CN112052346A - 实有人员库的更新方法、装置、电子设备及存储介质 - Google Patents
实有人员库的更新方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112052346A CN112052346A CN202010955482.1A CN202010955482A CN112052346A CN 112052346 A CN112052346 A CN 112052346A CN 202010955482 A CN202010955482 A CN 202010955482A CN 112052346 A CN112052346 A CN 112052346A
- Authority
- CN
- China
- Prior art keywords
- personnel
- data
- library
- face
- 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.)
- Granted
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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种实有人员库的更新方法、装置、电子设备及存储介质,通过目标区域相关联的配送数据和/或目标区域的人脸抓拍数据等鲜活感知数据,自动持续化更新实有人员库,并不需要社区工作人员上门采集,节约了人力成本。而且,自动更新实有人员库,可以提高实有人员的人员信息采集的效率,鲜活感知数据的引入可以降低信息漏采的可能性,保证了更新后的实有人员库的全量覆盖。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种实有人员库的更新方法、装置、电子设备及存储介质。
背景技术
一定区域内,实有人员的人员信息管理通常是指以社区管理部门为单位,把实际居住的常住人员、暂住人员及境外居民人员全部纳入工作范围。实有人员的人员信息可以包括姓名、性别、出生日期、民族、证件号码、居住地址等信息。
当前,实有人员的人员信息采集通常以社区工作人员上门采集为主,在采集过程中,经常会遇到人员不在家、人员不全、敲不开门等多种情况,导致信息漏采,无法保证采集到的实有人员的人员信息的全量覆盖。同时,社区工作人员上门采集以扫楼式为主,只能按照楼栋和房屋单元一次次的全量扫楼,存在信息采集效率低下,工作量大等问题。
发明内容
本发明实施例提供一种实有人员库的更新方法、装置、电子设备及存储介质,用以解决现有技术中存在的缺陷。
本发明实施例提供一种实有人员库的更新方法,包括:
确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;
基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
根据本发明一个实施例的实有人员库的更新方法,所述基于所述人脸抓拍数据,更新所述目标区域的实有人员库,具体包括:
基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据;
基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息;
将所述疑似漏采人员的人员信息录入所述实有人员库;
其中,所述实有人员库基于所述登记人员库初始化得到。
根据本发明一个实施例的实有人员库的更新方法,所述基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据,具体包括:
基于所述登记人员库以及所述人脸抓拍数据,确定所述人脸抓拍数据中存在的且所述登记人员库中不存在的陌生人脸数据;
对所述陌生人脸数据进行聚类,得到陌生人员的人脸数据;
基于所述陌生人员的人脸数据在所述人脸抓拍数据中的时间分布,确定所述疑似漏采人员的人脸数据。
根据本发明一个实施例的实有人员库的更新方法,所述基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息,具体包括:
将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果;
若所述漏采人脸匹配结果为匹配成功,则将与所述疑似漏采人员的人脸数据匹配的全量人员的人员信息,作为所述疑似漏采人员的人员信息;
否则,将所述疑似漏采人员的人脸数据与指定区域的常有人员的人脸数据进行匹配,并将与疑似漏采人员的人脸数据匹配的常有人员的人员信息,作为所述疑似漏采人员的人员信息。
根据本发明一个实施例的实有人员库的更新方法,所述将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果,之后还包括:
将所述全量人员库中其他全量人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并将匹配成功的其他全量人员的人员信息录入所述实有人员库;
其中,所述其他全量人员为所述全量人员库中除所述漏采人脸匹配结果中与所述疑似漏采人员的人脸数据匹配成功的全量人员,以及存在于所述登记人员库中的全量人员之外的全量人员。
根据本发明一个实施例的实有人员库的更新方法,所述基于所述配送数据和所述人脸抓拍数据,更新所述目标区域的实有人员库,具体包括:
基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似注销人员的人员信息;
将所述疑似注销人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并对所述实有人员库中匹配失败的所述疑似注销人员的人员信息进行注销标记。
根据本发明一个实施例的实有人员库的更新方法,所述基于所述配送数据,更新所述目标区域的实有人员库,具体包括:
将目标区域的全量人员库中任一全量人员的人员信息与所述配送数据中每一目标人员的人员信息进行匹配;
若匹配成功,则将所述任一全量人员的人员信息录入至所述实有人员库中;
若匹配失败,则对所述任一全量人员进行确认,并在确认通过后将所述任一全量人员的人员信息录入至所述实有人员库中;
其中,所述实有人员库的初始状态为空。
根据本发明一个实施例的实有人员库的更新方法,所述全量人员库,具体通过如下方式确定:
