CN111274287A - 人员集合同行信息的挖掘方法、装置及电子设备 - Google Patents
人员集合同行信息的挖掘方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111274287A CN111274287A CN202010051215.1A CN202010051215A CN111274287A CN 111274287 A CN111274287 A CN 111274287A CN 202010051215 A CN202010051215 A CN 202010051215A CN 111274287 A CN111274287 A CN 111274287A
- Authority
- CN
- China
- Prior art keywords
- person
- activity
- row
- time
- place
- 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
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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种人员集合同行信息的挖掘方法、装置及电子设备,该方法基于人员集合中各个人员的档案获取各个人员的活动时间和活动地点;对各个人员的活动时间和活动地点进行统计,得到人员集合的同行信息;其中,同行信息包括同行关系、同行地点和同行时间;对人员集合的同行信息进行统计处理,得到各个同行地点的同行人数和/或同行次数;将同行人数大于同行人数阈值和/或同行次数大于同行次数阈值的同行地点作为目标地点。本发明可以有效提高挖掘人员集合的信息的效率。
Description
技术领域
本发明涉及互联网技术领域,尤其是涉及一种人员集合同行信息的挖掘方法、装置及电子设备。
背景技术
随着互联网技术的发展,现已逐步建立起人员档案。目前可以通过以图搜档或属性检索等检索方法从众多档案中搜索出一个人员的档案,对该人员的档案进行分析挖掘以得到该人员的轨迹等信息,但是现有技术不支持根据人员信息挖掘人员集合的同行信息,从而导致人员集合同行信息的获取效率较低。
发明内容
有鉴于此,本发明的目的在于提供一种人员集合同行信息的挖掘方法、装置及电子设备,可以有效提高挖掘人员集合的信息的效率。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种人员集合同行信息的挖掘方法,包括:基于人员集合中各个人员的档案获取各个所述人员的活动时间和活动地点;对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息;其中,所述同行信息包括同行人员、同行地点和同行时间;对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数;将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点。
在一种实施方式中,所述对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息的步骤,包括:对所述各个人员的活动时间和活动地点进行统计,其中,所述活动时间和所述活动地点存在对应关系,对于所述人员集合中至少两个人员,如果所述至少两个人员的活动时间之差在预设时间范围内,且所述至少两个人员的活动时间对应的活动地点之间的距离在预设距离范围内,则确定所述至少两个人员为在同行时间、同行地点同行一次的同行人员;其中,所述同行时间为所述至少两个人员的活动时间的平均值,所述同行地点为所述至少两个人员的所述活动时间对应的活动地点的中心。
在一种实施方式中,所述对所述各个人员的活动时间和活动地点进行统计的步骤,包括:在预设时间周期内,对各个所述人员的活动时间和活动地点进行统计;所述对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数的步骤,包括:对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数;所述将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点的步骤,包括:将所述同行人数大于同行人数阈值的同行地点作为目标地点;所述方法还包括:对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行次数;所述方法还包括:计算各个所述目标地点的同行时间。
在一种实施方式中,所述计算各个所述目标地点的同行时间的步骤,包括:针对每个目标地点,将各次同行的同行时间的算数平均值作为该目标地点的同行时间。
在一种实施方式中,所述方法还包括:根据各个所述人员集合中第一人员的活动地点和所述人员集合的目标地点的重合度,计算所述第一人员的轨迹与所述人员集合的轨迹的匹配度。
在一种实施方式中,所述方法还包括:将所述人员集合中第一人员的活动地点连线,得到所述第一人员的轨迹;将所述人员集合的目标地点连接,得到所述人员集合的轨迹;根据所述第一人员的轨迹和所述人员集合的轨迹的重合度,计算所述第一人员的轨迹和所述人员集合的轨迹的匹配度。
在一种实施方式中,所述方法还包括:根据所述人员集合中第二人员的活动时间和所述人员集合的同行时间,计算所述第二人员的活动情况与所述人员集合的活动情况的匹配度。
在一种实施方式中,所述方法还包括:统计所述人员集合中第二人员集合在指定时段中各个预设时间周期内的出现次数;其中,所述指定时段包含至少两个所述预设时间周期;统计所述人员集合在所述指定时段中各个所述预设时间周期内的同行次数;根据所述第二人员的出现次数的分布和所述人员集合的同行次数的分布,计算所述第二人员的活动情况与所述人员集合的活动情况的匹配度。
在一种实施方式中,所述方法还包括:在预设地图上将所述目标地点连线,得到所述人员集合的轨迹;和/或,在所述预设地图上与各个所述目标地点对应的位置,绘制各个所述目标地点对应的标识;其中,所述标识的颜色/大小表征所述目标地点的同行次数/同行人数的多少。
在一种实施方式中,所述方法还包括:根据所述目标地点对应的所述标识的大小、同行次数和同行人数中的至少一项,从所述目标地点中筛选出人员聚集地点。
在一种实施方式中,所述方法还包括:根据所述匹配度确定所述第一人员和/或所述第二人员在所述人员集合中的身份。
第二方面,本发明实施例还提供一种人员集合同行信息的挖掘装置,包括:活动获取模块,用于基于人员集合中各个人员的档案获取各个所述人员的活动时间和活动地点;第一统计模块,用于对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息;其中,所述同行信息包括同行人员、同行地点和同行时间;第二统计模块,用于对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数;目标地点确定模块,用于将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点。
