CN110852302A - 事故嫌疑身份信息确定方法及相关设备 - Google Patents
事故嫌疑身份信息确定方法及相关设备 Download PDFInfo
- Publication number
- CN110852302A CN110852302A CN201911142872.0A CN201911142872A CN110852302A CN 110852302 A CN110852302 A CN 110852302A CN 201911142872 A CN201911142872 A CN 201911142872A CN 110852302 A CN110852302 A CN 110852302A
- Authority
- CN
- China
- Prior art keywords
- identity information
- accident
- target
- suspect
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 42
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/10—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供了一种事故嫌疑身份信息确定方法及相关设备,涉及公共安全技术领域。该方法应用于计算机设备,所述方法包括:获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联;根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口;根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息;根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息,能够便捷地获取目标嫌疑身份信息。
Description
技术领域
本申请涉及公共安全技术领域,具体而言,涉及一种事故嫌疑身份信息确定方法及相关设备。
背景技术
目前,公安行业在进行嫌疑身份信息(例如,人员、车辆等)的确认过程中,通常会根据事故发生的地点作为圆心,默认距离作为半径得到一个覆盖区域,然后将当天覆盖区域中的所有卡口记录的数据拿出进行碰撞分析。若涉及的卡口过多,计算量十分庞大,严重影响了公安人员的办案效率,十分的不便。
有鉴于此,如何提供一种更为便捷的嫌疑身份信息确定方案,是本领域技术人员需要解决的。
发明内容
本申请的目的包括,例如,提供了一种事故嫌疑身份信息确定方法及相关设备。
本申请的实施例可以这样实现:
第一方面,实施例提供一种事故嫌疑身份信息确定方法,应用于计算机设备,所述方法包括:
获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联;
根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口;
根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息;
根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息。
在可选的实施方式中,所述根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息的步骤,包括:
根据所述地图导航数据和所述事故发生时间,计算得到嫌疑目标到达所述目标卡口的到达时间;
根据所述到达时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息。
在可选的实施方式中,所述计算得到嫌疑目标到达所述目标卡口的到达时间的步骤,包括:
根据所述地图导航数据、所述事故发生时间和预设时间系数,计算得到所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻;
根据所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻,计算得到所述嫌疑目标到达所述目标卡口的到达时间。
在可选的实施方式中,所述目标卡口包括摄像头,所述计算机设备中存储有信息档案库,所述根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息的步骤,包括:
通过所述摄像头采集待处理视频图像;
根据所述待处理视频图像和所述信息档案库,确定所述待确定嫌疑身份信息;
根据所述每个事故对应的待确定嫌疑身份信息,得到所述多个事故中重复出现的待确定嫌疑身份信息;
根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息。