获取所述目标区域的初始人员信息,所述初始人员信息中包括初始地址信息;
将所述初始地址信息进行标准化处理,并基于标准化处理的结果,以所述目标区域内的房屋为单位,对所述初始人员信息进行整合,得到所述全量人员库。
本发明实施例还提供一种实有人员库的更新装置,包括:
数据确定模块,用于确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;
实有人员库更新模块,用于基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述实有人员库的更新方法的步骤。
本发明实施例还提供一种非暂态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上述任一种所述实有人员库的更新方法的步骤。
本发明实施例提供的实有人员库的更新方法、装置、电子设备及存储介质,通过目标区域相关联的配送数据和/或目标区域的人脸抓拍数据等鲜活感知数据,自动持续化更新实有人员库,并不需要社区工作人员上门采集,节约了人力成本。而且,自动更新实有人员库,可以提高实有人员的人员信息采集的效率,鲜活感知数据的引入可以降低信息漏采的可能性,保证了更新后的实有人员库的全量覆盖。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明实施例提供的一种实有人员库的更新方法的流程示意图;
图2是本发明实施例中提供的目标区域为智慧区域时实有人口库的更新方法的完整流程示意图;
图3是本发明实施例中提供的目标区域为普通区域时实有人口库的更新方法的完整流程示意图;
图4是本发明实施例提供的一种实有人员库的更新装置的结构示意图;
图5是本发明实施例提供的一种电子设备的结构示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
当前,实有人员的人员信息采集是社区工作人员的常态化工作,通常以社区工作人员上门采集为主,在采集过程中,经常会遇到人员不在家、人员不全、敲不开门等多种情况,导致社区工作人员花费很大精力却无法采集到漏采人员的人员信息,不能保证采集到的实有人口的人员信息的全量覆盖。而且,也无法发现已离开小区的人员,导致采集到的实有人口的人员信息并不准确。同时,社区工作人员上门采集以扫楼式为主,只能按照楼栋和房屋单元一次次的全量扫楼,而且大部分都是在原有历史数据上重复记录,存在信息采集效率以及更新效率低下,工作量大等问题。为此,本发明实施例中提供了一种实有人员库的更新方法,以解决上述问题。
图1为本发明实施例中提供的实有人员库的更新方法的流程示意图。如图1所示,实有人员库的更新方法包括:
S1,确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;
S2,基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
具体地,本发明实施例中提供的实有人员库的更新方法,实有人员库是指存储有目标区域内的实有人员的人员信息的人员库,此处的实有人员可以包括目标区域内的常住人口、流动人口、户籍人口以及外籍人口等。人员信息可以包括姓名、性别、出生日期、民族、证件号码、联系方式、居住地址以及人脸数据等信息。联系方式具体可以是电话号码,还可以是微信号和/或QQ号等。居住地址可以包括目标区域名、楼栋名以及房间号等。人脸数据具体可以是人脸图像。
目标区域具体可以是工业园区、居民社区以及居民小区等具有相对稳定的活动人口的区域,目标区域可以是智慧区域,也可以是普通区域。智慧区域与普通区域的区别在于,智慧区域安装有摄像装置,可以实现对出入目标区域的人员进行实时人脸抓拍以获取人脸抓拍数据。普通区域则无法获取人脸抓拍数据。其中,人脸抓拍数据具体可以是抓拍到的人脸图像。而且,智慧区域的实有人员库可以通过智慧区域的登记人员库进行初始化得到,即智慧区域的实有人员库的初始状态是存储有与登记人员库中相同的人员信息,而普通区域的实有人员库的初始状态为空。登记人员库既可以是通过对进出智慧区域的人员进行信息采集得到,也可以是智慧区域的已有实有人员库。登记人员库是指存储有智慧区域内已登记的登记人员的人员信息的人员库。本发明实施例中更新的实有人员库既可以是初始状态的实有人员库,也可以是上次更新之后得到的实有人员库。
首先执行步骤S1。其中,目标区域相关联的配送数据是指配送数据中的地址信息为目标区域的相关数据,配送数据具体可以包括外卖数据和/或寄递数据,目标区域相关联的外卖数据具体可以是外卖的收货地址为目标区域内的某一房屋的相关数据,目标区域相关联的寄递数据具体可以是快递的寄件地址或者收件地址为目标区域内的某一房屋的相关数据。目标区域的人脸抓拍数据是指当目标区域为智慧区域时可以获取得到的人脸抓拍数据,具体可以是包含有人脸特征的视频信息或图像信息。
然后执行步骤S2。当目标区域为智慧区域时,在步骤S1中可以确定出目标区域的人脸抓拍数据,进而在步骤S2中既可以根据目标区域的人脸抓拍数据更新目标区域的实有人员库,也可以根据目标区域相关联的配送数据以及目标区域的人脸抓拍数据更新目标区域的实有人口库。
根据目标区域的人脸抓拍数据更新目标区域的实有人员库,具体可以通过人脸抓拍数据确定出目标区域的漏采人员以及注销人员,漏采人员是指采集时遗漏的人员,人脸抓拍数据中经常出现但在目标区域的登记人员库中并不存在的人员即为漏采人员;注销人员是指不再经常活动于目标区域的人员,人脸抓拍数据中一段时间内均未出现的人员但在登记人员库中存在的人员即为注销人员。这是因为,只要是目标区域的实有人员,正常情况下则不可避免地会在一段时间内出入目标区域以进行日常活动。而对于其他非正常情况则在本发明实施例中不作考虑。然后,将目标区域的漏采人员的人员信息录入至目标区域的实有人员库中,将目标区域的注销人员的人员信息在目标区域的实有人员库中进行标记。
根据目标区域相关联的配送数据以及目标区域的人脸抓拍数据更新目标区域的实有人员库,具体可以是通过目标区域相关联的配送数据确定出目标区域的漏采人员的人员信息,并将漏采人员的人员信息录入至目标区域的实有人员库中,将目标区域的注销人员的人员信息在目标区域的实有人员库中进行注销标记。
当目标区域为普通区域时,在步骤S1中只能确定出目标区域相关联的配送数据,无法确定出目标区域的人脸抓拍数据,因此在步骤S2中只能根据目标区域相关联的配送数据更新目标区域的实有人员库,具体可以是将目标区域的所有可能的实有人员与配送数据中涉及的人员进行匹配,并根据匹配结果对目标区域的实有人员库进行更新。例如,可以直接将目标区域的所有可能的实有人员中与配送数据中涉及的人员匹配成功的人员的人员信息录入至目标区域的实有人员库中,将匹配失败的人员的人员信息不作处理。