第三方面,本发明实施例提供了一种电子设备,包括处理器和存储器;所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如第一方面提供的任一项所述的方法。
第四方面,本发明实施例提供了一种计算机存储介质,用于储存为第一方面提供的任一项所述方法所用的计算机软件指令。
本发明实施例提供了一种人员集合同行信息的挖掘方法、装置及电子设备,在对群体活动特性进行挖掘时,通过对人员活动时间、地点的统计去掉同行人数/同行次数较小的同行地点带来的噪声,只保留同行人数大于同行人数阈值和/或同行次数大于同行次数阈值的同行地点作为目标地点,基于目标地点进行后续分析更能够挖掘出人员集合的群体活动特性,为人员集合活动轨迹、人员集合聚集点、某人员在人员集合中角色的分析奠定了基础,有效提高了人员集合同行信息的挖掘效率。
本发明实施例的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明实施例的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1示出了本发明实施例所提供的一种电子设备的结构示意图;
图2示出了本发明实施例所提供的一种人员集合同行信息的挖掘方法的流程示意图;
图3示出了本发明实施例所提供的一种同行信息的示意图;
图4a示出了本发明实施例所提供的一种轨迹示意图;
图4b示出了本发明实施例所提供的另一种轨迹示意图;
图4c示出了本发明实施例所提供的另一种轨迹示意图;
图5示出了本发明实施例所提供的另一种轨迹示意图;
图6示出了本发明实施例所提供的一种目标地点标识示意图;
图7示出了本发明实施例所提供的一种活动情况匹配度的示意图;
图8示出了本发明实施例所提供的另一种人员集合同行信息的挖掘方法的流程示意图;
图9示出了本发明实施例所提供的一种人员集合同行信息的挖掘装置的结构示意图。
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,下面将结合附图对本发明的技术方案进行描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
目前,已能够对图像/信号采集设备采集到的图像/信号进行聚类,得到人员档案。然而,现有技术中仅对单个人员的档案进行分析挖掘得到单个人员的信息,而无法根据人员信息获取人员集合的同行信息。为改善此问题,本发明实施例提供了一种人员集合同行信息的挖掘方法、装置及电子设备,该技术可应用于需要对人员集合的同行信息进行挖掘的场景,以下对本发明实施例进行详细介绍。
实施例一
首先,参照图1来描述用于实现本发明实施例的一种人员集合同行信息的挖掘方法及装置的示例电子设备100。
如图1所示的一种电子设备的结构示意图,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备可以具有图1示出的部分组件,也可以具有图1未示出其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)、图形处理单元(GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元中的一种或几种的组合,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的人员集合同行信息的挖掘方法及装置的示例电子设备可以被实现为诸如智能手机、平板电脑、计算机等智能终端。
实施例二
参见图2所示的一种人员集合同行信息的挖掘方法的流程示意图,该方法主要包括以下步骤S202至步骤S208:
步骤S202,基于人员集合中各个人员的档案获取各个人员的活动时间和活动地点。
其中,人员的档案中可以包括包含有该人员的人像图像、包含有该人员的关联对象图像(例如人员的车辆等附属物品的图像)、图像的拍摄时间和拍摄地点等拍摄信息、人员的时空信息中的至少一项。图像可通过具有拍摄功能的图像采集设备拍摄得到,时空信息包括通过IMSI(International Mobile Subscriber Identity,国际移动用户识别码)、RF(Radio Frequency,射频)等除图像之外的信号采集手段获取的人员的时空信息。在实际应用中,一个人员可以对应一个档案,一个档案中包含的图像、拍摄信息、时空信息均属于同一个人员。
在一种实施方式中,通过以下手段对人脸图像、人体图像、人员关联对象的图像、时空信息进行归档,从而获取人员的档案。可以通过如下方式对人脸图像进行归档:对人脸图像聚类,将聚类为同一类的人脸图像归入同一人员的档案。可以通过如下方式对人体图像进行归档:对人体图像聚类,得到多个人体图像类。如果一个人体图像类和一个人员的档案具有关联关系,则将该人体图像类中的人体图像归为该档案。当一个人体图像类中的某张人体图像和档案中的某张人脸图像位于同一图像中且相对位置符合要求,则认为该人体图像和该人脸图像关联,从而该人体图像类和该档案具有关联关系。或者,根据档案中人脸图像的拍摄时间、地点获得人员轨迹,根据一个人体图像类中的多张人体图像的拍摄时间、地点获得人体轨迹,如果某人体轨迹和人员轨迹匹配,则认为该人体图像类和该档案具有关联关系。人员的关联对象图像的归档过程与人体图像的归档过程相似,再次不再赘述。可以理解的是,也可结合先验知识(例如已知某人员的机动车车牌号)确定关联对象图像与档案的关联关系。可以通过如下方式对时空信息进行归档:通过档案中已有的图像拍摄信息和时空信息获得档案对应的人员轨迹,根据时空信息获得时空轨迹,如果某时空轨迹和人员轨迹匹配,则认为该时空信息和该档案具有关联关系,将该时空信息归入该档案。可以理解的是,也可结合先验知识(例如已知某人员的手机号)确定时空信息与档案的关联关系。
在获得人员的档案后,可根据图像的拍摄信息和人员的时空信息可获得人员的活动时间、活动地点。例如,将图像的拍摄时间和信号被采集到的时间作为活动时间,将图像的拍摄地点和信号被采集到的地点作为活动地点。
人员集合是具有共同特点或具有一定的关联关系的人员的集合。人员集合中可以包括多个不同的人员,因此一个人员集合中包括多个人员的档案。在一种具体的实施方式中,用户已知某人员集合中人员的共同属性,诸如,年龄或性别等基础属性、穿戴习惯等穿戴属性、好友名称等社交属性和行为习惯等行为属性中的一种或多种,从而能够基于上述共同属性从众多档案中筛选出属于该人员集合的人员档案。在另一种实施方式中,人员集合发现系统分析人员特点和人员之间的关联关系,将具有相同特点或具有关联的人员划分为一个人员集合,具体实施方式参见CN201911079417。在另一种具体的实施方式中,用户已知人员集合中包含哪些人员,此时可直接从众多档案中获取这些人员对应的档案。通过以上任何一种方式获取到人员集合中人员的档案后,可对这些档案赋予统一的人员集合标识。