在可选的实施方式中,所述待确定嫌疑身份信息包括人员待确认嫌疑身份信息和车辆待确定嫌疑身份信息,所述根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息的步骤,包括:
根据重复出现的人员待确认嫌疑身份信息,计算得到重复次数最多的目标人员待确认嫌疑身份信息;
根据重复出现的车辆待确认嫌疑身份信息,计算得到重复次数最多的目标车辆待确认嫌疑身份信息;
判定所述目标人员待确认嫌疑身份信息和目标车辆待确认嫌疑身份信息为所述目标嫌疑身份信息。
在可选的实施方式中,所述目标卡口包括人员卡口和车辆卡口,所述信息档案库中包括人员信息和车辆信息,所述通过所述摄像头采集待处理视频图像的步骤,包括:
通过所述人员卡口获取人脸图像;
将人脸图像与所述根据所述信息档案库中包括的人员信息进行比对,得到所述人员待确认嫌疑身份信息;
通过所述车辆卡口获取车辆图像;
将车辆图像与所述根据所述信息档案库中包括的车辆信息进行比对,得到所述车辆待确认嫌疑身份信息。
在可选的实施方式中,所述根据所述事故发生的位置信息,确定目标卡口,包括:
根据预设半径和所述事故发生的位置信息,计算得到事故发生范围;
将事故发生范围内所有的卡口作为所述事故对应的目标卡口。
第二方面,实施例提供一种事故嫌疑身份信息确定装置,应用于计算机设备,所述装置包括:
获取模块,用于获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联;
确定模块,用于根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口;
计算模块,用于根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息;根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息。
第三方面,实施例提供一种计算机设备,所述计算机设备与终端设备通信连接,所述计算机设备包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述计算机设备执行前述实施方式中任意一项所述的事故嫌疑身份信息确定方法。
第四方面,实施例提供一种可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在计算机设备执行前述实施方式中任意一项所述的事故嫌疑身份信息确认方法。
本申请实施例的有益效果包括,例如:
采用本申请实施例提供的事故嫌疑身份信息确定方法及相关设备,通过获取相互关联的多个事故发生的位置信息,得到各个事故对应的目标卡口,再巧妙地根据地图导航数据和各个事故发生的时间,获取通过目标卡口得到的各个事故对应的待确定嫌疑身份信息,最后根据各个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息,能够较为便捷地获取目标嫌疑身份信息。
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事故嫌疑身份信息确定方法的步骤流程示意图;
图2为本申请实施例提供的事故嫌疑身份信息确定过程的示意框图;
图3为本申请实施例提供的事故嫌疑身份信息确定装置的结构示意框图;
图4为本申请实施例提供的计算机设备的结构示意框图。
图标:100-计算机设备;110-事故嫌疑身份信息确定装置;1101-获取模块;1102-确定模块;1103-计算模块;111-存储器;112-处理器;113-通信单元。
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作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。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
目前,公安行业在对多个案件进行并行处理时,会考虑到是否为同一嫌疑目标多次作案,以及多个嫌疑目标团伙多次作案等情况。在现有技术中,大多是将事故发生地附近所有卡口采集的信息进行读取分析,当涉及的卡口数量过多时,整个数据也十分的庞大,计算过程十分的复杂,一定程度上影响了公安人员的办案效率。基于此,本申请实施例提供了一种事故嫌疑身份信息确定方法的示例,该方法应用于计算机设备,如图1所示,该方法包括步骤S201至步骤S204。
步骤S201,获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联。
步骤S202,根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口。
步骤S203,根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息。
步骤S204,根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息。