本发明实施例中提供的实有人员库的更新方法,通过目标区域相关联的配送数据和/或目标区域的人脸抓拍数据等鲜活感知数据,自动持续化更新实有人员库,并不需要社区工作人员上门采集,节约了人力成本。而且,自动更新实有人员库,可以提高实有人员的人员信息采集的效率,鲜活感知数据的引入可以降低信息漏采的可能性,保证了更新后的实有人员库的全量覆盖。
在上述实施例的基础上,本发明实施例中提供的实有人员库的更新方法,所述基于所述人脸抓拍数据,更新所述目标区域的实有人员库,具体包括:
基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据;
基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息;
将所述疑似漏采人员的人员信息录入所述实有人员库;
其中,所述实有人员库基于所述登记人员库初始化得到。
具体地,本发明实施例中,在目标区域为智慧区域的条件下,更新目标区域的实有人员库时,首先根据登记人员库和人脸抓拍数据确定出目标区域的疑似漏采人员的人脸数据,具体可以是对于登记人员库中的每个登记人员,将每个登记人员的人脸数据与人脸抓拍数据中每个人脸数据进行匹配,若匹配失败,则认为人脸抓拍数据中的该人脸数据对应的人员为疑似漏采人员,即为可能的漏采人员。若匹配成功,则认为人脸抓拍数据中的该人脸数据对应的人员正是该目标区域的登记人员,由于实有人员库是基于登记人员库初始化得到的,因此在实有人员库中也存在该人员的人员信息,则不作后续处理。
然后,可以根据疑似漏采人员的人脸数据,更新所述目标区域的实有人员库,具体可以先根据疑似漏采人员的人脸数据,通过各种途径确定疑似漏采人员的人员信息并录入实有人员库,实现对实有人员库的更新。
本发明实施例中,在目标区域是智慧区域的情况下,结合目标区域的登记人员库以及目标区域相关联的配送数据和/或人脸抓拍数据,通过人脸特征匹配对目标区域的实有人员库进行更新,可以使得更新得到的实有人员库的人员信息更加准确。
在上述实施例的基础上,所述基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息,具体包括:
将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果;
若所述漏采人脸匹配结果为匹配成功,则将与所述疑似漏采人员的人脸数据匹配的全量人员的人员信息,作为所述疑似漏采人员的人员信息;
否则,将所述疑似漏采人员的人脸数据与指定区域的常有人员的人脸数据进行匹配,并将与疑似漏采人员的人脸数据匹配的常有人员的人员信息,作为所述疑似漏采人员的人员信息。
具体地,本发明实施例中在基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息时,首先可以将目标区域的全量人员库中全量人员的人脸数据与疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果。
其中,全量人员库是预先确定的、存储有所有可能是目标区域的实有人员的人员信息,全量人员库中涉及的人员为全量人员。全量人员库中存储的人员信息中包括全量人员的人脸数据。全量人员库中的人员信息具体可以是在目标区域关联的多个信息源处收集得到,本发明实施例中对此不作具体限定。对于全量人员库中的每个全量人员,将该全量人员的人脸数据与每个疑似漏采人员的人脸数据进行匹配,具体是进行人脸特征匹配,得到漏采人员匹配结果。漏采人员匹配结果可以包括匹配成功和匹配失败,匹配失败具体可以包括疑似漏采人员匹配失败以及全量人员匹配失败。
然后,根据漏采人员匹配结果确定疑似漏采人员的人员信息,即如果漏采人脸匹配结果为匹配成功,可以直接将与疑似漏采人员的人脸数据匹配的全量人员的人员信息,作为疑似漏采人员的人员信息;否则,即如果漏采人脸匹配结果为匹配失败,可以将疑似漏采人员的人脸数据与指定区域的常有人员的人脸数据进行匹配,得到匹配结果,并进一步根据该匹配结果,确定疑似漏采人员的人员信息,如果该匹配结果为匹配成功,则将与疑似漏采人员的人脸数据匹配的常有人员的人员信息,作为疑似漏采人员的人员信息。如果该匹配结果为匹配失败,则无法确定出疑似漏采人员的人员信息。其中,指定区域可以是相较于目标区域更大的区域,例如全国区域。指定区域的常有人员是指在指定区域内活动时长超过预设时长的人员,预设时长可以是10年、20年等。
本发明实施例中,在目标区域是智慧区域的情况下,先结合目标区域的全量人员库中全量人员的人脸数据,通过与疑似漏采人员的人脸数据进行人脸特征匹配确定出疑似漏采人员的人员信息,在漏采人脸匹配结果为匹配失败时再结合指定区域的常有人员的人脸数据确定出疑似漏采人员的人员信息,可以使得人脸特征匹配的计算量得到控制,可以更快速准确的确定出疑似漏采人员的人员信息。
在上述实施例的基础上,在将目标区域的全量人员库中全量人员的人脸数据与疑似漏采人员的人脸数据进行匹配时,具体可以通过神经网络模型实现,该神经网络模型包括两个输入和一个输出,两个输入分别对应于全量人员库中全量人员的人脸数据以及疑似漏采人员的人脸数据,输出为漏采人脸匹配结果。其中,可以单独将全量人员库中每个全量人员的人脸数据作为一个输入,将每个疑似漏采人员的人脸数据作为另一个输入,输出的漏采人脸匹配结果则是对应的全量人员和疑似漏采人员的匹配结果。该神经网络模型的输出可以是概率值,若该概率值大于等于预设值,则说明漏采人脸匹配结果为匹配成功,否则漏采人脸匹配结果为匹配失败。预设值具体可以根据需要进行设定,例如可以设定为大于90%,具体可以设定为95%或其他数值。
在上述实施例的基础上,所述基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据,具体包括:
基于所述登记人员库以及所述人脸抓拍数据,确定所述人脸抓拍数据中存在的且所述登记人员库中不存在的陌生人脸数据;
对所述陌生人脸数据进行聚类,得到陌生人员的人脸数据;
基于所述陌生人员的人脸数据在所述人脸抓拍数据中的时间分布,确定所述疑似漏采人员的人脸数据。