步骤S204,对各个人员的活动时间和活动地点进行统计,得到人员集合的同行信息。
其中,同行信息包括同行人员、同行地点和同行时间,也即同行信息指示了哪些人在什么时间、什么地点发生了同行。同行人员可以包括同行的人员的名称或编号等信息,同行地点可理解为该同行人员共同经过的地点,同行时间可以理解为该同行人员同行时的时间点。
如果多人的活动时间之差在预设时间范围内,且活动时间对应的活动地点之间的距离在预设距离范围内,则确定多人同行一次。也就是说,如果多人在一段时间先后通过同一地点或距离较近的多个地点,则认为多人同行。其中,预设时间范围和/或预设距离范围可以为0。预设时间范围为0、预设距离范围不为0时,要求多人同时通过预设距离范围的地点;预设时间范围不为0、预设距离范围为0时,要求多人在预设时间范围内先后经过同一地点,例如,2人在5分钟内先后被同一摄像头拍到;预设时间范围为0且预设距离范围为0时,要求多人同时经过同一地点,例如,2人同时被同一摄像头拍到,也即出现在同一画面中。
对各个人员的活动时间和活动地点进行统计得到的同行信息如表1所示。
步骤S206,对人员集合的同行信息进行统计,得到各个同行地点的同行人数和/或同行次数。
某同行地点的同行人数可以理解为人员集合中在该同行地点存在同行关系的人员的数量,同行人数越多,说明人员集合中经过该地点的人越多。同行次数可以理解为该同行地点存在同行关系的次数,同行次数越多,说明人员集合中人员经过该同行地点的次数越多。这里的经过次数,可以是相同同行人员反复经过,也可以是不同同行人员依次经过。对于相同同行人员反复经过同一同行地点的情况,该同行地点对应的同行次数较多,而同行人数较少。对于不同同行人员依次经过同一同行地点的情况,该同行地点对应的同行人数和同行次数都较多。在一些实施方式中,对于一个同行地点,可以对该同行地点对应的所有同行信息进行统计,以得到该同行地点对应的同行次数;也可以对该同行地点对应的所有同行信息中的同行人员进行统计,以得到该同行地点对应的同行人数。例如,表1中的同行地点s1对应的同行人员为P1、P2、P3、P4、P5,同行地点s2对应的同行人员也为P1、P2、P3、P4、P5,表1中的同行地点s1对应的同行次数为2次(P1,P2一次,P3,P4,P5一次),同行地点s2对应的同行次数为2次(P1,P2一次,P3,P4,P5一次)。
步骤S208,将同行人数大于同行人数阈值和/或同行次数大于同行次数阈值的同行地点作为目标地点。
对于同行人数/同行次数较小的同行地点,同行人员在该同行地点的同行有更大的概率是少数人的个人行为,而对于同行人数/同行次数较大的同行地点,同行人员在该同行地点的同行有更大的概率是群体行为。在需要对群体活动特性进行挖掘时,需去掉同行人数/同行次数较小的同行地点带来的噪声,只对同行人数大于同行人数阈值和/或同行次数大于同行次数阈值的目标地点进行分析,如此更能够挖掘出人员集合的群体活动特性。在实际应用中,可以基于人员集合预先设置同行人数阈值和同行次数阈值,例如,若人员集合中人员数量较少,则同行人数阈值可以设置为较小值,或根据人员集合过往的同行情况设置同行次数阈值。在一些实施方式中,如果同行地点的同行人数大于同行人数阈值,则可将该同行地点确定为目标地点;或者,如果同行地点的同行次数大于同行次数阈值,则可将该同行地点确定为目标地点;或者,如果同行地点的同行人数大于同行人数阈值,且同行次数大于同行次数阈值,则将该同行地点确定为目标地点。
本发明实施例提供的上述人员集合同行信息的挖掘方法,在对群体活动特性进行挖掘时,通过对人员活动时间、地点的统计去掉同行人数/同行次数较小的同行地点带来的噪声,只保留同行人数大于同行人数阈值和/或同行次数大于同行次数阈值的同行地点作为目标地点,基于目标地点进行后续分析更能够挖掘出人员集合的群体活动特性,为人员集合活动轨迹、人员集合聚集点、某人员在人员集合中角色的分析奠定了基础,有效提高了人员集合同行信息的挖掘效率。
为便于对上述步骤S204进行理解,本发明实施例提供了一种对各个人员的活动时间和活动地点进行统计,得到人员集合的同行信息的具体实施方式。其中,活动时间和活动地点存在对应关系,具体实现时,对于人员集合中至少两个人员,如果所述至少两个人员的活动时间之差在预设时间范围内,且所述至少两个人员的活动时间对应的活动地点之间的距离在预设距离范围内,则确定所述至少两个人员为在同行时间、同行地点同行一次的同行人员,其中,同行时间为所述至少两个人员的活动时间的平均值,同行地点为所述至少两个人员的活动时间对应的活动地点的中心。
在一种实施方式中,通过以下方式确定同行人员:如果人员P1的档案中,包括一张在t1时间由相机C拍摄的图像,则可以查找与相机C距离预设距离范围内的相机在与t1间隔预设时间范围内是否拍摄到人员集合中的其他人员,如果有,则将拍摄到的人员确定为人员P1的同行人员,将相机C与其他人员图像的拍摄地点的中心作为同行地点,将t1与其他人员图像的拍摄时间的平均值作为同行时间。
在另一种实施方式中,可以以人员的活动时间为横坐标,人员的活动地点为纵坐标绘制坐标系,并对坐标系内时间间隔、地点间隔符合要求的人员进行聚类,从而确定同行人员。以确定三个人员的同行信息为例进行说明,参见图3所示的一种同行信息的示意图,由图3可见,人员P1、人员P2、人员P3的活动时间t1、t2、t3处于预设时间范围T内且活动时间对应的活动地点s1、s2、s3处于预设距离范围S内,则可以确定人员P1、人员P2和人员P3为在同行时间、同行地点同行一次的同行人员,此时,同行时间等于(t1+t2+t3)/3,同行地点为s1、s2和s3的中心点。可以理解的是,同行时间、同行地点不以平均时间、中心地点为限,例如可以将P1、P2、P3的活动时间中较早的活动时间作为同行时间;可以从P1、P2、P3的活动地点中选择一个活动地点作为同行地点,例如,将距离人员P1的活动地点s1作为同行地点,或将活动地点中偏北方的活动地点作为同行地点。
另外,以图3中梯形示意人员Pn,可见人员Pn的活动时间与人员P1、人员P2和人员P3的活动时间未处于预设时间范围内、活动时间对应的活动地点未处于预设距离范围内,所以人员Pn不为P1、人员P2和人员P3的同行人员。
在另一种实施方式中,上述预设时间范围和预设距离范围均可以设置为0,也即,仅将活动时间完全相同且活动地点完全相同的人员确定为同行人员,以档案中的人像图像为例,其中,活动时间为人像图像的拍摄时间,同行地点为人像图像的拍摄地点(也即,图像采集设备所处地点),若同一图像采集设备在预设时间范围T内分别拍摄到包含有人员P1的人像图像和包含有人员P2的人像图像(P1、P2被同一图像采集设备先后拍到,P1、P2本次活动的活动地点距离为0),可确定人员P1与人员P2为同行人员;若图像采集设备拍摄的人像图像中同时包含有人员P1和人员P2,也可确定人员P1与人员P2为同行人员((P1、P2被同一图像采集设备同时拍到,P1、P2本次活动的活动时间间隔为0,活动地点距离为0)。