多个事故之间相互关联的依据可以是根据案件性质(例如抢劫、偷窃等),也可以是受害者人群(例如小孩,老人等),还可以是作案时间,在此不做限制。公安人员通过前述依据,将多个事故认定为相互关联的事故,能够提高确定嫌疑目标的效率。在本实施例中,嫌疑目标可以是指与多个关联事故均有关的目标。而地图导航数据可以根据各类地图的Application Programming Interface(应用程序编程接口,简称API)进行实时获取。
在此基础上,本申请实施例提供一种根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息的示例,可以通过以下步骤实现。
根据所述地图导航数据和所述事故发生时间,计算得到嫌疑目标到达所述目标卡口的到达时间。
根据所述到达时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息。
可以引入地图导航数据与事故发生时间配合计算得到嫌疑目标到达目标卡口的到达时间。在现有技术中,计算嫌疑目标到达目标卡口的时间一般是根据地图上的直线距离进行计算,而在实际应用中,嫌疑目标可以是沿着道路行动,然而在行动的过程中也会随着时间的不同有着不同的行动速度。例如在早高峰和凌晨,同样的路段,嫌疑目标到达目标卡口的时间是不同的,通过结合地图导航数据,能够更加准确根据事故发生时间的路况信息计算得到嫌疑目标到达目标卡口的时间。
在前述方案的基础上,本申请实施例提供一种计算得到嫌疑目标到达所述目标卡口的到达时间的示例,可以通过以下步骤实现。
根据所述地图导航数据、所述事故发生时间和预设时间系数,计算得到所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻。
根据所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻,计算得到所述嫌疑目标到达所述目标卡口的到达时间。
目标卡口可以是一个,事故发生时间可以是“2018-08-06 16:20:13”,根据地图导航数据计算得到从事故发生的位置到达目标卡口需要80秒,可以计算得到嫌疑目标到达所述目标卡口的起始时刻为:“2018-08-06 16:20:13+80-80*0.1”=“2018-08-06 16:20:25”,嫌疑目标到达所述目标卡口的结束时刻为:“2018-08-06 16:20:13+80+80*0.1”=“2018-08-06 16:20:41”,可以得到嫌疑目标到达所述目标卡口的到达时间为“2018-08-0616:20:25至2018-08-06 16:20:41”。在本申请实施例中,时间系数可以取“0.1”,在本申请实施例的其他实施方式中,时间系数也可以根据所需的精确度进行取值,精度需求越高,时间系数越小,嫌疑目标到达所述目标卡口的到达时间的范围越小,嫌疑目标的锁定范围更小。精度需求越低,时间系数越大,嫌疑目标到达所述目标卡口的到达时间的范围越大,嫌疑目标的锁定范围更大。在本申请实施例中,嫌疑目标到达所述目标卡口的到达时间可以是一个时间段,在本申请实施例的其他实施方式中,嫌疑目标到达所述目标卡口的到达时间也可以是一个时刻。
在此基础上,所述目标卡口包括摄像头,所述计算机设备中存储有信息档案库,本申请实施例提供一种根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息的示例,可以通过以下步骤实现。
通过所述摄像头采集待处理视频图像。
根据所述待处理视频图像和所述信息档案库,确定所述待确定嫌疑身份信息。
根据所述每个事故对应的待确定嫌疑身份信息,得到所述多个事故中重复出现的待确定嫌疑身份信息。
根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息。
公安系统中的信息档案库可以适用于本方案,可以通过设置在目标卡口的摄像头进行图像采集,然后将采集到的图像与信息档案库中存储的信息进行比对,便可获取摄像头采集到的图像中的待确认嫌疑身份信息。
进一步地,所述待确定嫌疑身份信息包括人员待确认嫌疑身份信息和车辆待确定嫌疑身份信息,本申请实施例提供一种根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息的示例,可以通过以下步骤实现。
根据重复出现的人员待确认嫌疑身份信息,计算得到重复次数最多的目标人员待确认嫌疑身份信息。
根据重复出现的车辆待确认嫌疑身份信息,计算得到重复次数最多的目标车辆待确认嫌疑身份信息。
判定所述目标人员待确认嫌疑身份信息和目标车辆待确认嫌疑身份信息为所述目标嫌疑身份信息。