具体地,在目标区域为智慧区域的条件下,更新目标区域的实有人员库的过程中,根据登记人员库和目标区域的人脸抓拍数据,确定目标区域的疑似漏采人员的人脸数据时,首先根据登记人员库和人脸抓拍数据确定出人脸抓拍数据中存在的且所述登记人员库中不存在的陌生人脸数据。由于登记人员库中存储有目标区域内登记人员的人员信息,该人员信息中包含有登记人员的人脸数据,则可以将登记人员库中每个登记人员的人脸数据与人脸抓拍数据中的每个人脸数据进行匹配,如果匹配成功,则说明该人脸数据既存在于登记人员库中,也存在于人脸抓拍数据中。获取所有匹配成功的人脸数据,人脸抓拍数据中除去所有匹配成功的人脸数据之外的人脸数据即为人脸抓拍数据中存在的且登记人员库中不存在的陌生人脸数据。
由于人脸抓拍数据具体是不同时刻拍摄得到的人脸数据,则人脸抓拍数据中可能包含有同一人员在不同时刻的人脸数据,因此陌生人脸数据中也可能含有同一陌生人员在不同时刻的人脸数据。所以为确定出目标区域内的陌生人员,可以对得到的陌生人脸数据进行去重,具体可以对陌生人脸数据进行聚类,即可得到陌生人员的人脸数据。聚类的过程具体可以通过图卷积神经网络(Graph Convolutional Network,GCN)中的人脸聚类服务,实现以特征值作为标识的陌生人脸聚类。
最后,根据陌生人员的人脸数据在人脸抓拍数据中的时间分布,即可确定出疑似漏采人员的人脸数据。其中,陌生人员的人脸数据在人脸抓拍数据中的时间分布是指对于每个陌生人员,该陌生人员的人脸数据在人脸抓拍数据中一个预设时间段内出现的频次,如果频次满足预设条件,则认为该陌生人员为疑似漏采人员,该陌生人员的人脸数据为疑似漏采人员的人脸数据。否则认为该陌生人员为临时出入目标区域的人员,不可能是目标区域的实有人员。预设条件具体可以是人脸抓拍数据中连续预设天数内每天均有该陌生人员的人脸数据,预设天数可以根据需要进行设定,例如可以设定为7天。
本发明实施例中,通过登记人员库以及人脸抓拍数据确定人脸抓拍数据中存在的且登记人员库中不存在的陌生人脸数据,然后通过对陌生人脸数据进行聚类的方式得到陌生人员的人脸数据,并最终确定出疑似漏采人员的人脸数据。可以更快速地得到疑似漏采人员的人脸数据,且得到的疑似漏采人员的人脸数据更加准确。
在上述实施例的基础上,所述将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果,之后还包括:
将所述全量人员库中其他全量人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并将匹配成功的其他全量人员的人员信息录入所述实有人员库;其中,所述其他全量人员为所述全量人员库中除所述漏采人脸匹配结果中与所述疑似漏采人员的人脸数据匹配成功的全量人员,以及存在于所述登记人员库中的全量人员之外的全量人员。
具体地,在目标区域为智慧区域的条件下,更新目标区域的实有人员库的过程中,可以在得到漏采人脸匹配结果的基础上,结合配送数据,更新目标区域的实有人员库。
如果漏采人脸匹配结果是全量人员库中存在与配送数据中目标人员的人员信息匹配失败的全量人员的人员信息,则从所有匹配失败的全量人员中去除存在于登记人员库中的全量人员,得到其他全量人员,并将其他全量人员的人员信息与配送数据中目标人员的人员信息进行匹配,具体可以是将人员信息中的姓名和/或电话号码进行匹配,如果某一其他全量人员的人员信息匹配成功,则认为该其他全量人员为漏采人员,将该其他全量人员的人员信息录入实有人员库中。
其中,配送数据中目标人员是指配送数据中的地址信息对应的人员,可以是外卖数据和/或寄递数据中的收件人员,也可以是寄递数据中的寄件人员,本发明实施例中对此不作具体限定。
作为优选方案,在判断姓名和/或电话号码是否匹配成功时,可以判断指定时间段内姓名和/或电话号码是否匹配成功,指定时间段可以根据需要进行设定,例如可以设定为90天。即如果某一其他全量人员在90天内无外卖数据和/或寄递数据,则该其他全量人员为注销人员。如果某一其他全量人员在90天内存在外卖数据和/或寄递数据,则该其他全量人员仍在目标区域内活动,并不是注销人员。
本发明实施例中,通过漏采人脸匹配结果,结合配送数据确定出目标区域的漏采人员,并将漏采人员的人员信息录入至实有人员库中,保证了实有人员库中人员信息的完整性,即实现全量覆盖。
在上述实施例的基础上,所述基于所述配送数据和所述人脸抓拍数据,更新所述目标区域的实有人员库,具体包括:
基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似注销人员的人员信息;
将所述疑似注销人员的人员信息与所述配送数据中所有人员的人员信息进行匹配,并对所述实有人员库中匹配失败的所述疑似注销人员的人员信息进行注销标记。
具体地,在根据登记人员库和人脸抓拍数据确定目标区域的疑似漏采人员的人脸数据的同时,还可以根据登记人员库和人脸抓拍数据确定目标区域的疑似注销人员的人员信息,具体可以先根据人脸抓拍数据确定出每天进出目标区域的出入人员,然后将出入人员的人脸数据与登记人员库中每个登记人员的人脸数据进行匹配,得到登记人员库中匹配失败的登记人员,并将登记人员库中预设时间段内均匹配失败的登记人员作为疑似注销人员。预设时间段具体可以根据需要进行设定,例如可以设定为90天。
然后,将每个疑似注销人员的人员信息与配送数据中所有人员的人员信息进行匹配,具体可以是将人员信息中的电话号码进行匹配,如果匹配成功,则说明该疑似注销人员在目标区域内活动,其身份应转变为目标区域的实有人员。由于该疑似注销人员的人员信息已经存在于实有人员库中,所以此时不作处理。如果匹配失败,则说明该疑似注销人员并未在目标区域内活动,可以将其确定为注销人员,并对实有人员库中该匹配失败的疑似注销人员的人员信息进行注销标记,以提示该人员虽然在实有人员库中,但是属于被注销的人员。
本发明实施例中在更新目标区域的实有人员库时,还可以确定出目标区域的疑似注销人员,并在进一步确定疑似注销人员是注销人员时在实有人员库中进行注销标记,使得实有人口库中的人员信息在保证全量覆盖的情况下,可以对注销人员进行区分,使得实有人口库的人员信息更加准确。
在上述实施例的基础上,如图2所示,为本发明实施例中提供的目标区域为智慧区域时实有人口库的更新方法的完整流程示意图。
在确定出目标区域的疑似漏采人员和疑似注销人员后,将全量人员库中全量人员的人脸数据与疑似漏采人员的人脸数据进行匹配,即进行人脸特征匹配,得到漏采人脸匹配结果。判断漏采人脸匹配结果是否匹配成功,如果匹配成功,则将与全量人员匹配成功的疑似漏采人员的人员信息录入至实有人员库。