本发明实施例在上述人员集合的同行信息的确定方法的基础上,示例性提供一种同行信息表格,如下表1所示,表1中示意出了人员P1和人员P2为在同行时间16:00同行地点s1的同行人员,人员P1、人员P2为在同行时间16:10同行地点s2的同行人员,人员P3、人员P4和人员P5为在同行时间17:00同行地点s1的同行人员,人员P3、人员P4和人员P5为在同行时间17:30同行地点s2的同行人员。
表1
同行人员 | 同行时间 | 同行地点 |
P1,P2 | 16:00 | s1 |
P1,P2 | 16:10 | s2 |
P3,P4,P5 | 17:00 | s1 |
P3,P4,P5 | 17:30 | s2 |
一般情况下,人员活动是以24小时为周期的,例如,某人习惯每天早上7点去A饭店吃早饭,8点去B地铁站乘地铁,9点从C地铁站出站去D写字楼上班,18点下班后原路返回。因此,人员集合的活动情况通常也是具有一定周期。因此本发明实施例在对各个人员的活动时间和活动地点进行统计时应在预设时间周期内进行,若预设时间周期为24小时,则可以按照上述实施例提供的同行信息的确定方法统计24小时内人员集合中各个人员的活动时间和活动地点。
相对于同行次数,同行次数较大的同行地点更大概率是群体经过的同行地点。例如,对于相同同行人员反复经过同一同行地点的情况,该同行地点对应的同行次数较多,而同行人数较少,在这些同行地点的同行更大概率是少数人的个人行为。因此本发明实施例可以按照如下方法执行上述步骤S206至步骤S208,从而使确定的目标地点更能反映人员集合的群体行为:对人员集合的同行信息进行统计,得到各个同行地点的同行人数,并将同行人数大于同行人数阈值的同行地点作为目标地点。为便于理解,本发明实施例在上述表1的基础上对统计同行人数进行说明。由上述表1可知,同行地点s1分别对应人员P1和人员P2的一次同行以及对应人员P3、人员P4和人员P5的一次同行,也即同行地点s1对应同行人员P1、P2、P3、P4和人员P5共5人,所以同行地点s1的同行人数为5人,同理可知同行地点s2的同行人数为5人。另外,不同人员集合中人员数量可能不同,因此可以针对不同的人员集合分别设置不同的人数阈值,例如,某人员集合共有10个人员,则设置的人数阈值应小于等于10,假设将人数阈值设置为6,认为人员集合中6人以上同时活动时,该人员集合较大概率正在进行群体活动。此时,当同行地点s1对应的同行人数大于6时即可将该同行地点s1确定为目标地点。在另一种实施方式中,不同人员集合的行为习惯也可能不同,例如,如果某个人员集合通常分为不同小队行动,则可以将人数阈值设置为较小值;如果某个人员集合通常集合较多人员后才开始行动,则可以将人数集合设置为较大值,具体实施时可基于实际情况设置所需的人数阈值。
在上述步骤S206至步骤S208另一种实施方式中,也可以对人员集合的同行信息进行统计,得到各个同行地点的同行次数。例如,对于上述表1,同行地点s1存在两次同行,同行地点s2存在两次同行,具体可参见如下表2所示。
表2
同行地点 | 同行人数 | 同行次数 |
s1 | P1,P2,P3,P4,P5;5人 | 2次(P1P2;1次P3P4P5;1次) |
s2 | P1,P2,P3,P4,P5;5人 | 2次(P1P2;1次P3P4P5;1次) |
为获知人员经过目标地点的同行时间,可以针对每个目标地点,将各次同行的同行时间的算数平均值作为该目标地点的同行时间,其中,每个目标地点均对应一个同行时间,用以表征该目标地点的同行人员经过该目标地点的时间。在上述表1和表2的基础上可以看出,上述同行人员均是先经过目标地点s1再经过目标地点s2,对各次同行的同行时间进行平均后仍能反应同行人员经过目标地点s1和目标地点s2的先后顺序,因此本发明实施例采用各次同行的同行时间的算数平均值作为该目标地点的同行时间。例如,目标地点s2对应的同行对象包括人员P1、P2、P3、P4和P5,且人员P1与人员P2于16点10分同行一次,人员P3、人员P4与人员P5于17点30分同行一次,则可将两次同行的同行时间的平均值16点50分作为目标地点s2的同行时间。在另一种实施方式中,如果目标地点对应一次同行,则可以将该次同行的同行时间直接确定为该目标地点对应的同行时间。一般而言,一个人员集合中的一部分人员一起途经目标地点s1,一部分人员途经目标地点s2,一部分人员途经目标地点s3最终汇聚在目标地点s4、并共同途经目标地点s5,到达目标地点s6,然后各自散去,可见人员团体的行进路线通常是单向的,因此通过同行时间取均值基本可以在一定程度上代表经过该目标地点的对象的时间。如果人员集合中的人员在某几个目标地点之间往复运动,则有可能造成该目标地点的同行时间无法真正代表同行的情况。
在确定人员集合的目标地点后,可基于目标地点对人员集合活动轨迹、人员集合聚集点、某人员在人员集合中角色等人员集合的同行信息进一步进行挖掘,本发明实施例示例性提供了挖掘人员集合的信息的方式,具体参见如下:
方式一:在预设地图上将目标地点连线,得到人员集合的轨迹。通过在预设电子地图上连接目标地点s1、目标地点s2和目标地点s3,即可得到人员集合的轨迹。其中图4a为各目标地点在同一直线上时的轨迹,图4b为各目标地点不在同一直线上时的轨迹,图4c为各目标地点不在同一直线上的另一种轨迹。在另一种实施方式中,可以按照各个目标地点对应的同行时间连接各个目标地点,参见图5所示的另一种轨迹示意图,图5中示意图了确定的目标地点包括目标地点s1、目标地点s2、目标地点s3、目标地点s4、目标地点s5和目标地点s6,假设目标地点s1对应的统计时间为3点、目标地点s2对应的统计时间为5点、目标地点s3对应的统计时间为7点、目标地点s4对应的统计时间为4点、目标地点s5对应的统计时间为6点和目标地点s6对应的统计时间为8点,则按照统计时间的顺序连接各个目标地点,并用箭头标明各个目标地点的经过顺序,即可得到图5所示的轨迹。如此,可直观展示出人员集合的群体活动轨迹。
方式二:在预设地图上与各个目标地点对应的位置,绘制各个目标地点对应的标识。其中,标识的颜色/大小表征目标地点的同行次数/同行人数的多少。以标识的颜色为例进行说明,例如标识的颜色包括红黄绿,其中,红色标识表示对应的目标地点同行人数最多或同行次数最多,黄色标识表示对应的目标地点同行人数较多或同行次数较多,绿色标识表示对应的目标地点同行人数最少或同行次数最少。以标识的大小为例进行说明,例如标识越大表明目标地点的同行次数越大或同行人数越多,标识越小表明目标地点的同行次数越小或同行人数越少。如此,可直观展示出人员集合在不同目标地点的人员聚集情况。
例如,目标地点s1对应的同行次数为3次且同行对象数量为4人,目标地点s2对应的同行次数为504次且同行对象数量为15人,目标地点s3对应的同行次数为504次且同行对象数量为20人,目标地点s4对应的同行次数为1030次且同行对象数量为5人,目标地点s5对应的同行次数为14次且同行对象数量为15人,目标地点s6对应的同行次数为8次且同行对象数量为8人。按照上述方式绘制各个目标地点的标识,则可得到如图6所示的一种目标地点标识示意图。
