CN112133051B - 一种基于大数据的行为预判监控系统 - Google Patents

一种基于大数据的行为预判监控系统 Download PDF

Info

Publication number
CN112133051B
CN112133051B CN202011333309.4A CN202011333309A CN112133051B CN 112133051 B CN112133051 B CN 112133051B CN 202011333309 A CN202011333309 A CN 202011333309A CN 112133051 B CN112133051 B CN 112133051B
Authority
CN
China
Prior art keywords
unit
visiting
information
time
acquiring
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.)
Active
Application number
CN202011333309.4A
Other languages
English (en)
Other versions
CN112133051A (zh
Inventor
孙凯
蔡兵
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.)
Lanhomex Technology Shenzhen Co ltd
Original Assignee
Lanhomex Technology Shenzhen 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 Lanhomex Technology Shenzhen Co ltd filed Critical Lanhomex Technology Shenzhen Co ltd
Priority to CN202011333309.4A priority Critical patent/CN112133051B/zh
Publication of CN112133051A publication Critical patent/CN112133051A/zh
Application granted granted Critical
Publication of CN112133051B publication Critical patent/CN112133051B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • G08B13/24—Electrical actuation by interference with electromagnetic field distribution
    • G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于大数据的行为预判监控系统，包括外窥单元、初解单元、综合解析单元、自查找单元、个人数据库、内向分析单元、内窥单元、疑惑记录单元、处理器、存储单元、显示单元和管理单元；本发明通过外窥单元获取银行外的实时情景，将其标记为实时视频信息，之后将实时视频信息传输到初解单元，利用初解单元接收外窥单元传输的实时视频信息，并对实时视频信息进行初解分析，得到来访信息和存疑访客；将来访信息传输到综合解析单元，综合解析单元接收初解单元传输的来访信息，并将其传输自查找单元，通过自查找单元用于结合个人数据库对来访信息进行业务预测分析，得到用户可能来的办事业务，形成预测信息，便于提高用户服务。

Description

一种基于大数据的行为预判监控系统
技术领域
本发明属于行为预判领域，涉及一种大数据预判技术，具体是一种基于大 数据的行为预判监控系统。
背景技术
公开号为CN111079590A 的专利公开了一种无人驾驶车辆的周边车辆行为预判方法。首先获取目标车辆的轨迹数据和环境数据；然后对轨迹数据进行特征值添加及标准化处理，提取变道、直行轨迹数据并进行类别标注，随机提取长度为dk 的时间段内的数据，构成第kLSTM 数据集；接着对环境数据进行数据清洗，提取变道、直行环境数据，并进行类别标注，得到RF 数据集；再构建并训练周边车辆行为预判的第kLSTM 深度神经网络模型及随机森林模型，并结合随机森林模型和第1、2LSTM 深度神经网络模型，对目标车辆进行行为预判；在预测出变道行为后，进行车辆轨迹预测。本发明能够提高无人驾驶车辆行为及轨迹预测的准确性及实时性。
但是针对该专利来说，其仅仅公开了对车辆的行为预测，并没有涉及太多的智能服务行业，当前对于银行来说，在银行来进行挂号，或者排队时会存在很多人不熟悉银行的业务，需要人工进行问询后为其提供服务，这样在客户较多时就无法进行合理咨询和有效服务，同时对于银行内一些违法行为也无法做到事先预测，事发报警；为了解决这一技术问题， 现提供一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的行为预判监控系统。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的行为预判监控系统，包括外窥单元、初解单元、综合解析单元、自查找单元、个人数据库、内向分析单元、内窥单元、疑惑记录单元、处理器、存储单元、显示单元和管理单元；
其中，所述外窥单元包括设置在银行外的摄像头，用于获取银行外的实时情景，将其标记为实时视频信息，所述外窥单元用于将实时视频信息传输到初解单元，所述初解单元接收外窥单元传输的实时视频信息，并对实时视频信息进行初解分析，得到来访信息和存疑访客；
所述初解单元用于将来访信息传输到综合解析单元，所述综合解析单元接收初解单元传输的来访信息，并将其传输自查找单元，所述自查找单元用于结合个人数据库对来访信息进行业务预测分析，个人数据库内存储有所有对应该银行客户的人脸信息以及所有的办事记录，办事记录为对应客户每次去往该银行每个点进行的办事内容和办事时间；
业务预测分析具体步骤为：
SS01：获取到来访信息内的人脸信息，将人脸信息与客户的人脸信息进行比对，当比对到一致的内容时，获取到对应来访客户的办事记录；
SS02：根据办事记录内的办事时间，获取到对应来访客户近半年的办事内容；
SS03：将办事时间划分为七个办事时段，分别为周一到周日；将办事时段标记为Bj，j=1...7；
SS04：令j=1，获取对应的办事时段；
SS05：获取到近半年内，在办事时段Bj 内所有的办事内容，以及对应每个办事内容的出现次数；
SS06：将出现次数除以总次数得到出现比例；
SS07：将出现比例为第一的对应办事内容标记为标的内容，当剩余的办事内容的出现比例与第一的出现比例差值在X4 以内时，将对应的办事内容标记为标的内容的并行内容；X4 为预设值，且X4≤5%；将标的内容和并行内容融合形成预测信息；
SS08：令j=j+1，重复步骤SS04-SS08，得到所有办事时段Bj 对应的预测信息；
SS09：获取到来访客户的所在时段，根据所在时段，得到其预测信息；
SS10：自动获取到所有来访客户的预测信息；
所述自查找单元用于将对应来访客户的预测信息返回到综合解析单元，所述内窥单元用于获取银行内的行内视频，并将行内视频通过内向分析单元传输到综合解析单元；所述综合解析单元根据行内视频，自动将行内视频内的所有人标记为办事客户，将办事客户的脸与来访客户进行人脸比对，得到所有办事客户对应的预测信息，所述综合解析单元用于将对应办事客户的预测信息传输到处理器，所述处理器用于在办事客户进行叫号时自动通过显示单元显示“您想进行以下办事吗+预测信息”，便于用户进行快速选择；
所述处理器用于将所有来访客户的预测信息打上时间戳传输到存储单元进行实时存储；
所述管理单元与处理器通信连接。
进一步地，所述初解分析具体步骤为：
步骤一：首先以银行大门所在竖直面为基准面，获取到银行单门的中心面；
步骤二：获取到中心面与地面所在平面接触形成的射线，射线起点为基准面上，终点距离起点的长度为预设值Dy；
步骤三：将得到的射线标记为划分线，该划分线与基准面垂直；
步骤四：获取到实时视频信息内的所有的行人，将其标记为经由行人，获取到经由行人距离划分线的垂直距离；
步骤五：将该垂直距离与设定数值Ds 进行比较，将低于设定数值的经由行人标记为潜在访客；同时进行潜在剔除监控，对潜在访客进行实时剔除；
步骤六：之后自动对所有的潜在访客进行意识分析，得到人脸信息和对应的来访客户融合形成的来访信息；同时得到存疑访客。
进一步地，步骤五中的潜在剔除监控的具体步骤为：
S01：任选一潜在访客；
S02：实时监控垂直距离，每间隔T1 时间获取一次垂直距离，得到垂直距离组，Cj，j=1...n；
S03：利用公式计算变差值Bc，具体计算公式为：Bc=Cn-Cn-1；
S04：每产生一个新的Cn 时，即为每经过T1 时间，自动计算一次变差值，当连续X1个变差值均在逐渐增大时，产生剔除信号，此时X1 为预设值，此处可取值为3；
否则，不产生剔除信号；
S05：将产生剔除信号的潜在访客重新标记为经由行人；
S06：任选下一潜在访客，重复步骤S02-S06，对所有的潜在访客进行依次分析，产生对应结果。
进一步地，步骤六中的意识分析的具体步骤为：
S1：任选一潜在访客；
S2：获取到潜在访客的脚部图像，以划分线为参考线，将其不断向前平移，直到其开始与脚部相接触；
S3：将初次与两只脚接触的点标记为各自脚的滞后点，将最后与两只脚接触的点标记为前伸点，得到两个滞后点和两个前伸点；
S4：将两个滞后点相连，将其中点标记为滞后中点；
S5：将两个前伸点相连，将其终点标记为前伸中点，将前伸中点和滞后中点相互连接，得到视前方向线；
S6：将视前方向线与基准面所成的夹角标记为意向夹角，意向夹角始终取值为小于等于九十度的部分；
S7：对意向夹角进行实时监控，每间隔T1 时间获取一次其取值，得到意向夹角组Hi，i=1...n，n 为正整数，
S8：对Hn 进行实时监控，当其超过X2 时，产生连视信号，X2 为预设值；
S9：从刚刚时刻起，连续获取五组意向夹角组Hi，同时获取到对应时刻的五组意向距离值，意向距离值为对应潜在访客与银行大门的最短距离；
S10：将连续五组的意向夹角组超过X2 值的个数除以五，得到意向占比；
S11：同时将最短距离进行比较；具体比较方式为自动计算随着时间的推移，最短距离变小的次数在三次及以上时，产生缩小信号；
S12：当意向占比超过X3，且产生缩小信号时，产生来访信号；X3 为预设值；
S13：将产生来访信号的潜在访客标记为来访客户；
S14：任选下一潜在访客，重复步骤S2-S14，持续对所有的潜在访客进行分析；
S15：得到所有的来访客户，获取到来访客户的人脸信息，将人脸信息和对应的来访客户融合形成来访信息；
当人脸信息遮挡时，若无法获取到对应的人脸信息，则将该来访客户标记为存疑访客。
进一步地，所述初解单元用于将存疑访客传输到疑惑记录单元，所述内窥单元用于结合疑惑记录单元和内向分析单元对存疑访客进行疑惑分析操作，具体操作步骤为：
SS1：利用内窥单元自动获取到存疑访客；
SS2：当用户进入到银行内时，自动将其所有的画面标记为警惕画面，并同步将警惕画面传输到内向分析单元；
SS3：内向分析单元用于对警惕画面内的存疑访客进行追踪分析；
SS4：自动锁定到存疑访客随身携带的所有背包和口袋；
SS5：当存疑用户的手部深入到对应的背包和口袋内时，会自动获取到背包和口袋内的所有图像，将所有的图像与危险设备进行图像比较，当任一图像比对出相似度高于预设比例Yb 时，自动产生警报信号；危险设备为管理人员预先录入的所有存在危险的设备的所有角度的图片，危险设备具体为管制器械，或者刀具；
SS6：当产生警报信号时，自动将银行所在位置和比对到的图像传输到报警中心；
SS7：结束疑惑分析操作。
进一步地，所述管理单元用于录入所有的预设数值。
本发明的有益效果：
本发明通过外窥单元获取银行外的实时情景，将其标记为实时视频信息，之后将实时视频信息传输到初解单元，利用初解单元接收外窥单元传输的实时视频信息，并对实时视频信息进行初解分析，得到来访信息和存疑访客；
再之后将来访信息传输到综合解析单元，综合解析单元接收初解单元传输的来访信息，并将其传输自查找单元，通过自查找单元用于结合个人数据库对来访信息进行业务预测分析，得到用户可能来的办事业务，形成预测信息，便于对用户进行准确性服务；
同时借助内向分析单元对存疑访客进行分析，直接确认有无危险情况，并在情况发生时，及时发出警报；本发明简单有效，且易于使用。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1 为本发明的系统框图。
具体实施方式
如图1 所示，一种基于大数据的行为预判监控系统，包括外窥单元、初解单元、综合解析单元、自查找单元、个人数据库、内向分析单元、内窥单元、疑惑记录单元、处理器、存储单元、显示单元和管理单元；
其中，所述外窥单元包括设置在银行外的摄像头，用于获取银行外的实时情景，将其标记为实时视频信息，所述外窥单元用于将实时视频信息传输到初解单元，所述初解单元接收外窥单元传输的实时视频信息，并对实时视频信息进行初解分析，初解分析具体步骤为：
步骤一：首先以银行大门所在竖直面为基准面，获取到银行单门的中心面；
步骤二：获取到中心面与地面所在平面接触形成的射线，射线起点为基准面上，终点距离起点的长度为预设值Dy；
步骤三：将得到的射线标记为划分线，该划分线与基准面垂直；
步骤四：获取到实时视频信息内的所有的行人，将其标记为经由行人，获取到经由行人距离划分线的垂直距离；
步骤五：将该垂直距离与设定数值Ds 进行比较，将低于设定数值的经由行人标记为潜在访客；同时进行潜在剔除监控，具体监控步骤为：
S01：任选一潜在访客；
S02：实时监控垂直距离，每间隔T1 时间获取一次垂直距离，得到垂直距离组，Cj，j=1...n；
S03：利用公式计算变差值Bc，具体计算公式为：Bc=Cn-Cn-1；
S04：每产生一个新的Cn 时，即为每经过T1 时间，自动计算一次变差值，当连续X1个变差值均在逐渐增大时，产生剔除信号，此时X1 为预设值，此处可取值为3；
否则，不产生剔除信号；
S05：将产生剔除信号的潜在访客重新标记为经由行人；
S06：任选下一潜在访客，重复步骤S02-S06，对所有的潜在访客进行依次分析，产生对应结果；
步骤六：之后自动对所有的潜在访客进行意识分析，意识分析的具体步骤为：
S1：任选一潜在访客；
S2：获取到潜在访客的脚部图像，以划分线为参考线，将其不断向前平移，直到其开始与脚部相接触；
S3：将初次与两只脚接触的点标记为各自脚的滞后点，将最后与两只脚接触的点标记为前伸点，得到两个滞后点和两个前伸点；
S4：将两个滞后点相连，将其中点标记为滞后中点；
S5：将两个前伸点相连，将其终点标记为前伸中点，将前伸中点和滞后中点相互连接，得到视前方向线；
S6：将视前方向线与基准面所成的夹角标记为意向夹角，意向夹角始终取值为小于等于九十度的部分；
S7：对意向夹角进行实时监控，每间隔T1 时间获取一次其取值，得到意向夹角组Hi，i=1...n，n 为正整数，
S8：对Hn 进行实时监控，当其超过X2 时，产生连视信号，X2 为预设值；
S9：从刚刚时刻起，连续获取五组意向夹角组Hi，同时获取到对应时刻的五组意向距离值，意向距离值为对应潜在访客与银行大门的最短距离；
S10：将连续五组的意向夹角组超过X2 值的个数除以五，得到意向占比；
S11：同时将最短距离进行比较；具体比较方式为自动计算随着时间的推移，最短距离变小的次数在三次及以上时，产生缩小信号；
S12：当意向占比超过X3，且产生缩小信号时，产生来访信号；X3 为预设值；
S13：将产生来访信号的潜在访客标记为来访客户；
S14：任选下一潜在访客，重复步骤S2-S14，持续对所有的潜在访客进行分析；
S15：得到所有的来访客户，获取到来访客户的人脸信息，将人脸信息和对应的来访客户融合形成来访信息；
当人脸信息遮挡时，若无法获取到对应的人脸信息，则将该来访客户标记为存疑访客；
所述初解单元用于将存疑访客传输到疑惑记录单元，所述内窥单元用于结合疑惑记录单元和内向分析单元对存疑访客进行疑惑分析操作，具体操作步骤为：
SS1：利用内窥单元自动获取到存疑访客；
SS2：当用户进入到银行内时，自动将其所有的画面标记为警惕画面，并同步将警惕画面传输到内向分析单元；
SS3：内向分析单元用于对警惕画面内的存疑访客进行追踪分析；
SS4：自动锁定到存疑访客随身携带的所有背包和口袋；
SS5：当存疑用户的手部深入到对应的背包和口袋内时，会自动获取到背包和口袋内的所有图像，将所有的图像与危险设备进行图像比较，当任一图像比对出相似度高于预设比例Yb 时，自动产生警报信号；危险设备为管理人员预先录入的所有存在危险的设备的所有角度的图片，危险设备具体为管制器械，或者刀具等；
SS6：当产生警报信号时，自动将银行所在位置和比对到的图像传输到报警中心；
SS7：结束疑惑分析操作；
所述初解单元用于将来访信息传输到综合解析单元，所述综合解析单元接收初解单元传输的来访信息，并将其传输自查找单元，所述自查找单元用于结合个人数据库对来访信息进行业务预测分析，个人数据库内存储有所有对应该银行客户的人脸信息以及所有的办事记录，办事记录为对应客户每次去往该银行每个点进行的办事内容和办事时间；
业务预测分析具体步骤为：
SS01：获取到来访信息内的人脸信息，将人脸信息与客户的人脸信息进行比对，当比对到一致的内容时，获取到对应来访客户的办事记录；
SS02：根据办事记录内的办事时间，获取到对应来访客户近半年的办事内容；
SS03：将办事时间划分为七个办事时段，分别为周一到周日；将办事时段标记为Bj，j=1...7；
SS04：令j=1，获取对应的办事时段；
SS05：获取到近半年内，在办事时段Bj 内所有的办事内容，以及对应每个办事内容的出现次数；
SS06：将出现次数除以总次数得到出现比例；
SS07：将出现比例为第一的对应办事内容标记为标的内容，当剩余的办事内容的出现比例与第一的出现比例差值在X4 以内时，将对应的办事内容标记为标的内容的并行内容；X4 为预设值，且X4≤5%；将标的内容和并行内容融合形成预测信息；
SS08：令j=j+1，重复步骤SS04-SS08，得到所有办事时段Bj 对应的预测信息；
SS09：获取到来访客户的所在时段，根据所在时段，得到其预测信息；
SS10：自动获取到所有来访客户的预测信息；
所述自查找单元用于将对应来访客户的预测信息返回到综合解析单元，所述内窥单元用于获取银行内的行内视频，并将行内视频通过内向分析单元传输到综合解析单元；所述综合解析单元根据行内视频，自动将行内视频内的所有人标记为办事客户，将办事客户的脸与来访客户进行人脸比对，得到所有办事客户对应的预测信息，所述综合解析单元用于将对应办事客户的预测信息传输到处理器，所述处理器用于在办事客户进行叫号时自动通过显示单元显示“您想进行以下办事吗+预测信息”，便于用户进行快速选择；
所述处理器用于将所有来访客户的预测信息打上时间戳传输到存储单元进行实时存储；
所述管理单元与处理器通信连接，用于录入所有的预设值X1-X4。
一种基于大数据的行为预判监控系统，在工作时通过外窥单元获取银行外的实时情景，将其标记为实时视频信息，之后将实时视频信息传输到初解单元，利用初解单元接收外窥单元传输的实时视频信息，并对实时视频信息进行初解分析，得到来访信息和存疑访客；
再之后将来访信息传输到综合解析单元，综合解析单元接收初解单元传输的来访信息，并将其传输自查找单元，通过自查找单元用于结合个人数据库对来访信息进行业务预测分析，得到用户可能来的办事业务，形成预测信息，便于对用户进行准确性服务；
同时借助内向分析单元对存疑访客进行分析，直接确认有无危险情况，并在情况发生时，及时发出警报；本发明简单有效，且易于使用。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.一种基于大数据的行为预判监控系统，其特征在于，包括外窥单元、初解单元、综合解析单元、自查找单元、个人数据库、内向分析单元、内窥单元、疑惑记录单元、处理器、存储单元、显示单元和管理单元；
其中，所述外窥单元包括设置在银行外的摄像头，用于获取银行外的实时情景，将其标记为实时视频信息，所述外窥单元用于将实时视频信息传输到初解单元，所述初解单元接收外窥单元传输的实时视频信息，并对实时视频信息进行初解分析，得到来访信息和存疑访客；
所述初解单元用于将来访信息传输到综合解析单元，所述综合解析单元接收初解单元传输的来访信息，并将其传输到自查找单元，所述自查找单元用于结合个人数据库对来访信息进行业务预测分析，个人数据库内存储有所有对应该银行客户的人脸信息以及所有的办事记录，办事记录为对应客户每次去往该银行每个点进行的办事内容和办事时间；
业务预测分析具体步骤为：
SS01：获取到来访信息内的人脸信息，将人脸信息与客户的人脸信息进行比对，当比对到一致的内容时，获取到对应来访客户的办事记录；
SS02：根据办事记录内的办事时间，获取到对应来访客户近半年的办事内容；
SS03：将办事时间划分为七个办事时段，分别为周一到周日；将办事时段标记为Bj，j=1...7；
SS04：令j=1，获取对应的办事时段；
SS05：获取到近半年内，在办事时段Bj 内所有的办事内容，以及对应每个办事内容的出现次数；
SS06：将出现次数除以总次数得到出现比例；
SS07：将出现比例为第一的对应办事内容标记为标的内容，当剩余的办事内容的出现比例与第一的出现比例差值在X4 以内时，将对应的办事内容标记为标的内容的并行内容；X4 为预设值，且X4≤5%；将标的内容和并行内容融合形成预测信息；
SS08：令j=j+1，重复步骤SS04-SS08，得到所有办事时段Bj 对应的预测信息；
SS09：获取到来访客户的所在时段，根据所在时段，得到其预测信息；
SS10：自动获取到所有来访客户的预测信息；
所述自查找单元用于将对应来访客户的预测信息返回到综合解析单元，所述内窥单元用于获取银行内的行内视频，并将行内视频通过内向分析单元传输到综合解析单元；所述综合解析单元根据行内视频，自动将行内视频内的所有人标记为办事客户，将办事客户的脸与来访客户进行人脸比对，得到所有办事客户对应的预测信息，所述综合解析单元用于将对应办事客户的预测信息传输到处理器，所述处理器用于在办事客户进行叫号时自动通过显示单元显示“您想进行以下办事吗+预测信息”，便于用户进行快速选择；
所述处理器用于将所有来访客户的预测信息打上时间戳传输到存储单元进行实时存储；
所述管理单元与处理器通信连接；
所述初解分析具体步骤为：
步骤一：首先以银行大门所在竖直面为基准面，获取到银行单门的中心面；
步骤二：获取到中心面与地面所在平面接触形成的射线，射线起点为基准面上，终点距离起点的长度为预设值Dy；
步骤三：将得到的射线标记为划分线，该划分线与基准面垂直；
步骤四：获取到实时视频信息内的所有的行人，将其标记为经由行人，获取到经由行人距离划分线的垂直距离；
步骤五：将该垂直距离与设定数值Ds 进行比较，将低于设定数值的经由行人标记为潜在访客；同时进行潜在剔除监控，对潜在访客进行实时剔除；
步骤六：之后自动对所有的潜在访客进行意识分析，得到人脸信息和对应的来访客户融合形成的来访信息；同时得到存疑访客；
步骤六中的意识分析的具体步骤为：
S1：任选一潜在访客；
S2：获取到潜在访客的脚部图像，以划分线为参考线，将其不断向前平移，直到其开始与脚部相接触；
S3：将初次与两只脚接触的点标记为各自脚的滞后点，将最后与两只脚接触的点标记为前伸点，得到两个滞后点和两个前伸点；
S4：将两个滞后点相连，将其中点标记为滞后中点；
S5：将两个前伸点相连，将其终点标记为前伸中点，将前伸中点和滞后中点相互连接，得到视前方向线；
S6：将视前方向线与基准面所成的夹角标记为意向夹角，意向夹角始终取值为小于等于九十度的部分；
S7：对意向夹角进行实时监控，每间隔T1 时间获取一次其取值，得到意向夹角组Hi，i=1...n，n 为正整数，
S8：对Hn 进行实时监控，当其超过X2 时，产生连视信号，X2 为预设值；
S9：连续获取五组意向夹角组Hi，同时获取到对应时刻的五组意向距离值，意向距离值为对应潜在访客与银行大门的最短距离；
S10：将连续五组的意向夹角组超过X2 值的个数除以五，得到意向占比；
S11：同时将最短距离进行比较；具体比较方式为自动计算随着时间的推移，
最短距离变小的次数在三次及以上时，产生缩小信号；
S12：当意向占比超过X3，且产生缩小信号时，产生来访信号；X3 为预设值；
S13：将产生来访信号的潜在访客标记为来访客户；
S14：任选下一潜在访客，重复步骤S2-S14，持续对所有的潜在访客进行分析；
S15：得到所有的来访客户，获取到来访客户的人脸信息，将人脸信息和对应的来访客户融合形成来访信息；
当人脸信息遮挡时，若无法获取到对应的人脸信息，则将该来访客户标记为存疑访客。
2.根据权利要求1 所述的一种基于大数据的行为预判监控系统，其特征在于，步骤五中的潜在剔除监控的具体步骤为：
S01：任选一潜在访客；
S02：实时监控垂直距离，每间隔T1 时间获取一次垂直距离，得到垂直距离组，Cj，j=1...n；
S03：利用公式计算变差值Bc，具体计算公式为：Bc=Cn-Cn-1；
S04：每产生一个新的Cn 时，即为每经过T1 时间，自动计算一次变差值，当连续X1 个变差值均在逐渐增大时，产生剔除信号， X1 为预设值，此处取值为3；
否则，不产生剔除信号；
S05：将产生剔除信号的潜在访客重新标记为经由行人；
S06：任选下一潜在访客，重复步骤S02-S06，对所有的潜在访客进行依次分析，产生对应结果。
3.根据权利要求1 所述的一种基于大数据的行为预判监控系统，其特征在于，所述初解单元用于将存疑访客传输到疑惑记录单元，所述内窥单元用于结合疑惑记录单元和内向分析单元对存疑访客进行疑惑分析操作，具体操作步骤为：
SS1：利用内窥单元自动获取到存疑访客；
SS2：当存疑访客进入到银行内时，自动将其所有的画面标记为警惕画面，并同步将警惕画面传输到内向分析单元；
SS3：内向分析单元用于对警惕画面内的存疑访客进行追踪分析；
SS4：自动锁定到存疑访客随身携带的所有背包和口袋；
SS5：当存疑访客的手部深入到对应的背包和口袋内时，会自动获取到背包和口袋内的所有图像，将所有的图像与危险设备进行图像比较，当任一图像比对出相似度高于预设比例Yb 时，自动产生警报信号；危险设备为管理人员预先录入的所有存在危险的设备的所有角度的图片，危险设备具体为管制器械，或者刀具；
SS6：当产生警报信号时，自动将银行所在位置和比对到的图像传输到报警中心；
SS7：结束疑惑分析操作。
4.根据权利要求1 所述的一种基于大数据的行为预判监控系统，其特征在于，所述管理单元用于录入所有的预设数值。
CN202011333309.4A 2020-11-24 2020-11-24 一种基于大数据的行为预判监控系统 Active CN112133051B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011333309.4A CN112133051B (zh) 2020-11-24 2020-11-24 一种基于大数据的行为预判监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011333309.4A CN112133051B (zh) 2020-11-24 2020-11-24 一种基于大数据的行为预判监控系统

Publications (2)

Publication Number Publication Date
CN112133051A CN112133051A (zh) 2020-12-25
CN112133051B true CN112133051B (zh) 2021-02-19

Family

ID=73852394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011333309.4A Active CN112133051B (zh) 2020-11-24 2020-11-24 一种基于大数据的行为预判监控系统

Country Status (1)

Country Link
CN (1) CN112133051B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006072590A (ja) * 2004-09-01 2006-03-16 Hitachi Ltd 商品の需要予測システム
CN106919993A (zh) * 2015-12-25 2017-07-04 滴滴（中国）科技有限公司 一种基于历史数据的高准确性默认目的地预测方法及装置
CN105681409A (zh) * 2016-01-11 2016-06-15 上海银行股份有限公司 基于大数据预测引导客户办理银行业务的推荐系统及方法
CN105787441A (zh) * 2016-02-01 2016-07-20 浙江纳特智能网络工程有限公司 一种智能视频分析软件
CN109284044B (zh) * 2018-08-29 2021-12-14 中国建设银行股份有限公司 一种基于大数据的功能菜单展示方法及相关设备
CN109447320A (zh) * 2018-09-27 2019-03-08 中国联合网络通信集团有限公司 用户业务的识别方法、装置及系统
CN112749658A (zh) * 2020-04-30 2021-05-04 杨九妹 大数据金融安防系统行人行为分析方法、系统及机器人

Also Published As

Publication number Publication date
CN112133051A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
US10846539B2 (en) Shape/object recognition using still/scan/moving image optical digital media processing
Cai et al. Deep learning-based video system for accurate and real-time parking measurement
CN109271554A (zh) 一种智能视频识别系统及其应用
CN100444152C (zh) 照相机系统、照相机以及照相机的控制方法
CN108229335A (zh) 关联人脸识别方法和装置、电子设备、存储介质、程序
US8130774B2 (en) Object tracking method and system
CN108875466A (zh) 基于人脸识别的监控方法、监控系统与存储介质
DE102009044083A1 (de) System und Verfahren zur Zählung der Personenanzahl
Bowers et al. Victimization revisited: a case study of non-residential repeat burglary on Merseyside
CN109614875B (zh) 一种基于运动规则的智能安防报警系统
CN107291810A (zh) 数据处理方法、装置及存储介质
CN112418091B (zh) 一种基于大数据的智慧校园安防数据处理方法
CN108710827A (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN116452379B (zh) 一种基于大数据的智慧校园管理系统
CN113947742A (zh) 一种基于人脸识别的人员轨迹追踪方法与装置
KR100814510B1 (ko) 출입 관리 시스템 및 그 방법
CN112133051B (zh) 一种基于大数据的行为预判监控系统
CN111708907B (zh) 一种目标人员的查询方法、装置、设备及存储介质
CN108009530A (zh) 一种身份标定系统和方法
CN109271547A (zh) 一种基于景区实名的游客圈定方法、装置和系统
CN113011300A (zh) 一种ai视觉辨识违规行为的方法、系统及设备
CN111199184A (zh) 一种用于智慧社区巡防的便携式立体成像设备及使用方法
CN113128294B (zh) 一种道路事件取证方法、装置、电子设备及存储介质
Olarinoye et al. Knowledge-based management systems for the police force
CN114694008A (zh) 一种远程人脸识别系统

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