如果匹配失败,且是疑似漏采人员匹配失败,则将与全量人员匹配失败的疑似漏采人员的人脸数据,与全国区域的常有人员的人脸数据进行匹配,并将匹配成功的疑似漏采人员的人员信息录入实有人员库。作为优选方案,在录入之前,还可以再通过电话确认匹配成功的疑似漏采人员的人员信息,并将确认通过的人员信息录入实有人员库。此处,电话确认具体可以是人工电话确认,也可以是智能外呼电话确认。使用人工电话确认的方式可以使得提高确认的效率,使用智能外呼电话确认的方式可以节约人工成本。
如果匹配失败,且是全量人员匹配失败,则从所有匹配失败的全量人员中去除存在于登记人员库中的全量人员,得到其他全量人员。然后将其他全量人员的人员信息与配送数据中所有人员的人员信息进行匹配,具体可以是姓名和/或电话号码匹配。然后判断是否匹配成功,如果匹配成功,则将匹配成功的其他全量人员的人员信息录入实有人员库中。在录入之前,还可以再通过人工电话确认匹配成功的其他全量人员的人员信息,并将确认通过的人员信息录入实有人员库。如果匹配失败,则将匹配失败的其他全量人员的人员信息通过智能外呼的电话确认方式进行信息确认,并将确认结果进行反馈。
图2中的实有人员库的初始状态是基于目标区域的登记人员库初始化得到,而且,更新后的实有人员库又可以对登记人员库进行更新,即可以将登记人员库中确定是注销人员的登记人员的人员信息进行注销标记。
在上述实施例的基础上,所述基于所述配送数据,更新所述目标区域的实有人员库,具体包括:
将目标区域的全量人员库中任一全量人员的人员信息与所述配送数据中每一人员的人员信息进行匹配;
若匹配成功,则将所述任一全量人员的人员信息录入至所述实有人员库中;
若匹配失败,则对所述任一全量人员进行确认,并在确认通过后将所述任一全量人员的人员信息录入至所述实有人员库中;
其中,所述实有人员库的初始状态为空。
具体地,如图3所示,为本发明实施例中提供的目标区域为普通区域时实有人口库的更新方法的完整流程示意图。
在目标区域为普通区域的条件下,根据目标区域相关联的配送数据更新目标区域的实有人员库,可以先将目标区域的全量人员库中任一全量人员的人员信息与配送数据中每一目标人员的人员信息进行匹配,具体可以将人员信息中的电话号码和/或房屋进行匹配,如果电话号码和房屋均匹配成功,则直接将任一全量人员的人员信息录入至实有人员库中。如果电话号码匹配成功但是房屋匹配失败,则可以通过人工电话确认的方式进行信息确认,并在信息确认通过后,将任一全量人员的人员信息录入至实有人员库中。
如果配送数据中目标人员的电话号码匹配失败,则可以通过人工电话确认配送数据中目标人员的人员信息,并在信息确认通过后,将该目标人员的人员信息录入至实有人员库中。
如果全量人员的电话号码匹配失败,则可以进一步判断该全量人员的人员信息的信息来源,如果信息来源的类数大于等于指定类数,则认为该全量人员的人员信息可信度较高,可以通过人工电话确认,并在信息确认通过后,将该全量人员的人员信息录入至实有人员库中。同时,如果信息来源的类数小于指定类数,则认为该全量人员的人员信息可信度较低,可以直接通过智能外呼的确认方式进行人员信息确认,并在信息确认通过后,将该全量人员的人员信息录入至实有人员库中。其中,指定类数具体可以是3类,也可以是其他数值。
在上述实施例的基础上,本发明实施例中提供的实有人员库的更新方法,所述全量人员库,具体通过如下方式确定:
获取所述目标区域的初始人员信息,所述初始人员信息中包括初始地址信息;
将所述初始地址信息进行标准化处理,并基于标准化处理的结果,以所述目标区域内的房屋为单位,对所述初始人员信息进行整合,得到所述全量人员库。
具体地,本发明实施例中在确定目标区域的全量人员库时,首先获取目标区域的初始人员信息。其中,初始人员信息可以来自于目标区域相关联的多类不同的信息来源,信息来源具体可以包括目标区域的历史实有人员库、基于人员在各平台手动填写相关基础信息后生成的二维码、不动产权证以及居住证等。在各信息来源中均包含有人员的相关信息必填项,但每类信息来源中的相关信息必填项可相同也可不同。初始人员信息是指多类不同的信息来源中的相关信息,在初始人员信息中包含有初始地址信息,该初始地址信息具体可以是人员在目标区域内的最小活动区域,以目标区域为居民小区为例,则初始地址信息可以是人员在该居民小区内居住的具体房屋地址,可以具体到房间号。
由于不同信息来源中信息的描述方式不一定相同,这将导致初始地址信息的编写方法各有不同,所以需要对初始地址信息进行标准化处理,具体可以使用标准地址服务,实现初始地址信息的标准化表示。其中,标准地址服务可以包括数据融合关联、地址标准化两个部分,数据融合关联是指通过地址格式转换、合法性检查、规范化处理、重复处理、地址分词、主体提取、地址空间化等手段实现地址预处理;接着通过建立元素关系、多源融合、别名挖掘、聚合清洗、异常处理等方法实现关联融合;最后结合AOI关联、楼栋关联、户室关联达到地址关联的效果。地址标准化是指通过标准名称、标准层级、标准楼栋、标准别名、要素关系、标准地址实现地址标准化,然后通过属性检查、空间检查、逻辑检查等手段实现数据质检,通过标准检查项保证质量,发现问题自动化处理、修复。
标准化处理的结果具体可以是统一采用如下格式表示地址信息:省、市、区、路、号、目标区域名、目标区域内的楼栋名、楼栋内的房间号。在标准化处理之后,以目标区域内的房屋为单位,即同一房间号内的人员作为一个整体,对应于一个相同的地址信息。对初始人员信息进行整合,将属于同一人员的相关信息进行合并,同一人员可以通过身份信息进行表征,身份信息具体可以是身份证号码。将属于不同人员的相关信息进行堆叠,最终得到目标区域的全量人员库。
需要说明的是,可以为不同类别的信息来源设置信息合并的优先级,即如果在将属于同一人员的相关信息进行合并时出现信息不同的情况,手机号码则都作保留,而除手机号码外的其他信息,则可以按不同类别的信息来源的优先级高低,保留优先级高的信息来源中的相关信息。
在上述实施例的基础上,本发明实施例中提供的实有人员库的更新方法,还可以对配送数据中的地址信息进行标准化处理,具体的处理过程参见上述实施例,本发明实施例中对此不再赘述。
如图4所示,在上述实施例的基础上,本发明实施例中提供了一种实有人员库的更新装置,包括:数据确定模块41和实有人员库更新模块42。其中,
数据确定模块41用于确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;
实有人员库更新模块42用于基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