通过轨迹和标识可以便于工作人员通过不同角度了解人员集合的行为,例如轨迹可以明确表征人员集合的行进路线,目标地点的标识可以表征人员集合对应的目标地点的人员聚集情况。可以理解的是,可以同时绘制轨迹和各目标地点标识。
考虑到同行人数最多且同行次数较多的目标地点,大概率是人员集合进行某项活动的地点或者驻留地点,因此本发明实施例还可以根据目标地点对应的标识的大小、同行次数和同行人数中的至少一项,从目标地点中筛选出人员聚集地点,其中,人员聚集地点也即上述人员集合进行某项活动的地点或者驻留地点。
在前述实施例确定的目标地点的基础上,本发明实施例还可以对得到的人员集合的信息进一步分析挖掘,以获得人员集合更深层次的信息,本发明实施例示例性提供了以下挖掘方式:
方式1:确定人员集合中的单个人员的轨迹与人员集合的轨迹之间的匹配度。其中,匹配度越高表明该人员参加人员集合的集体活动的积极性越高,所以可以认为该人员为集体活动的积极参与者。
在一种实施方式中,可以根据各个人员集合中第一人员的活动地点和人员集合的目标地点的重合度,计算第一人员的轨迹与人员集合的轨迹的匹配度,例如,可以计算第一人员的活动地点与人员集合的目标地点的重合比例,并将该比例作为第一人员的轨迹与人员集合的轨迹的匹配度。
在另一种实施方式中,可以首先将人员集合中第一人员的活动地点连线,得到第一人员的轨迹,以及将人员集合的目标地点连接,得到人员集合的轨迹,然后根据第一人员的轨迹和人员集合的轨迹的重合度,计算第一人员的轨迹和人员集合的轨迹的匹配度。具体实现时,可将任意一个或者多个人员的轨迹与人员集合的轨迹进行叠加展示,分析单个人员与整个人员集合在轨迹维度上的特征拟合程度,例如比对第一人员的轨迹与人员集合的轨迹,以得到人员的轨迹和人员集合的轨迹的匹配度。例如,以图4a所示,假设第一人员的轨迹为s1-s2-s3,人员集合的轨迹为s1-s3-s2,由于目标地点s1、目标地点s2和目标地点s3处于同一直线上,所以得到第一人员的轨迹与人员集合的轨迹的匹配度为100%。若目标地点s1、目标地点s2和目标地点s3不处于同一直线,也即上述图4b和图4c所示的轨迹,此时可以按照目标地点的同行时间连接各个目标地点,假设按照同行时间连接目标地点得到第一人员的轨迹为图4b所示,也即第一人员的轨迹为s1-s2-s3,人员集合的轨迹为图4c所示,也即人员集合的轨迹为s1-s3-s2,则可以得出第一人员的轨迹与人员集合的轨迹的匹配度为1/3。如此,相比于根据各个人员集合中第一人员的活动地点和人员集合的目标地点的重合度来计算匹配度的方式,根据人员的轨迹和人员集合的轨迹的重合度来计算匹配度的方式考虑了经过各目标地点的顺序,因此更为准确。
方式2:确定人员集合中的单个人员的活动情况与人员集合的活动情况之间的匹配度。在一种实施方式中,可以根据人员集合中第二人员的活动时间和人员集合的同行时间,计算第二人员的活动情况与人员集合的活动情况的匹配度。例如,通过比对人员集合中第二人员的活动时间和人员集合的同行时间是否相同,或者统计第二人员的活动时间中与人员集合的同行时间相同的次数,以得到第二人员的活动情况与人员集合的活动情况的匹配度。
在另一种实施方式中,还可以统计人员集合中第二人员集合在指定时段中各个预设时间周期内的出现次数,以及统计人员集合在指定时段中各个预设时间周期内的同行次数,然后根据第二人员的出现次数的分布和人员集合的同行次数的分布,计算第二人员的活动情况与人员集合的活动情况的匹配度。其中,指定时段包含至少两个预设时间周期。参见图7所示的一种活动情况匹配度的示意图,其中横坐标表示日期,纵坐标表示同行次数,图5可以示意出人员集合在10月23日存在一次同行、在10月25日存在9次同行和10月30日存在0次同行等,同时可以以日期作为横坐标、以同行系数为纵坐标绘制对象的活动情况,通过比对人员集合的活动情况和人员的活动情况,可以得到该人员对人员集合在时间维度的匹配度,例如,人员集合的活动情况和人员的活动情况的重叠程度越高,可以表明该人员参加人员集合的集体活动越频繁。
另外,根据上述匹配度可以便于从人员集合中发现具有特殊身份的人员,也即根据匹配度确定某人员在人员集合中的身份。具体实现方法如下:对于人员集合中的各个人员,获取该人员的活动地点与人员集合的目标地点的交集,根据所述交集中的目标地点的同行人数/同行次数,确定该人员的身份。例如,如某个人员只出现在同行人数较多的目标地点,则该人员有可能为该人员集合的边缘成员或领导成员。
综上所述,本发明实施例提供的上述人员集合同行信息的挖掘方法,充分利用了档案中存储的数据,结合已掌握的人员集合中人员的信息,建立针对该人员集合的分析手段,能够快速定位人员集合的活动路径、活动地点或驻留地点等,同时支持进一步的扩展应用,可以进行更为深度地挖掘分析,在结合一定的页面展示方案,能够帮助工作人员实现对人员集合的研判分析,大大提高档案的实用价值,还较好地实现了同时分析多个人员的共性特征的目标。
实施例三
在前述实施例的基础上,本实施例提供了一种应用前述人员集合同行信息的挖掘方法的具体示例,参见图8所示的另一种人员集合同行信息的挖掘方法的流程示意图,该方法主要包括以下步骤:
步骤S802,根据人员集合中人员的人物信息,对人像档案进行标记。其中,人物信息可以包括目标人物的名称、性别、身份证号或人脸特征等多种信息,基于该人物信息在众多人像档案中搜索出该目标人物的人像档案,并将其标记为人员集合中的人像档案。
步骤S804,基于人像档案中人员图像的拍摄信息,计算人员集合中人员的同行信息。
步骤S806,根据人员同行信息,在活动周期内对同行信息中的同行地点进行统计计算,得到同行人数大于人数阈值的目标地点,并统计各个目标地点的同行次数和同行时间。
步骤S808,按照同行时间的先后顺序连接各个目标地点,得到人员集合的轨迹。
步骤S810,基于各个目标地点的同行人数和同行次数,绘制并展示各个目标地点对应的标识。
步骤S812,计算并展示人员集合中各个人员相对于人员集合的匹配度。其中,匹配度可以包括时间维度的匹配度和/或地点维度的匹配度,计算过程可参见前述实施例二。
步骤S814,对于人员集合中的每个人员,获取该人员的活动地点与人员集合的目标地点的交集,如果所述交集中的目标地点的同行人数/同行次数为各目标地点中同行人数/同行次数最多的目标地点,则确定该人员的身份为该人员集合的边缘成员或领导成员。
本发明实施例提供的上述人员集合同行信息的挖掘方法,本发明实施例预先对人像档案中任意两个人物之间的同行信息进行统计,并结合人员集合中各个目标人物的人物信息对人像档案进行标记,在需要对人员集合进行追踪时可以直接获取人员集合的同行信息,并在活动周期内对所有目标人物的同行地点进行统计计算,得到同行人数大于人数阈值的目标地点,同时对各个目标地点的同行次数和同行时间进行统计,一方面可以按照同行时间的先后顺序连接各个目标地点,得到人员集合的轨迹,另一方面也可以基于各个目标地点的同行人数和同行次数,绘制并展示各个目标地点对应的标识,从而通过多方位展示群体信息,较好地利用图像档案获取人员集合的信息,有效提高了获取团体信息的效率。另外,本发明实施例还可以计算并展示对象团体中各个人员对人员集合的匹配度,以便于基于计算的匹配度对人员集合进一步挖掘分析。
实施例四
对于实施例二中所提供的人员集合同行信息的挖掘方法,本发明实施例提供了一种对象团体的追踪装置,参见图9所示的一种人员集合同行信息的挖掘装置的结构示意图,该装置包括以下模块:
活动获取模块902,用于基于人员集合中各个人员的档案获取各个所述人员的活动时间和活动地点。
第一统计模块904,用于对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息;其中,所述同行信息包括同行人员、同行地点和同行时间。
第二统计模块906,用于对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数。
目标地点确定模块908,用于将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点。
本发明实施例提供的上述人员集合同行信息的挖掘装置,通过对基于档案获取的活动时间和活动地点进行统计得到人员集合的同行信息,进而在同行信息的基础上对人员集合进行分析挖掘确定各个同行地点的同行人数和/或同行次数,进而从同行地点中确定目标地点,相较于现有技术中仅可以获取单个人员的信息,本发明实施例较好地利用档案获取人员集合的信息,有效提高了挖掘人员集合的信息的效率。
在一种实施方式中,上述第一统计模块904还用于:对所述各个人员的活动时间和活动地点进行统计,其中,所述活动时间和所述活动地点存在对应关系,对于所述人员集合中至少两个人员,如果所述至少两个人员的活动时间之差在预设时间范围内,且所述至少两个人员的活动时间对应的活动地点之间的距离在预设距离范围内,则确定所述至少两个人员为在同行时间、同行地点同行一次的同行人员;其中,所述同行时间为所述至少两个人员的活动时间的平均值,所述同行地点为所述至少两个人员的所述活动时间对应的活动地点的中心。
在一种实施方式中,上述第一统计模块904还用于:在预设时间周期内,对各个所述人员的活动时间和活动地点进行统计;上述第二统计模块806还用于:对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数;上述目标地点确定模块908还用于:将所述同行人数大于同行人数阈值的同行地点作为目标地点;上述装置还包括同行次数统计模块,用于对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行次数;上述装置还包括同行时间计算模块,用于计算各个所述目标地点的同行时间。
在一种实施方式中,上述同行时间计算模块还用于:针对每个目标地点,将各次同行的同行时间的算数平均值作为该目标地点的同行时间。
在一种实施方式中,上述装置还包括第一匹配度计算模块,用于根据各个所述人员集合中第一人员的活动地点和所述人员集合的目标地点的重合度,计算所述第一人员的轨迹与所述人员集合的轨迹的匹配度。
在一种实施方式中,上述装置还包括第二匹配度计算模块,用于将所述人员集合中第一人员的活动地点连线,得到所述第一人员的轨迹;将所述人员集合的目标地点连接,得到所述人员集合的轨迹;根据所述第一人员的轨迹和所述人员集合的轨迹的重合度,计算所述第一人员的轨迹和所述人员集合的轨迹的匹配度。
在一种实施方式中,上述装置还包括第三匹配度计算模块,用于根据所述人员集合中第二人员的活动时间和所述人员集合的同行时间,计算所述第二人员的活动情况与所述人员集合的活动情况的匹配度。
在一种实施方式中,上述装置还包括第四匹配度计算模块,用于统计所述人员集合中第二人员集合在指定时段中各个预设时间周期内的出现次数;其中,所述指定时段包含至少两个所述预设时间周期;统计所述人员集合在所述指定时段中各个所述预设时间周期内的同行次数;根据所述第二人员的出现次数的分布和所述人员集合的同行次数的分布,计算所述第二人员的活动情况与所述人员集合的活动情况的匹配度。
在一种实施方式中,上述装置还包括地点处理模块,用于在预设地图上将所述目标地点连线,得到所述人员集合的轨迹;和/或,在所述预设地图上与各个所述目标地点对应的位置,绘制各个所述目标地点对应的标识;其中,所述标识的颜色/大小表征所述目标地点的同行次数/同行人数的多少。
在一种实施方式中,上述装置还包括聚集地点确定模块,用于根据所述目标地点对应的所述标识的大小、同行次数和同行人数中的至少一项,从所述目标地点中筛选出人员聚集地点。
在一种实施方式中,上述装置还包括身份确定模块,用于根据所述匹配度确定所述第一人员和/或所述第二人员在所述人员集合中的身份。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例五
本发明实施例所提供的对象团体的追踪方法、装置及电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“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发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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或者该技术方案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)执行本发明各个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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种人员集合同行信息的挖掘方法,其特征在于,包括:
基于人员集合中各个人员的档案获取各个所述人员的活动时间和活动地点;
对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息;其中,所述同行信息包括同行人员、同行地点和同行时间;
对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数;
将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点。
2.根据权利要求1所述的方法,其特征在于,所述对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息的步骤,包括:
对所述各个人员的活动时间和活动地点进行统计,其中,所述活动时间和所述活动地点存在对应关系,
对于所述人员集合中至少两个人员,如果所述至少两个人员的活动时间之差在预设时间范围内,且所述至少两个人员的活动时间对应的活动地点之间的距离在预设距离范围内,则确定所述至少两个人员为在同行时间、同行地点同行一次的同行人员;其中,所述同行时间为所述至少两个人员的活动时间的平均值,所述同行地点为所述至少两个人员的所述活动时间对应的活动地点的中心。
3.根据权利要求2所述的方法,其特征在于,所述对所述各个人员的活动时间和活动地点进行统计的步骤,包括:
在预设时间周期内,对各个所述人员的活动时间和活动地点进行统计;
所述对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数的步骤,包括:
对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数;
所述将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点的步骤,包括:
将所述同行人数大于同行人数阈值的同行地点作为目标地点;
所述方法还包括:对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行次数;
所述方法还包括:计算各个所述目标地点的同行时间。
4.根据权利要求3所述的方法,其特征在于,所述计算各个所述目标地点的同行时间的步骤,包括:
针对每个目标地点,将各次同行的同行时间的算数平均值作为该目标地点的同行时间。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
根据各个所述人员集合中第一人员的活动地点和所述人员集合的目标地点的重合度,计算所述第一人员的轨迹与所述人员集合的轨迹的匹配度。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
将所述人员集合中第一人员的活动地点连线,得到所述第一人员的轨迹;
将所述人员集合的目标地点连接,得到所述人员集合的轨迹;
根据所述第一人员的轨迹和所述人员集合的轨迹的重合度,计算所述第一人员的轨迹和所述人员集合的轨迹的匹配度。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
根据所述人员集合中第二人员的活动时间和所述人员集合的同行时间,计算所述第二人员的活动情况与所述人员集合的活动情况的匹配度。
8.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
统计所述人员集合中第二人员集合在指定时段中各个预设时间周期内的出现次数;其中,所述指定时段包含至少两个所述预设时间周期;
统计所述人员集合在所述指定时段中各个所述预设时间周期内的同行次数;
根据所述第二人员的出现次数的分布和所述人员集合的同行次数的分布,计算所述第二人员的活动情况与所述人员集合的活动情况的匹配度。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在预设地图上将所述目标地点连线,得到所述人员集合的轨迹;
和/或,
在所述预设地图上与各个所述目标地点对应的位置,绘制各个所述目标地点对应的标识;其中,所述标识的颜色/大小表征所述目标地点的同行次数/同行人数的多少。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
根据所述目标地点对应的所述标识的大小、同行次数和同行人数中的至少一项,从所述目标地点中筛选出人员聚集地点。
11.根据权利要求5-10任一项所述的方法,其特征在于,所述方法还包括:
根据匹配度确定第一人员和/或第二人员在所述人员集合中的身份。
12.一种人员集合同行信息的挖掘装置,其特征在于,包括:
活动获取模块,用于基于人员集合中各个人员的档案获取各个所述人员的活动时间和活动地点;
第一统计模块,用于对各个所述人员的活动时间和所述活动地点进行统计,得到所述人员集合的同行信息;其中,所述同行信息包括同行人员、同行地点和同行时间;
第二统计模块,用于对所述人员集合的同行信息进行统计,得到各个所述同行地点的同行人数和/或同行次数;
目标地点确定模块,用于将所述同行人数大于同行人数阈值和/或所述同行次数大于同行次数阈值的同行地点作为目标地点。
13.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至11任一项所述的方法。
14.一种计算机存储介质,其特征在于,用于储存为权利要求1至11任一项所述方法所用的计算机软件指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051215.1A CN111274287A (zh) | 2020-01-16 | 2020-01-16 | 人员集合同行信息的挖掘方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051215.1A CN111274287A (zh) | 2020-01-16 | 2020-01-16 | 人员集合同行信息的挖掘方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111274287A true CN111274287A (zh) | 2020-06-12 |
Family
ID=70997334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010051215.1A Pending CN111274287A (zh) | 2020-01-16 | 2020-01-16 | 人员集合同行信息的挖掘方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274287A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287890A (zh) * | 2020-11-23 | 2021-01-29 | 杭州海康威视数字技术股份有限公司 | 人员聚集检测方法、可读存储介质和电子设备 |
CN112965978A (zh) * | 2021-03-10 | 2021-06-15 | 中国民航信息网络股份有限公司 | 旅客同行人关系的确认方法、装置、电子设备及存储介质 |
CN113468283A (zh) * | 2021-06-29 | 2021-10-01 | 北京市商汤科技开发有限公司 | 数据处理方法、装置、设备、存储介质 |
CN113747118A (zh) * | 2021-07-30 | 2021-12-03 | 北京澎思科技有限公司 | 社区异常事件报警方法、装置、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933201A (zh) * | 2015-07-15 | 2015-09-23 | 蔡宏铭 | 基于同行信息的内容推荐方法及系统 |
CN105589939A (zh) * | 2015-12-15 | 2016-05-18 | 北京百度网讯科技有限公司 | 识别群体运动轨迹方法和装置 |
WO2016165547A1 (zh) * | 2015-04-14 | 2016-10-20 | 蔡宏铭 | 实现同行人即时通讯、同行信息共享及内容推荐的方法和系统 |
CN106203458A (zh) * | 2015-04-29 | 2016-12-07 | 杭州海康威视数字技术股份有限公司 | 人群视频分析方法及系统 |
CN109858365A (zh) * | 2018-12-28 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种特殊人群聚集行为分析方法、装置及电子设备 |
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
-
2020
- 2020-01-16 CN CN202010051215.1A patent/CN111274287A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016165547A1 (zh) * | 2015-04-14 | 2016-10-20 | 蔡宏铭 | 实现同行人即时通讯、同行信息共享及内容推荐的方法和系统 |
CN106203458A (zh) * | 2015-04-29 | 2016-12-07 | 杭州海康威视数字技术股份有限公司 | 人群视频分析方法及系统 |
CN104933201A (zh) * | 2015-07-15 | 2015-09-23 | 蔡宏铭 | 基于同行信息的内容推荐方法及系统 |
CN105589939A (zh) * | 2015-12-15 | 2016-05-18 | 北京百度网讯科技有限公司 | 识别群体运动轨迹方法和装置 |
CN109858365A (zh) * | 2018-12-28 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种特殊人群聚集行为分析方法、装置及电子设备 |
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287890A (zh) * | 2020-11-23 | 2021-01-29 | 杭州海康威视数字技术股份有限公司 | 人员聚集检测方法、可读存储介质和电子设备 |
CN112287890B (zh) * | 2020-11-23 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 人员聚集检测方法、可读存储介质和电子设备 |
CN112965978A (zh) * | 2021-03-10 | 2021-06-15 | 中国民航信息网络股份有限公司 | 旅客同行人关系的确认方法、装置、电子设备及存储介质 |
CN112965978B (zh) * | 2021-03-10 | 2024-02-09 | 中国民航信息网络股份有限公司 | 旅客同行人关系的确认方法、装置、电子设备及存储介质 |
CN113468283A (zh) * | 2021-06-29 | 2021-10-01 | 北京市商汤科技开发有限公司 | 数据处理方法、装置、设备、存储介质 |
CN113747118A (zh) * | 2021-07-30 | 2021-12-03 | 北京澎思科技有限公司 | 社区异常事件报警方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274287A (zh) | 人员集合同行信息的挖掘方法、装置及电子设备 | |
CN107370983B (zh) | 用于视频监控系统的行踪轨迹的获取方法和装置 | |
US9141184B2 (en) | Person detection system | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
US20210357678A1 (en) | Information processing method and apparatus, and storage medium | |
Wu et al. | Photo crowdsourcing for area coverage in resource constrained environments | |
WO2020259099A1 (zh) | 一种信息处理方法及装置、存储介质 | |
US10956753B2 (en) | Image processing system and image processing method | |
Chen et al. | Constructing and comparing user mobility profiles for location-based services | |
CN109190588A (zh) | 一种人口分类的方法及装置 | |
CN109426787A (zh) | 一种人体目标轨迹确定方法及装置 | |
CN112419120B (zh) | 群体性聚集事件预警方法、装置、系统和电子设备 | |
CN111814646B (zh) | 基于ai视觉的监控方法、装置、设备及介质 | |
CN109426785A (zh) | 一种人体目标身份识别方法及装置 | |
WO2021143337A1 (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN110765215A (zh) | 人员共同关系的查询方法、装置、电子设备及存储介质 | |
CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
CN111209446A (zh) | 一种人员检索信息的呈现方法、装置和电子设备 | |
CN112364176A (zh) | 一种人员行动轨迹的构建方法、设备及系统 | |
Bamis et al. | Lightweight extraction of frequent spatio-temporal activities from GPS traces | |
CN116168222A (zh) | 轨迹识别方法和装置、存储介质及电子设备 | |
CN111079577A (zh) | 一种动态区域聚集预警实时推荐的计算方法及系统 | |
CN112632354A (zh) | 一种imsi和人脸深度拟合方法、装置、设备及系统 | |
CN110796014A (zh) | 垃圾投放习惯分析方法、系统、装置及存储介质 | |
CN112183380B (zh) | 基于人脸识别的客流量分析方法和系统、电子设备 |
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 |