待确定嫌疑身份信息可以是人员待确认嫌疑身份信息,前述信息档案库中存储的可以是人员信息,可以根据各个目标卡口中出现的各个人员待确认嫌疑身份信息进行计数,得到在各个目标卡口中出现次数最多的待确认嫌疑身份信息,在只对人员待确认嫌疑身份信息进行排查的情况下,可以按照重复次数由高到低的顺序排列待确认嫌疑身份信息得到目标嫌疑身份信息,若只有一个人员待确认嫌疑身份信息重复次数明显过高,对应的多个事故可以是一个嫌疑目标多次作案,若有多个人员待确认嫌疑身份信息重复次数过高,且差距不大,可以认为对应的多个事故为多个嫌疑目标多次团伙作案。除了人员待确定嫌疑身份信息,待确认嫌疑身份信息还可以包括车辆待确认嫌疑身份信息,前述信息档案库中存储的可以是车辆信息,可以根据各个目标卡口中出现的各个车辆待确认嫌疑身份信息进行计数,得到在各个目标卡口中出现次数最多的待确认嫌疑身份信息,在只对车辆待确认嫌疑身份信息进行排查的情况下,可以按照重复次数由高到低的顺序排列待确认嫌疑身份信息得到目标嫌疑身份信息,若只有一个车辆待确认嫌疑身份信息重复次数明显过高,对应的多个事故可以是一个嫌疑目标多次作案,若有多个车辆待确认嫌疑身份信息重复次数过高,且差距不大,可以认为对应的多个事故为多个嫌疑目标多次团伙作案。除此之外,也可以根据在各个目标卡口中出现次数最多的人员待确认嫌疑身份信息和车辆待确认嫌疑身份信息得到目标嫌疑身份信息,可以认为对应的多个事故为多个嫌疑目标多次协作完成,且逃跑所选的交通工具或路线不同。
进一步地,所述目标卡口包括人员卡口和车辆卡口,所述信息档案库中包括人员信息和车辆信息,本申请实施例提供一种通过所述摄像头采集待处理视频图像的步骤,包括:
通过所述人员卡口获取人脸图像。
将人脸图像与所述根据所述信息档案库中包括的人员信息进行比对,得到所述人员待确认嫌疑身份信息。
通过所述车辆卡口获取车辆图像。
将车辆图像与所述根据所述信息档案库中包括的车辆信息进行比对,得到所述车辆待确认嫌疑身份信息。
可以通过人员卡口中的摄像头采集的人脸图像作为从信息档案库中找到对应人员信息得到人员待确认嫌疑身份信息的依据,通过车辆卡口中的摄像头采集的车辆图像作为从信息档案库中找到的对应车辆信息(例如车牌号)得到车辆待确认嫌疑身份信息的依据。
可以结合图2参照表一,表一为本申请实施例提供的多个目标卡口记录的待确认身份信息表。
表一
有第一偷窃事故发生,根据该第一偷窃事故发生的位置,确定该第一偷窃事故的目标卡口包括车辆卡口A和人员卡口A,该第一偷窃事故发生的时间可以是“2019-08-0516:00:13”,而根据地图导航数据计算得到的从该第一偷窃事故发生的位置到车辆卡口A的到达时间可以是“2019-08-05 16:20:00至2019-08-05 16:20:20”,在这个时间段内,车辆卡口A采集到的车辆信息为车牌号,为皖AXXXXX、皖BXXXXX和皖CXXXXX,可以将这三个车牌号作为车辆待确认嫌疑身份信息,而根据地图导航数据计算得到的从该第一偷窃事故发生的位置到人员卡口A的到达时间可以是“2019-08-05 16:45:00至2019-08-05 16:45:50”,在这个时间段内,人员卡口A采集到的人员信息为人脸图像,为人像ID A、人像ID B和人像ID C,可以将这三个人脸图像作为人员待确认嫌疑身份信息。
有第二偷窃事故发生,其作案手法与前述第一偷窃事故类似,可以将第一偷窃事故和第二偷窃事故认为是有关联的,根据第二偷窃事故发生的位置,确定该第二偷窃事故的目标卡口包括车辆卡口B、车辆卡口C、人员卡口B和人员卡口C,该第二偷窃事故发生的时间可以是“2019-08-06 16:00:13”,而根据地图导航数据计算得到的从该第二偷窃事故发生的位置到车辆卡口B的到达时间可以是“2019-08-06 16:20:00至2019-08-06 16:20:20”,在这个时间段内,车辆卡口B采集到的车辆信息为车牌号,为皖AXXXXX、皖BXXXXX和皖DXXXXX,可以将这三个车牌号作为车辆待确认嫌疑身份信息,根据地图导航数据计算得到的从该第二偷窃事故发生的位置到车辆卡口C的到达时间可以是“2019-08-06 16:40:00至2019-08-06 16:40:20”,在这个时间段内,车辆卡口C采集到的车辆信息为车牌号,为皖AXXXXX、皖EXXXXX和皖FXXXXX,可以将这三个车牌号作为车辆待确认嫌疑身份信息。而根据地图导航数据计算得到的从该第二偷窃事故发生的位置到人员卡口B的到达时间可以是“2019-08-06 16:45:00至2019-08-06 16:45:50”,在这个时间段内,人员卡口B采集到的人员信息为人脸图像,为人像ID A、人像ID B和人像ID D,可以将这三个人脸图像作为人员待确认嫌疑身份信息,根据地图导航数据计算得到的从该第二偷窃事故发生的位置到人员卡口C的到达时间可以是“2019-08-0617:15:00至2019-08-06 17:15:50”,在这个时间段内,人员卡口C采集到的人员信息为人脸图像,为人像ID A、人像ID E和人像ID F,可以将这三个人脸图像作为人员待确认嫌疑身份信息。
有第三偷窃事故发生,其作案手法与前述第一偷窃事故和第二偷窃事故类似,可以将第三偷窃事故认为与第一偷窃事故和第二偷窃事故是有关联的,根据该第三偷窃事故发生的位置,确定该第一偷窃事故的目标卡口包括车辆卡口D和人员卡口D,该第三偷窃事故发生的时间可以是“2019-08-0716:00:13”,而根据地图导航数据计算得到的从该第三偷窃事故发生的位置到车辆卡口D的到达时间可以是“2019-08-07 16:20:00至2019-08-0716:20:20”,在这个时间段内,车辆卡口D采集到的车辆信息为车牌号,为皖AXXXXX、皖CXXXXX和皖FXXXXX,可以将这三个车牌号作为车辆待确认嫌疑身份信息,而根据地图导航数据计算得到的从该第一偷窃事故发生的位置到人员卡口D的到达时间可以是“2019-08-0717:15:00至2019-08-0717:15:30”,在这个时间段内,人员卡口D采集到的人员信息为人脸图像,为人像ID A、人像ID C和人像ID E,可以将这三个人脸图像作为人员待确认嫌疑身份信息。
多个相互关联的事件可以是上述的第一偷窃事故、第二偷窃事故和第三偷窃事故,可以根据三个事故的作案手法及案发时间等依据判定三者为相互关联的,基于此,通过各个目标卡口即车辆卡口A、车辆卡口B、车辆卡口C、车辆卡口D、人员卡口A、人员卡口B、人员卡口C和人员卡口D获取的待确认嫌疑身份信息中,车辆待确认嫌疑身份信息包括4次皖AXXXXX、2次皖BXXXXX、2次皖CXXXXX、1次皖DXXXXX、1次皖EXXXXX和2次皖FXXXXX。人员待确认嫌疑身份信息包括4次人像ID A、2次人像ID B、2次人像ID C、1次人像ID D、2次人像ID E和1次人像ID E。可以得出,在多次事故通过对应的目标卡口获取的车辆待确认嫌疑身份信息和人员待确认身份信息中,皖AXXXXX和人像ID A出现的次数最多,可以认为皖AXXXXX和人像ID A为多次事故对应的目标嫌疑身份信息,即车牌号为皖AXXXXX以及人像ID A对应的人员为多次事故的团伙作案人员。在本申请实施例的其他实施方式中,目标卡口还可以包括Wireless Fidelity(无线上网,简称Wi-Fi)卡口,可以通过Wi-Fi卡口获取通讯设备待确认嫌疑身份信息,然后根据多个事故通过对应的Wi-Fi卡口获取的多个通讯设备待确认嫌疑身份信息得出目标嫌疑身份信息。
采用上述事故嫌疑身份信息确定方法,能够减少碰撞分析的数据量,可以将现有技术中采用的案发当天一整天的轨迹数据缩小到几分钟以内,提高了计算性能。同时提高碰撞分析数据的准确度,从而使计算结果更精确,有效的减少了数据噪音。在前述基础上,该方法采用全自动计算,大大降低了公安人员的人工操作,提高了公安人员的工作效率。
本申请实施例还提供一种根据所述事故发生的位置信息,确定目标卡口的示例,可以通过以下步骤实现。
根据预设半径和所述事故发生的位置信息,计算得到事故发生范围。
将事故发生范围内所有的卡口作为所述事故对应的目标卡口。
事故发生的位置信息可以包括事故发生的经度信息和纬度信息,可以将事故发生的经度信息和纬度信息确定的位置作为圆心,结合预设半径,得到事故发生范围,可以将位于该事故发生范围内所有的卡口作为该事故对应的目标卡口,在获得多个目标卡口后,可以按照距离事故发生的位置从近到远进行排序,能够在确定得出目标嫌疑身份信息后,同步获取嫌疑目标的行动路线,能够进一步地提高公安人员的办案效率。
本申请实施例提供一种事故嫌疑身份信息确定装置110,该装置应用于计算机设备,如图3所示,所述事故嫌疑身份信息确定装置110包括:
获取模块1101,用于获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联。
确定模块1102,用于根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口。
计算模块1103,用于根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息;根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息。
进一步地,所述计算模块1103包括:
第一计算子模块,用于根据所述地图导航数据和所述事故发生时间,计算得到嫌疑目标到达所述目标卡口的到达时间;根据所述到达时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息。
进一步地,所述第一计算子模块具体用于:
根据所述地图导航数据、所述事故发生时间和预设时间系数,计算得到所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻;根据所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻,计算得到所述嫌疑目标到达所述目标卡口的到达时间。
进一步地,所述目标卡口包括摄像头,所述计算机设备中存储有信息档案库,所述计算模块1103还包括:
第二计算子模块,用于通过所述摄像头采集待处理视频图像;根据所述待处理视频图像和所述信息档案库,确定所述待确定嫌疑身份信息;根据所述每个事故对应的待确定嫌疑身份信息,得到所述多个事故中重复出现的待确定嫌疑身份信息;根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息。
进一步地,所述待确定嫌疑身份信息包括人员待确认嫌疑身份信息和车辆待确定嫌疑身份信息,所述第二计算子模块具体用于:
根据重复出现的人员待确认嫌疑身份信息,计算得到重复次数最多的目标人员待确认嫌疑身份信息;根据重复出现的车辆待确认嫌疑身份信息,计算得到重复次数最多的目标车辆待确认嫌疑身份信息;判定所述目标人员待确认嫌疑身份信息和目标车辆待确认嫌疑身份信息为所述目标嫌疑身份信息。
进一步地,所述目标卡口包括人员卡口和车辆卡口,所述信息档案库中包括人员信息和车辆信息,所述第二计算子模块具体还用于:
通过所述人员卡口获取人脸图像;将人脸图像与所述根据所述信息档案库中包括的人员信息进行比对,得到所述人员待确认嫌疑身份信息;通过所述车辆卡口获取车辆图像;将车辆图像与所述根据所述信息档案库中包括的车辆信息进行比对,得到所述车辆待确认嫌疑身份信息。
进一步地,所述确定模块1102具体用于:根据预设半径和所述事故发生的位置信息,计算得到事故发生范围;将事故发生范围内所有的卡口作为所述事故对应的目标卡口。
本申请实施例提供的事故嫌疑身份信息确定装置110的实现原理可以参照前述事故嫌疑身份信息确定方法的实现原理,在此不再赘述。
本申请实施例提供一种计算机设备100,所述计算机设备100与终端设备通信连接,所述计算机设备100包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述计算机设备100执行前述的事故嫌疑身份信息确定方法。如图4所示,图4为本申请实施例提供的计算机设备100的结构框图。所述计算机设备100包括事故嫌疑身份信息确定装置110、存储器111、处理器112及通信单元113。
所述存储器111、处理器112以及通信单元113各元件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。所述事故嫌疑身份信息确定装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述计算机设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块,例如所述事故嫌疑身份信息确定装置110所包括的软件功能模块及计算机程序等。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
本申请实施例提供一种可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在计算机设备100执行前述的事故嫌疑身份信息确认方法。
综上所述,本申请实施例提供了一种事故嫌疑身份信息确定方法及相关设备,通过获取相互关联的多个事故发生的位置信息,得到各个事故对应的目标卡口,再巧妙地根据地图导航数据和各个事故发生的时间,获取通过目标卡口得到的各个事故对应的待确定嫌疑身份信息,最后根据各个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息,能够较为便捷地获取目标嫌疑身份信息。
以上所述,仅为本申请的具体实施方式,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,可轻易想到的变化或替换,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以所述权利要求的保护范围为准。
Claims (10)
1.一种事故嫌疑身份信息确定方法,其特征在于,应用于计算机设备,所述方法包括:
获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联;
根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口;
根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息;
根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息。
2.根据权利要求1所述的方法,其特征在于,所述根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息的步骤,包括:
根据所述地图导航数据和所述事故发生时间,计算得到嫌疑目标到达所述目标卡口的到达时间;
根据所述到达时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息。
3.根据权利要求2所述的方法,其特征在于,所述计算得到嫌疑目标到达所述目标卡口的到达时间的步骤,包括:
根据所述地图导航数据、所述事故发生时间和预设时间系数,计算得到所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻;
根据所述嫌疑目标到达所述目标卡口的起始时刻和结束时刻,计算得到所述嫌疑目标到达所述目标卡口的到达时间。
4.根据权利要求1所述的方法,其特征在于,所述目标卡口包括摄像头,所述计算机设备中存储有信息档案库,所述根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息的步骤,包括:
通过所述摄像头采集待处理视频图像;
根据所述待处理视频图像和所述信息档案库,确定所述待确定嫌疑身份信息;
根据所述每个事故对应的待确定嫌疑身份信息,得到所述多个事故中重复出现的待确定嫌疑身份信息;
根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息。
5.根据权利要求4所述的方法,其特征在于,所述待确定嫌疑身份信息包括人员待确认嫌疑身份信息和车辆待确定嫌疑身份信息,所述根据所述重复出现的待确定嫌疑身份信息,得出目标嫌疑身份信息的步骤,包括:
根据重复出现的人员待确认嫌疑身份信息,计算得到重复次数最多的目标人员待确认嫌疑身份信息;
根据重复出现的车辆待确认嫌疑身份信息,计算得到重复次数最多的目标车辆待确认嫌疑身份信息;
判定所述目标人员待确认嫌疑身份信息和目标车辆待确认嫌疑身份信息为所述目标嫌疑身份信息。
6.根据权利要求5所述的方法,其特征在于,所述目标卡口包括人员卡口和车辆卡口,所述信息档案库中包括人员信息和车辆信息,所述通过所述摄像头采集待处理视频图像的步骤,包括:
通过所述人员卡口获取人脸图像;
将人脸图像与所述根据所述信息档案库中包括的人员信息进行比对,得到所述人员待确认嫌疑身份信息;
通过所述车辆卡口获取车辆图像;
将车辆图像与所述根据所述信息档案库中包括的车辆信息进行比对,得到所述车辆待确认嫌疑身份信息。
7.根据权利要求1所述的方法,其特征在于,所述根据所述事故发生的位置信息,确定目标卡口,包括:
根据预设半径和所述事故发生的位置信息,计算得到事故发生范围;
将事故发生范围内所有的卡口作为所述事故对应的目标卡口。
8.一种事故嫌疑身份信息确定装置,其特征在于,应用于计算机设备,所述装置包括:
获取模块,用于获取多个事故发生的时间和位置信息,其中,所述多个事故之间相互关联;
确定模块,用于根据每个所述事故发生的位置信息,确定每个事故对应的目标卡口;
计算模块,用于根据地图导航数据和每个所述事故发生的时间,通过所述目标卡口获取每个事故对应的待确定嫌疑身份信息;根据所述每个事故对应的待确定嫌疑身份信息,得出目标嫌疑身份信息。
9.一种计算机设备,其特征在于,所述计算机设备与终端设备通信连接,所述计算机设备包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述计算机设备执行权利要求1-7中任意一项所述的事故嫌疑身份信息确定方法。
10.一种可读存储介质,其特征在于,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-7中任意一项所述的事故嫌疑身份信息确认方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142872.0A CN110852302A (zh) | 2019-11-20 | 2019-11-20 | 事故嫌疑身份信息确定方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142872.0A CN110852302A (zh) | 2019-11-20 | 2019-11-20 | 事故嫌疑身份信息确定方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110852302A true CN110852302A (zh) | 2020-02-28 |
Family
ID=69603242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911142872.0A Pending CN110852302A (zh) | 2019-11-20 | 2019-11-20 | 事故嫌疑身份信息确定方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852302A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017193933A1 (zh) * | 2016-05-10 | 2017-11-16 | 腾讯科技(深圳)有限公司 | 交通事故预警方法及交通事故预警装置 |
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN110175217A (zh) * | 2019-05-16 | 2019-08-27 | 武汉数矿科技股份有限公司 | 一种用于确定嫌疑人的感知数据分析方法和装置 |
-
2019
- 2019-11-20 CN CN201911142872.0A patent/CN110852302A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017193933A1 (zh) * | 2016-05-10 | 2017-11-16 | 腾讯科技(深圳)有限公司 | 交通事故预警方法及交通事故预警装置 |
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN110175217A (zh) * | 2019-05-16 | 2019-08-27 | 武汉数矿科技股份有限公司 | 一种用于确定嫌疑人的感知数据分析方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3581890B1 (en) | Method and device for positioning | |
CN106952303B (zh) | 车距检测方法、装置和系统 | |
CN110945320B (zh) | 车辆定位方法和系统 | |
CN108151750B (zh) | 定位方法及装置 | |
EP3680616A1 (en) | Localization method and apparatus, mobile terminal and computer-readable storage medium | |
US9104702B2 (en) | Positioning system | |
CN104703215B (zh) | 一种室内信号强度异常诊断方法及系统 | |
CN111275957A (zh) | 一种交通事故信息采集方法、系统及摄像机 | |
KR20190043396A (ko) | 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 | |
CN109831744B (zh) | 一种异常轨迹识别方法、装置及存储设备 | |
CN110956822B (zh) | 套牌车识别方法、装置、电子设备和可读存储介质 | |
CN113340291A (zh) | 导航方法、装置、计算机设备和存储介质 | |
CN111679304A (zh) | 一种出入口位置的确定方法、更新方法及其装置 | |
CN111381269A (zh) | 车辆定位方法、装置、电子设备、计算机可读存储介质 | |
CN110852302A (zh) | 事故嫌疑身份信息确定方法及相关设备 | |
CN116772832A (zh) | 车辆定位和寻找方法、系统、电子设备及存储介质 | |
EP3502618B1 (en) | A geolocation system | |
CN110717393A (zh) | 一种基于红外周视系统的森林林火自动检测方法及系统 | |
CN112817301A (zh) | 一种多传感器数据的融合方法、装置及系统 | |
CN115497636A (zh) | 一种基于车辆外部环境监测实现信息查验的方法及系统 | |
Roberts et al. | Inertial navigation sensor integrated motion analysis for autonomous vehicle navigation | |
US10916141B1 (en) | System and method for generating a parking space directory | |
CN109688378B (zh) | 图像信息处理方法、交通工具、服务器及存储设备 | |
CN114863089A (zh) | 自动驾驶感知数据的自动采集方法、装置、介质及设备 | |
CN110832277B (zh) | 一种车辆的定位方法及相关设备 |
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: 20210916 Address after: 100000 room 650, 6th floor, building 11, Huashan Garden Cultural Media Industrial Park, 1376 folk culture street, Gaobeidian village, Gaobeidian Township, Chaoyang District, Beijing Applicant after: Beijing Zhizhi Heshu Technology Co.,Ltd. Address before: No.310, building 4, courtyard 8, Dongbei Wangxi Road, Haidian District, Beijing Applicant before: MININGLAMP SOFTWARE SYSTEMS Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200228 |
|
WD01 | Invention patent application deemed withdrawn after publication |