具体地,本发明实施例中提供的实有人员库的更新装置中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
在上述实施例的基础上,实有人员库更新模块具体包括:疑似漏采人员确定子模块、人员信息确定子模块和更新子模块;
疑似漏采人员确定子模块用于基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据;
人员信息确定子模块用于基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息;
更新子模块用于将所述疑似漏采人员的人员信息录入所述实有人员库;
其中,所述实有人员库基于所述登记人员库初始化得到。
在上述实施例的基础上,疑似漏采人员确定子模块具体用于:
基于所述登记人员库以及所述人脸抓拍数据,确定所述人脸抓拍数据中存在的且所述登记人员库中不存在的陌生人脸数据;
对所述陌生人脸数据进行聚类,得到陌生人员的人脸数据;
基于所述陌生人员的人脸数据在所述人脸抓拍数据中的时间分布,确定所述疑似漏采人员的人脸数据。
在上述实施例的基础上,人员信息确定子模块具体用于:
将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果;
若所述漏采人脸匹配结果为匹配成功,则将与所述疑似漏采人员的人脸数据匹配的全量人员的人员信息,作为所述疑似漏采人员的人员信息;
否则,将所述疑似漏采人员的人脸数据与指定区域的常有人员的人脸数据进行匹配,并将与疑似漏采人员的人脸数据匹配的常有人员的人员信息,作为所述疑似漏采人员的人员信息。
在上述实施例的基础上,更新子模块还用于:
将所述全量人员库中其他全量人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并将匹配成功的其他全量人员的人员信息录入所述实有人员库;
其中,所述其他全量人员为所述全量人员库中除所述漏采人脸匹配结果中与所述疑似漏采人员的人脸数据匹配成功的全量人员,以及存在于所述登记人员库中的全量人员之外的全量人员。
在上述实施例的基础上,实有人员库更新模块还包括:疑似注销人员确定子模块;疑似注销人员确定子模块用于基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似注销人员的人员信息;
相应地,更新子模块还用于:将所述疑似注销人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并对所述实有人员库中匹配失败的所述疑似注销人员的人员信息进行注销标记。
在上述实施例的基础上,实有人员库更新模块还包括:人员信息匹配子模块,人员信息匹配子模块用于:将目标区域的全量人员库中任一全量人员的人员信息与所述配送数据中每一目标人员的人员信息进行匹配;
相应地,更新子模块还用于:若人员信息匹配子模块的匹配结果是匹配成功,则将所述任一全量人员的人员信息录入至所述实有人员库中;若人员信息匹配子模块的匹配结果是若匹配失败,则对所述任一全量人员进行确认,并在确认通过后将所述任一全量人员的人员信息录入至所述实有人员库中;
其中,所述实有人员库的初始状态为空。
在上述实施例的基础上,实有人员库的更新装置还包括全量人员库确定模块;全量人员库确定模块用于:
获取所述目标区域的初始人员信息,所述初始人员信息中包括初始地址信息;
将所述初始地址信息进行标准化处理,并基于标准化处理的结果,以所述目标区域内的房屋为单位,对所述初始人员信息进行整合,得到所述全量人员库。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行实有人员库的更新方法,该方法包括:确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
此外,上述的存储器530中的逻辑指令可以通过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。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的实有人员库的更新方法,该方法包括:确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
又一方面,本发明实施例还提供一种非暂态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以执行上述各实施例提供的实有人员库的更新方法,该方法包括:确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种实有人员库的更新方法,其特征在于,包括:
确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;
基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
2.根据权利要求1所述的实有人员库的更新方法,其特征在于,所述基于所述人脸抓拍数据,更新所述目标区域的实有人员库,具体包括:
基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据;
基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息;
将所述疑似漏采人员的人员信息录入所述实有人员库;
其中,所述实有人员库基于所述登记人员库初始化得到。
3.根据权利要求2所述的实有人员库的更新方法,其特征在于,所述基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似漏采人员的人脸数据,具体包括:
基于所述登记人员库以及所述人脸抓拍数据,确定所述人脸抓拍数据中存在的且所述登记人员库中不存在的陌生人脸数据;
对所述陌生人脸数据进行聚类,得到陌生人员的人脸数据;
基于所述陌生人员的人脸数据在所述人脸抓拍数据中的时间分布,确定所述疑似漏采人员的人脸数据。
4.根据权利要求2所述的实有人员库的更新方法,其特征在于,所述基于所述疑似漏采人员的人脸数据,确定所述疑似漏采人员的人员信息,具体包括:
将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果;
若所述漏采人脸匹配结果为匹配成功,则将与所述疑似漏采人员的人脸数据匹配的全量人员的人员信息,作为所述疑似漏采人员的人员信息;
否则,将所述疑似漏采人员的人脸数据与指定区域的常有人员的人脸数据进行匹配,并将与疑似漏采人员的人脸数据匹配的常有人员的人员信息,作为所述疑似漏采人员的人员信息。
5.根据权利要求4所述的实有人员库的更新方法,其特征在于,所述将目标区域的全量人员库中全量人员的人脸数据与所述疑似漏采人员的人脸数据进行匹配,得到漏采人脸匹配结果,之后还包括:
将所述全量人员库中其他全量人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并将匹配成功的其他全量人员的人员信息录入所述实有人员库;
其中,所述其他全量人员为所述全量人员库中除所述漏采人脸匹配结果中与所述疑似漏采人员的人脸数据匹配成功的全量人员,以及存在于所述登记人员库中的全量人员之外的全量人员。
6.根据权利要求1-5中任一项所述的实有人员库的更新方法,其特征在于,所述基于所述配送数据和所述人脸抓拍数据,更新所述目标区域的实有人员库,具体包括:
基于所述登记人员库和所述人脸抓拍数据,确定所述目标区域的疑似注销人员的人员信息;
将所述疑似注销人员的人员信息与所述配送数据中目标人员的人员信息进行匹配,并对所述实有人员库中匹配失败的所述疑似注销人员的人员信息进行注销标记。
7.根据权利要求1所述的实有人员库的更新方法,其特征在于,所述基于所述配送数据,更新所述目标区域的实有人员库,具体包括:
将目标区域的全量人员库中任一全量人员的人员信息与所述配送数据中每一目标人员的人员信息进行匹配;
若匹配成功,则将所述任一全量人员的人员信息录入至所述实有人员库中;
若匹配失败,则对所述任一全量人员进行确认,并在确认通过后将所述任一全量人员的人员信息录入至所述实有人员库中;
其中,所述实有人员库的初始状态为空。
8.根据权利要求4、5、7中任一项所述的实有人员库的更新方法,其特征在于,所述全量人员库,具体通过如下方式确定:
获取所述目标区域的初始人员信息,所述初始人员信息中包括初始地址信息;
将所述初始地址信息进行标准化处理,并基于标准化处理的结果,以所述目标区域内的房屋为单位,对所述初始人员信息进行整合,得到所述全量人员库。
9.一种实有人员库的更新装置,其特征在于,包括:
数据确定模块,用于确定目标区域相关联的配送数据和/或所述目标区域的人脸抓拍数据;
实有人员库更新模块,用于基于所述配送数据和/或所述人脸抓拍数据,更新所述目标区域的实有人员库;所述实有人员库的初始状态为空或基于登记人员库初始化得到。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述实有人员库的更新方法的步骤。
11.一种非暂态计算机可读存储介质,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如权利要求1至8任一项所述实有人员库的更新方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955482.1A CN112052346B (zh) | 2020-09-11 | 2020-09-11 | 实有人员库的更新方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955482.1A CN112052346B (zh) | 2020-09-11 | 2020-09-11 | 实有人员库的更新方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052346A true CN112052346A (zh) | 2020-12-08 |
CN112052346B CN112052346B (zh) | 2022-06-10 |
Family
ID=73610763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010955482.1A Active CN112052346B (zh) | 2020-09-11 | 2020-09-11 | 实有人员库的更新方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052346B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581337A (zh) * | 2020-12-09 | 2021-03-30 | 福建天创信息科技有限公司 | 一种判断实有人口是否漏登的方法及终端 |
CN114861092A (zh) * | 2022-07-11 | 2022-08-05 | 国家邮政局邮政业安全中心 | 人员流动分析方法、系统、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090278654A1 (en) * | 2008-05-07 | 2009-11-12 | International Business Machines Corporation | Method of and System for Controlling Access to an Automated Media Library |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
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 |
CN110796013A (zh) * | 2019-09-29 | 2020-02-14 | 浙江新再灵科技股份有限公司 | 一种常驻人口信息收集方法及系统 |
CN110930577A (zh) * | 2019-12-06 | 2020-03-27 | 深圳惟远智能技术有限公司 | 一种基于门禁数据分析未登记但实际入住人员的方法 |
CN111368622A (zh) * | 2019-10-18 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 人员识别方法及装置、存储介质 |
CN111563671A (zh) * | 2020-04-28 | 2020-08-21 | 重庆中科云从科技有限公司 | 一种区域人员管理方法、系统、机器可读介质及设备 |
CN111582693A (zh) * | 2020-04-28 | 2020-08-25 | 重庆中科云从科技有限公司 | 一种人口管理方法、系统、机器可读介质及设备 |
-
2020
- 2020-09-11 CN CN202010955482.1A patent/CN112052346B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090278654A1 (en) * | 2008-05-07 | 2009-11-12 | International Business Machines Corporation | Method of and System for Controlling Access to an Automated Media Library |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
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 |
CN110796013A (zh) * | 2019-09-29 | 2020-02-14 | 浙江新再灵科技股份有限公司 | 一种常驻人口信息收集方法及系统 |
CN111368622A (zh) * | 2019-10-18 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 人员识别方法及装置、存储介质 |
CN110930577A (zh) * | 2019-12-06 | 2020-03-27 | 深圳惟远智能技术有限公司 | 一种基于门禁数据分析未登记但实际入住人员的方法 |
CN111563671A (zh) * | 2020-04-28 | 2020-08-21 | 重庆中科云从科技有限公司 | 一种区域人员管理方法、系统、机器可读介质及设备 |
CN111582693A (zh) * | 2020-04-28 | 2020-08-25 | 重庆中科云从科技有限公司 | 一种人口管理方法、系统、机器可读介质及设备 |
Non-Patent Citations (3)
Title |
---|
HAOLIANG LI: "Learning Generalized Deep Feature Representation for Face Anti-Spoofing", 《 IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》 * |
张秀琴: "煤矿井下人员考勤系统中的人脸识别", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
梁明等: "人脸识别在退休金身份认证中的应用", 《计算机工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581337A (zh) * | 2020-12-09 | 2021-03-30 | 福建天创信息科技有限公司 | 一种判断实有人口是否漏登的方法及终端 |
CN112581337B (zh) * | 2020-12-09 | 2023-07-21 | 福建天创信息科技有限公司 | 一种判断实有人口是否漏登的方法及终端 |
CN114861092A (zh) * | 2022-07-11 | 2022-08-05 | 国家邮政局邮政业安全中心 | 人员流动分析方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112052346B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110110093A (zh) | 一种基于知识图谱的识别方法、装置、电子设备及存储介质 | |
CN112052346B (zh) | 实有人员库的更新方法、装置、电子设备及存储介质 | |
CN107273833B (zh) | 用于监测流动人口的方法及其系统 | |
CN109859829A (zh) | 一种基于微信公众平台的医疗设备报修系统及其运行方法 | |
CN109902747B (zh) | 一种身份识别方法、装置、设备及计算机可读存储介质 | |
US11368814B2 (en) | Evacuation tracking | |
CN110689325A (zh) | 信息处理方法、装置及计算机可读存储介质 | |
CN110570113A (zh) | 一种工单处理方法及系统 | |
CN110807546A (zh) | 社区网格人口变化预警方法及系统 | |
CN111177398B (zh) | 一种组织架构更新方法及装置 | |
CN109284978B (zh) | 一种精准识别贫困户的系统及识别方法 | |
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 | |
CN109710628A (zh) | 信息处理方法及装置、系统、计算机及可读存储介质 | |
CN115809308A (zh) | 实现实有人口数据自动归类与采集的方法、装置、电子设备 | |
CN110689028A (zh) | 现场图测评方法、现场勘查记录测评方法及其装置 | |
CN115809280A (zh) | 一种群租房识别及迭代识别方法 | |
CN115587128A (zh) | 一种用于小区的实有人口积分管理系统 | |
CN112528809A (zh) | 关于涉盗嫌疑人员的识别方法、装置及设备、存储介质 | |
CN112668895A (zh) | 一种数字资源质量监管系统 | |
CN112751976A (zh) | 基于认证日志的坐席关联方法、系统、设备及存储介质 | |
CN112581337A (zh) | 一种判断实有人口是否漏登的方法及终端 | |
CN110969209A (zh) | 一种陌生人识别方法、装置、电子设备及存储介质 | |
CN109491921A (zh) | 埋点信息的管理方法和系统 | |
CN111582754B (zh) | 风险排查方法、装置、设备及计算机可读存储介质 | |
CN112541831B (zh) | 一种医疗保险的风险识别方法、装置、介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |