837582B CN110837582B (zh) 2022-06-03

Family

ID=69577763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911188777.4A Active CN110837582B (zh) 2019-11-28 2019-11-28 数据关联方法、装置、电子设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110837582B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111403021A (zh) * 2020-03-11 2020-07-10 中国电子工程设计院有限公司 一种监测方法及装置
CN112765473A (zh) * 2021-01-28 2021-05-07 杭州云深科技有限公司 获取目标关联设备的数据处理系统
CN112788524A (zh) * 2020-12-28 2021-05-11 中国移动通信集团江苏有限公司 对象查询方法、装置、设备及存储介质
WO2021227790A1 (zh) * 2020-05-15 2021-11-18 深圳云天励飞技术股份有限公司 视频图像目标关联方法、装置及终端设备
CN113704533A (zh) * 2021-01-25 2021-11-26 浙江大华技术股份有限公司 对象关系的确定方法及装置、存储介质、电子装置
CN113742605A (zh) * 2020-05-29 2021-12-03 京东城市(北京)数字科技有限公司 时空关联关系的确定方法、装置、设备和存储介质
CN115687460A (zh) * 2023-01-04 2023-02-03 北京码牛科技股份有限公司 利用轨迹数据挖掘重点人群的关联对象的方法及系统
CN117251736A (zh) * 2023-11-13 2023-12-19 杭州海康威视数字技术股份有限公司 基于神经网络和时空关联度的物联网数据汇聚方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1521702A (zh) * 2003-01-29 2004-08-18 杭州东辰信息科技有限公司 一种新型的高速公路超速抓拍系统
US20040177053A1 (en) * 2003-03-04 2004-09-09 Donoho Steven Kirk Method and system for advanced scenario based alert generation and processing
US20100208064A1 (en) * 2009-02-19 2010-08-19 Panasonic Corporation System and method for managing video storage on a video surveillance system
CN104794429A (zh) * 2015-03-23 2015-07-22 中国科学院软件研究所 一种面向监控视频的关联可视分析方法
CN105095242A (zh) * 2014-04-30 2015-11-25 国际商业机器公司 一种标记地理区域的方法和装置
CN106713656A (zh) * 2017-01-13 2017-05-24 努比亚技术有限公司 一种拍摄方法和移动终端
CN106937377A (zh) * 2015-12-29 2017-07-07 中国移动通信集团公司 一种针对监测目标实现分级定位的方法、装置及设备
CN108052924A (zh) * 2017-12-28 2018-05-18 武汉大学深圳研究院 空间运动行为语义模式的辨识方法
CN108960144A (zh) * 2018-07-04 2018-12-07 泰康保险集团股份有限公司 心率检测方法及装置、存储介质和电子设备
CN108985263A (zh) * 2018-08-08 2018-12-11 北京旷视科技有限公司 一种数据采集方法、装置、电子设备和计算机可读介质
CN109800689A (zh) * 2019-01-04 2019-05-24 西南交通大学 一种基于时空特征融合学习的目标跟踪方法
CN110457315A (zh) * 2019-07-19 2019-11-15 国家计算机网络与信息安全管理中心 一种基于用户轨迹数据的群体聚集模式分析方法和系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1521702A (zh) * 2003-01-29 2004-08-18 杭州东辰信息科技有限公司 一种新型的高速公路超速抓拍系统
US20040177053A1 (en) * 2003-03-04 2004-09-09 Donoho Steven Kirk Method and system for advanced scenario based alert generation and processing
US20100208064A1 (en) * 2009-02-19 2010-08-19 Panasonic Corporation System and method for managing video storage on a video surveillance system
CN105095242A (zh) * 2014-04-30 2015-11-25 国际商业机器公司 一种标记地理区域的方法和装置
CN104794429A (zh) * 2015-03-23 2015-07-22 中国科学院软件研究所 一种面向监控视频的关联可视分析方法
CN106937377A (zh) * 2015-12-29 2017-07-07 中国移动通信集团公司 一种针对监测目标实现分级定位的方法、装置及设备
CN106713656A (zh) * 2017-01-13 2017-05-24 努比亚技术有限公司 一种拍摄方法和移动终端
CN108052924A (zh) * 2017-12-28 2018-05-18 武汉大学深圳研究院 空间运动行为语义模式的辨识方法
CN108960144A (zh) * 2018-07-04 2018-12-07 泰康保险集团股份有限公司 心率检测方法及装置、存储介质和电子设备
CN108985263A (zh) * 2018-08-08 2018-12-11 北京旷视科技有限公司 一种数据采集方法、装置、电子设备和计算机可读介质
CN109800689A (zh) * 2019-01-04 2019-05-24 西南交通大学 一种基于时空特征融合学习的目标跟踪方法
CN110457315A (zh) * 2019-07-19 2019-11-15 国家计算机网络与信息安全管理中心 一种基于用户轨迹数据的群体聚集模式分析方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
王齐童 等: "一种高效的移动对象伴随模式挖掘算法", 《计算机工程》 *
王齐童 等: "一种高效的移动对象伴随模式挖掘算法", 《计算机工程》, vol. 46, no. 04, 29 May 2019 (2019-05-29), pages 97 - 106 *
谢彬 等: "移动目标关联共现规则挖掘算法研究", 《计算机工程》 *
谢彬 等: "移动目标关联共现规则挖掘算法研究", 《计算机工程》, vol. 44, no. 08, 15 August 2018 (2018-08-15), pages 61 - 67 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111403021A (zh) * 2020-03-11 2020-07-10 中国电子工程设计院有限公司 一种监测方法及装置
CN111403021B (zh) * 2020-03-11 2023-12-05 中国电子工程设计院有限公司 一种监测方法及装置
WO2021227790A1 (zh) * 2020-05-15 2021-11-18 深圳云天励飞技术股份有限公司 视频图像目标关联方法、装置及终端设备
CN113742605A (zh) * 2020-05-29 2021-12-03 京东城市(北京)数字科技有限公司 时空关联关系的确定方法、装置、设备和存储介质
CN112788524A (zh) * 2020-12-28 2021-05-11 中国移动通信集团江苏有限公司 对象查询方法、装置、设备及存储介质
CN113704533A (zh) * 2021-01-25 2021-11-26 浙江大华技术股份有限公司 对象关系的确定方法及装置、存储介质、电子装置
CN112765473A (zh) * 2021-01-28 2021-05-07 杭州云深科技有限公司 获取目标关联设备的数据处理系统
CN112765473B (zh) * 2021-01-28 2022-04-15 杭州云深科技有限公司 获取目标关联设备的数据处理系统
CN115687460A (zh) * 2023-01-04 2023-02-03 北京码牛科技股份有限公司 利用轨迹数据挖掘重点人群的关联对象的方法及系统
CN117251736A (zh) * 2023-11-13 2023-12-19 杭州海康威视数字技术股份有限公司 基于神经网络和时空关联度的物联网数据汇聚方法及装置

Also Published As

Publication number Publication date
CN110837582B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN110837582B (zh) 数据关联方法、装置、电子设备和计算机可读存储介质
CN109698934B (zh) 一种区域监控方法及装置
WO2017202226A1 (zh) 人群流量的确定方法及装置
CN110866642A (zh) 安全监控方法、装置、电子设备和计算机可读存储介质
CN112561948B (zh) 基于时空轨迹的伴随轨迹识别方法、设备及存储介质
CN104317918B (zh) 基于复合大数据gis的异常行为分析及报警系统
CN109815787B (zh) 目标识别方法、装置、存储介质及电子设备
CN112182295B (zh) 基于行为预测的业务处理方法、装置及电子设备
CN109656973A (zh) 一种目标对象关联分析方法及装置
CN109902644A (zh) 人脸识别方法、装置、设备和计算机可读介质
EP3828732A2 (en) Method and apparatus for processing identity information, electronic device, and storage medium
CN114140713A (zh) 一种图像识别系统、图像识别方法
CN112419120A (zh) 群体性聚集事件预警方法、装置、系统和电子设备
CN116074215B (zh) 网络质量检测方法、装置、设备及存储介质
CN110619308A (zh) 一种过道杂物检测方法、装置、系统和设备
CN114637884B (zh) 一种电像计算时空轨迹与道路网的匹配方法、装置及设备
CN117273429A (zh) 事件监测方法、系统、电子设备及存储介质
CN114140712A (zh) 一种自动图像识别分发系统及方法
CN113949881B (zh) 一种基于智慧城市数据的业务处理方法及系统
CN114625510A (zh) 一种任务处理系统、方法、装置及存储介质
CN117271177B (zh) 基于链路数据的根因定位方法、装置、电子设备及存储介质
CN111178113A (zh) 一种信息处理方法、装置及存储介质
CN115150840B (zh) 一种基于深度学习的移动网络流量预测方法
CN116991675A (zh) 一种异常访问监控方法、装置、计算机设备及存储介质
CN112257546A (zh) 一种事件预警方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant