CN112149451B - 一种亲密度分析方法及装置 - Google Patents
一种亲密度分析方法及装置 Download PDFInfo
- Publication number
- CN112149451B CN112149451B CN201910561227.6A CN201910561227A CN112149451B CN 112149451 B CN112149451 B CN 112149451B CN 201910561227 A CN201910561227 A CN 201910561227A CN 112149451 B CN112149451 B CN 112149451B
- Authority
- CN
- China
- Prior art keywords
- analyzed
- meeting
- identification
- records
- persons
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 13
- 239000011159 matrix material Substances 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Human Computer Interaction (AREA)
- Educational Administration (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种亲密度分析方法,该方法包括:获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长;针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。应用本方案,可以根据对所获取的识别记录进行客观分析,计算待分析人员之间的亲密度,提供了一种设备自动进行亲密度分析的方法,从而减少了亲密度分析过程中的人为因素的影响。
Description
技术领域
本发明涉及行为分析技术领域,特别是涉及一种亲密度分析方法及装置。
背景技术
一些场景中,需要对人员的亲密度进行分析,从而掌握人员之间的关系。
通常,对亲密度进行分析的方案为:获取大量针对待分析人员的抓拍图像,然后通过人为观察的方式,对抓拍图像进行人为分析,从而确定待分析人员之间的亲密度。
但是,上述方案只是将抓拍图像提供给用户,没有对抓拍图像中人员的行为进行客观的统计分析,提供给用户的信息是大量的、没有规律的,需要依赖用户的人为主观分析,因此,亲密度分析结果容易受到人为主观因素的影响。
发明内容
本发明实施例的目的在于提供一种亲密度分析方法及装置,以提供一种减少亲密度分析过程中的人为因素的影响的方法。具体技术方案如下:
本发明实施例提供了一种亲密度分析方法,所述方法包括:
获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长;
针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。
可选的,在所述对所述多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长之前,所述方法还包括:
针对每条识别记录,判断该条识别记录的识别地点是否为预设无效地点;若否,则将该条识别记录作为目标识别记录;
所述对所述多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长,包括:
对所述多条目标识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长。
可选的,所述对所述多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长,包括:
将所述识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录;
针对每组待分析记录,根据该组待分析记录中每两条识别记录对应的待分析人员及识别时间,确定每两个待分析人员在该组待分析记录对应的识别地点的相遇次数和相遇时长;
针对每两个待分析人员,统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
可选的,所述根据该组待分析记录中每两条识别记录对应的待分析人员及识别时间,确定每两个待分析人员在该组待分析记录对应的识别地点的相遇次数和相遇时长,包括:
计算所述待分析记录中每两条识别记录中识别时间之间的时间间隔;
判断所述时间间隔是否小于预设阈值;
若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,将所述时间间隔作为该次相遇事件的时长;
针对每两个待分析人员,将该两个待分析人员的相遇事件的发生次数作为该两个待分析人员在所述待分析记录对应的识别地点的相遇次数,将该两个待分析人员的相遇事件的时长之和作为该两个待分析人员在所述待分析记录对应的识别地点的相遇时长。
可选的,在所述针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度之前,所述方法还包括:
获取所述待分析人员的特征信息;
根据所述特征信息,计算每两个待分析人员之间的相似度;
所述针对每两个待分析人员,根据对该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度,包括:
针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。
可选的,所述根据所述特征信息,计算每两个待分析人员之间的相似度,包括:
根据所述特征信息及余弦相似度算法,计算每两个待分析人员之间的相似度;
所述针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度,包括:
针对每两个待分析人员,对该两个待分析人员之间的相遇次数及相遇时长进行归一化;对所述相似度、归一化后的相遇次数及归一化后的相遇时长进行加权融合,得到该两个待分析人员之间的亲密度。
可选的,所述识别记录为:图像采集设备对采集到的人脸图像进行人脸识别得到的人脸识别记录。
本发明实施例提供了一种亲密度分析装置,所述装置包括:
第一获取模块,用于获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
相遇分析模块,用于从所述多条识别记录中,统计出每两个待分析人员之间的相遇次数和相遇时长;
亲密度计算模块,用于针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。
可选的,每条识别记录中包括:该条识别记录对应的识别地点;
所述相遇分析模块,还用于针对每条识别记录,判断该条识别记录的识别地点是否为预设无效地点;若否,则将该条识别记录作为目标识别记录;对所述多条目标识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长。
可选的,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
所述相遇分析模块,具体用于将所述识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录;针对每组待分析记录,根据该组待分析记录中每两条识别记录对应的待分析人员及识别时间,确定每两个待分析人员在该组待分析记录对应的识别地点的相遇次数和相遇时长;针对每两个待分析人员,统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
可选的,所述相遇分析模块,具体用于计算所述待分析记录中每两条识别记录中识别时间之间的时间间隔;判断所述时间间隔是否小于预设阈值;若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,将所述时间间隔作为该次相遇事件的时长;针对每两个待分析人员,将该两个待分析人员的相遇事件的发生次数作为该两个待分析人员在所述待分析记录对应的识别地点的相遇次数,将该两个待分析人员的相遇事件的时长之和作为该两个待分析人员在所述待分析记录对应的识别地点的相遇时长。
可选的,所述装置还包括:
第二获取模块,用于获取所述待分析人员的特征信息;
相似度分析模块,用于根据所述特征信息,计算每两个待分析人员之间的相似度;
所述亲密度计算模块,还用于针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。
可选的,所述相似度分析模块,具体用于根据所述特征信息及余弦相似度算法,计算每两个待分析人员之间的相似度;
所述亲密度计算模块,具体用于针对每两个待分析人员,对该两个待分析人员之间的相遇次数及相遇时长进行归一化;对所述相似度、归一化后的相遇次数及归一化后的相遇时长进行加权融合,得到该两个待分析人员之间的亲密度。
可选的,所述识别记录为:图像采集设备对采集到的人脸图像进行人脸识别得到的人脸识别记录。
本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的亲密度分析方法。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的亲密度分析方法。
本发明实施例提供的亲密度分析方法及装置,通过获取针对待分析人员的多条识别记录,对多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长,进而针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。这样,可以根据对所获取的识别记录进行客观分析,根据预设方法计算待分析人员之间的亲密度,从而减少了亲密度分析过程中的人为因素的影响。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明实施例提供的一种亲密度分析方法的流程示意图;
图2为本发明实施例提供的另一种亲密度分析方法的流程示意图;
图3为本发明实施例提供的一种亲密度分析装置的结构示意图;
图4为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
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,所描述的实施例仅仅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。
一些场景中,需要对人员的亲密度进行分析,从而掌握人员之间的关系。
通常,对亲密度进行分析的方案为:获取大量针对待分析人员的抓拍图像,然后通过人为观察的方式,对抓拍图像进行人为分析,从而确定待分析人员之间的亲密度。
但是,上述方案只是将抓拍图像提供给用户,没有对抓拍图像中人员的行为进行客观的统计分析,提供给用户的信息是大量的、没有规律的,需要依赖用户的人为主观分析,因此,亲密度分析结果容易受到人为主观因素的影响。
为了解决上述技术问题,本发明提供了一种亲密度分析方法,该方法可以应用于电子设备,如服务器、计算机、网络摄像机、移动终端等等,本发明实施例对此不做限定。
下面从总体上对本发明实施例提供的亲密度分析方法进行说明。
一种实现方式中,上述亲密度分析方法包括:
获取针对待分析人员的多条识别记录;
对所述多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长;
针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。
由以上可见,本发明实施例提供的亲密度分析方法,可以根据对所获取的识别记录进行客观分析,根据预设方法计算待分析人员之间的亲密度,从而减少了亲密度分析过程中的人为因素的影响。
下面通过具体实施例,对本发明实施例提供的亲密度分析方法进行详细说明。
如图1所示,为本发明实施例提供的一种亲密度分析方法的流程示意图,包括如下步骤:
S101:获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间。
举例而言,待分析人员可以是当前场景内的所有人员,也可以是从中确定出的一部分人员。
所获取的识别记录可以是由图像采集设备采集得到的,比如,可以由设置在不同地点的人脸识别相机对采集到的人脸图像进行人脸识别得到的;也可以是人为观察记录下来的,比如,在不同的地点设置观察点,工作人员可以在各个观察点对待分析人员的行为进行观察,得到识别记录;或者,也可以由抓拍设备抓拍图像,再经过人为识别得到;另外,还可以由待分析人员携带具备唯一电子标识的采集设备,进而根据每个待分析人员携带的采集设备上传的数据,得到识别记录;具体不做限定。
举例而言,可以由设置在不同识别地点的相机采集对应场景的视频,从采集到的视频中实时进行人脸分析,截取人脸图像,然后将截取到的人脸图像与预先录入的待分析人员的样本人脸图像进行对比,从而确定出人脸图像对应的待分析人员。这样,就可以得到一条识别记录,该识别记录可以表示为:
c=(对应的待分析人员,识别时间,识别地点)
其中,识别时间为相机采集到人脸图像的时间,识别地点为相机所处的识别地点。
一种实现方式中,每条识别记录中都包括该条识别记录对应的识别地点,其中,识别地点可以是在生成该条识别记录时,该条识别记录对应的待分析人员所处的具体位置,也可以是生成该条识别记录的设备所在的具体位置或设备所在位置的标识等等。
在上述实现方式中,在获取针对待分析人员的多条识别记录之后,可以根据每条识别记录的识别地点,对所获取的识别记录进行筛选。举例而言,可以针对每条识别记录,判断该条识别记录的识别地点是否为预设无效地点;若否,则可以将该条识别记录作为目标识别记录。
可以理解,在一些场景中,对待分析人员的识别记录不能体现待分析人员之间的关系,比如,罪犯在监室中休息或在劳动工厂中劳动时,通常具有固定的位置,会长时间处于同一区域,但这并不能体现罪犯之间的关系。这样,通过上述的对识别记录进行筛选的步骤,在进行亲密度分析计算时,可以忽略某些场景中的识别记录,基于目标识别记录进行计算,从而减少计算量,同时可以进一步提高亲密度分析的准确度。
S102:基于多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长。
举例而言,一种情况下,可以先确定两个目标待分析人员,然后对这两个目标待分析人员的识别记录进行分析,如果这两个待识别人员在同一识别地点的识别时间之差不超过预设时间差,则可以认为这两个待分析人员相遇了,记为一次相遇事件,其相遇时长即为重合部分的时长,对所有相遇事件进行统计,可以计算出这两个待分析人员之间的相遇次数。
或者,在上述情况下,还可以采用如下步骤,确定每两个待分析人员之间的相遇次数和相遇时长:
第一步,将识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录。
举例而言,如果识别地点是识别到的待分析人员的具体位置,那么,可以预设多个区域,那么,识别地点在同一预设区域内的识别记录即为识别地点相匹配的识别记录,可以将识别地点在同一预设区域内的识别记录作为一组待分析记录;如果识别地点是识别到的待分析人员的区域标识或图像采集设备的区域标识,那么,区域标识相同的识别记录即为识别地点相匹配的识别记录,可以将区域标识相同的识别记录作为一组待分析记录。
第二步,针对每组待分析记录,根据该组待分析记录中每两条识别记录对应的待分析人员及识别时间,确定每两个待分析人员在该组待分析记录对应的识别地点的相遇次数和相遇时长。
举例而言,可以计算每组待分析记录中每两条识别记录之间的时间间隔,然后判断时间间隔是否小于预设阈值,若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,可以以计算得到的时间间隔来表示该次相遇事件的时长。其中,在计算每两条识别记录之间的时间间隔时,可以按照时间顺序依次对每条识别记录与在其之后识别到的识别记录进行计算。
可以理解,如果两条识别记录的识别时间之间的间隔过长,表明对应的两个待分析人员出现在同一识别地点的时间间隔也比较长,也就是说,这两个待分析人员相遇的概率非常小,另一方面,如果两个待分析人员相遇时间很长,那么会获取到他们的多次识别记录,这样,通过判断时间间隔是否小于预设阈值,可以过滤掉非相遇事件。一种情况下,预设阈值可以为3秒。
然后,可以对每两个待分析人员在每组待分析记录对应的识别地点的相遇事件的发生次数作为这两个待分析人员在待分析记录对应的识别地点的相遇次数,将这两个待分析人员在待分析记录对应的识别地点的相遇事件的时长之和作为这两个待分析人员在待分析记录对应的识别地点的相遇时长。
第三步,针对每两个待分析人员,统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
举例而言,可以用如下矩阵m2表示每两个待分析人员之间的相遇时长,利用如下矩阵m3表示每两个待分析人员之间的相遇次数:
其中,durationij为待分析人员i和待分析人员j相遇时长,frequencyij为待分析人员i和待分析人员j的相遇次数。
或者,在另一种情况下,在每条识别记录中,还可以包括该条识别记录对应的待分析人员的出现时段,在这种情况下,可以根据每两个待分析人员在同一识别地点的出现时段的重合部分,判断该两个待分析人员是否发生了相遇事件,比如,可以设定当两个待分析人员在同一识别地点的出现时段的重合部分超过10秒,则可以认为这两个待分析人员相遇了,记为一次相遇事件,其相遇时长即为重合部分的时长,对所有相遇事件进行统计,可以计算出这两个待分析人员之间的相遇次数。
S103:针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。
在确定出每两个待分析人员之间的相遇次数和相遇时长之后,可以基于每两个待分析人员之间的相遇次数及相遇时长,计算这两个待分析人员之间的亲密度。举例而言,而可以对这两个待分析人员之间的相遇次数及相遇时长进行加权融合。在加权融合计算之前,可以对相遇次数及相遇时长进行归一化。
在一种实现方式中,还可以同时根据待分析人员之间的相遇次数、相遇时长及相似度,计算两个待分析人员之间的亲密度。在这种情况下,在计算亲密度之前,可以获取待分析人员的特征信息,根据特征信息计算每两个待分析人员之间的相似度。
其中,特征信息可以包括待分析人员的一些静态特征元素。
在上述实现方式中,可以根据如下的余弦相似度算法对两个待分析人员的特征信息进行计算,得到两个待分析人员之间的相似度:
其中,aij=(xi1,xi2,xi3…xin),aij表示待分析人员i的特征信息,ai-1j表示待分析人员i-1的特征信息,n表示特征信息中的静态特征元素的个数,xij为待分析人员i的第j类静态特征元素,xi-1j为待分析人员i-1的第j类静态特征元素,θ表示待分析人员i与待分析人员i-1之间的相似度。
然后,可以用如下矩阵m1表示待分析人员i和待分析人员j之间的相似度矩阵:
其中,θij表示待分析人员i和待分析人员j之间的相似度。
这样,可以针对每两个待分析人员,对该两个待分析人员之间的相似度、相遇次数及相遇时长,计算这两个待分析人员的亲密度。
可以用如下公式表示上述加权融合的过程:
Intimacy=w1·m1+w2·m2+w3·m3
其中,Intimacy表示亲密度,w1表示预设的相似度的计算权重,w2表示预设的相遇时长的计算权重,w3表示预设的相遇次数的计算权重,w1+w2+w3=1。
一种情况下,预设w1<w2+w3,可以理解,由于待分析人员之间的相遇时长和相遇次数对于其亲密度准确度的贡献更大,因此,这样可以进一步提高亲密度计算的准确度。
可以理解,相似度较高的待分析人员之间,往往会比较亲密,因此,将两个待分析人员之间的相似度加入对其亲密度的计算,可以进一步提高亲密度计算的准确度。而且,如果待分析人员中存在需要重点分析的对象时,可以根据待分析人员之间的相似度,确定出其他需要重点分析的对象,为用户提供更丰富的信息。
一种情况下,可以先对待分析人员之间的相遇次数及相遇时长进行归一化,对相似度、归一化后的相遇次数及归一化后的相遇时长进行加权融合,得到该两个待分析人员之间的亲密度。
由以上可见,本发明实施例提供的亲密度分析方法,通过获取针对待分析人员的多条识别记录,对多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长,进而针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。这样,可以根据对所获取的识别记录进行客观分析,计算待分析人员之间的亲密度,提供了一种设备自动进行亲密度分析的方法,从而减少了亲密度分析过程中的人为因素的影响。
如图2所示,为本发明实施例提供的另一种亲密度分析方法的流程示意图,包括如下步骤:
S201:获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间。
举例而言,待分析人员可以是当前场景内的所有人员,也可以是从中确定出的一部分人员。
所获取的识别记录可以是由图像采集设备采集得到的,比如,可以由设置在不同地点的人脸识别相机对采集到的人脸图像进行人脸识别得到的;也可以是人为观察记录下来的,比如,在不同的地点设置观察点,工作人员可以在各个观察点对待分析人员的行为进行观察,得到识别记录;或者,也可以由抓拍设备抓拍图像,再经过人为识别得到;另外,还可以由待分析人员携带具备唯一电子标识的采集设备,进而根据每个待分析人员携带的采集设备上传的数据,得到识别记录;具体不做限定。
举例而言,可以由设置在不同识别地点的相机采集对应场景的视频,从采集到的视频中实时进行人脸分析,截取人脸图像,然后将截取到的人脸图像与预先录入的待分析人员的样本人脸图像进行对比,从而确定出人脸图像对应的待分析人员。这样,就可以得到一条识别记录,该识别记录可以表示为:
c=(对应的待分析人员,识别时间,识别地点)
其中,识别时间为相机采集到人脸图像的时间,识别地点为相机所处的识别地点。
一种实现方式中,每条识别记录中都包括该条识别记录对应的识别地点,其中,识别地点可以是在生成该条识别记录时,该条识别记录对应的待分析人员所处的具体位置,也可以是生成该条识别记录的设备所在的具体位置或设备所在位置的标识等等。
在上述实现方式中,在获取针对待分析人员的多条识别记录之后,可以根据每条识别记录的识别地点,对所获取的识别记录进行筛选。举例而言,可以针对每条识别记录,判断该条识别记录的识别地点是否为预设无效地点;若否,则可以将该条识别记录作为目标识别记录。
可以理解,在一些场景中,对待分析人员的识别记录不能体现待分析人员之间的关系,比如,罪犯在监室中休息或在劳动工厂中劳动时,通常具有固定的位置,会长时间处于同一区域,但这并不能体现罪犯之间的关系。这样,通过上述的对识别记录进行筛选的步骤,在进行亲密度分析计算时,可以忽略某些场景中的识别记录,基于目标识别记录进行计算,从而减少计算量,同时可以进一步提高亲密度分析的准确度。
S202:基于多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长。
举例而言,一种情况下,可以先确定两个目标待分析人员,然后对这两个目标待分析人员的识别记录进行分析,如果这两个待识别人员在同一识别地点的识别时间之差不超过预设时间差,则可以认为这两个待分析人员相遇了,记为一次相遇事件,其相遇时长即为重合部分的时长,对所有相遇事件进行统计,可以计算出这两个待分析人员之间的相遇次数。
或者,在上述情况下,还可以采用如下步骤,确定每两个待分析人员之间的相遇次数和相遇时长:
第一步,将识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录。
举例而言,如果识别地点是识别到的待分析人员的具体位置,那么,可以预设多个区域,那么,识别地点在同一预设区域内的识别记录即为识别地点相匹配的识别记录,可以将识别地点在同一预设区域内的识别记录作为一组待分析记录;如果识别地点是识别到的待分析人员的区域标识或图像采集设备的区域标识,那么,区域标识相同的识别记录即为识别地点相匹配的识别记录,可以将区域标识相同的识别记录作为一组待分析记录。
第二步,针对每组待分析记录,根据该组待分析记录中每两条识别记录对应的待分析人员及识别时间,确定每两个待分析人员在该组待分析记录对应的识别地点的相遇次数和相遇时长。
举例而言,可以计算每组待分析记录中每两条识别记录之间的时间间隔,然后判断时间间隔是否小于预设阈值,若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,可以以计算得到的时间间隔来表示该次相遇事件的时长。其中,在计算每两条识别记录之间的时间间隔时,可以按照时间顺序依次对每条识别记录与在其之后识别到的识别记录进行计算。
可以理解,如果两条识别记录的识别时间之间的间隔过长,表明对应的两个待分析人员出现在同一识别地点的时间间隔也比较长,也就是说,这两个待分析人员相遇的概率非常小,另一方面,如果两个待分析人员相遇时间很长,那么会获取到他们的多次识别记录,这样,通过判断时间间隔是否小于预设阈值,可以过滤掉非相遇事件。一种情况下,预设阈值可以为3秒。
然后,可以对每两个待分析人员在每组待分析记录对应的识别地点的相遇事件的发生次数作为这两个待分析人员在待分析记录对应的识别地点的相遇次数,将这两个待分析人员在待分析记录对应的识别地点的相遇事件的时长之和作为这两个待分析人员在待分析记录对应的识别地点的相遇时长。
第三步,针对每两个待分析人员,统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
举例而言,可以用如下矩阵m2表示每两个待分析人员之间的相遇时长,利用如下矩阵m3表示每两个待分析人员之间的相遇次数:
其中,durationij待分析人员i和待分析人员j相遇时长,frequencyij为待分析人员i和待分析人员j的相遇次数。
或者,在另一种情况下,在每条识别记录中,还可以包括该条识别记录对应的待分析人员的出现时段,在这种情况下,可以根据每两个待分析人员在同一识别地点的出现时段的重合部分,判断该两个待分析人员是否发生了相遇事件,比如,可以设定当两个待分析人员在同一识别地点的出现时段的重合部分超过10秒,则可以认为这两个待分析人员相遇了,记为一次相遇事件,其相遇时长即为重合部分的时长,对所有相遇事件进行统计,可以计算出这两个待分析人员之间的相遇次数。
S203:获取待分析人员的特征信息。
特征信息可以包括待分析人员的一些静态特征元素。
S204:根据所述特征信息,计算每两个待分析人员之间的相似度。
举例而言,可以根据如下的余弦相似度算法对两个待分析人员的特征信息进行计算,得到两个待分析人员之间的相似度:
其中,aij=(xi1,xi2,xi3…xin),aij表示待分析人员i的特征信息,ai-1j表示待分析人员i-1的特征信息,n表示特征信息中的静态特征元素的个数,xij为待分析人员i的第j类静态特征元素,xi-1j为待分析人员i-1的第j类静态特征元素,θ表示待分析人员i与待分析人员i-1之间的相似度。
然后,可以用如下矩阵m1表示待分析人员i和待分析人员j之间的相似度矩阵:
其中,θij表示待分析人员i和待分析人员j之间的相似度。
在本发明实施例中,S201~S202与S203~S204之间的先后顺序不做限定。
S205:针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。
可以用如下公式表示上述加权融合的过程:
Intimacy=w1·m1+w2·m2+w3·m3
其中,Intimacy表示亲密度,w1表示预设的相似度的计算权重,w2表示预设的相遇时长的计算权重,w3表示预设的相遇次数的计算权重,w1+w2+w3=1。
一种情况下,预设w1<w2+w3,可以理解,由于待分析人员之间的相遇时长和相遇次数对于其亲密度准确度的贡献更大,因此,这样可以进一步提高亲密度计算的准确度。
可以理解,相似度较高的待分析人员之间,往往会比较亲密,因此,将两个待分析人员之间的相似度加入对其亲密度的计算,可以进一步提高亲密度计算的准确度。而且,如果待分析人员中存在需要重点分析的对象时,可以根据待分析人员之间的相似度,确定出其他需要重点分析的对象,为用户提供更丰富的信息。
一种情况下,可以先对待分析人员之间的相遇次数及相遇时长进行归一化,对相似度、归一化后的相遇次数及归一化后的相遇时长进行加权融合,得到该两个待分析人员之间的亲密度。
由以上可见,本发明实施例提供的亲密度分析方法,通过获取针对待分析人员的多条识别记录,对多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长,而且,还通过获取待分析人员的特征信息,计算每两个待分析人员之间的相似度,进而针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。这样,可以根据对所获取的识别记录及特征信息进行客观分析,计算待分析人员之间的亲密度,提供了一种设备自动进行亲密度分析的方法,而且,一方面基于识别记录对待分析人员进行动态分析,较为客观和及时,另一方面基于特征信息获取到了待分析人员之间的相似度,可以理解,相似度较高的待分析人员之间,往往会比较亲密,因此,可以进一步减少亲密度分析过程中的人为因素的影响,并提高亲密度分析的准确度。
与上述亲密度分析方法相对应的,本发明实施例还提供了一种亲密度分析装置,如图3所示,为上述亲密度分析装置的结构示意图,该装置包括:
第一获取模块301,用于获取针对待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
相遇分析模块302,用于基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长;
亲密度计算模块305,用于针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。
一种实现方式中,所述相遇分析模块302,还用于针对每条识别记录,判断该条识别记录的识别地点是否为预设无效地点;若否,则将该条识别记录作为目标识别记录;对所述多条目标识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长。
一种实现方式中,所述相遇分析模块302,具体用于将所述识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录;针对每组待分析记录,根据该组待分析记录中每两条识别记录对应的待分析人员及识别时间,确定每两个待分析人员在该组待分析记录对应的识别地点的相遇次数和相遇时长;针对每两个待分析人员,统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
一种实现方式中,所述相遇分析模块302,具体用于计算所述待分析记录中每两条识别记录中识别时间之间的时间间隔;判断所述时间间隔是否小于预设阈值;若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,将所述时间间隔作为该次相遇事件的时长;
针对每两个待分析人员,将该两个待分析人员在所述待分析记录对应的识别地点的相遇事件的发生次数作为该两个待分析人员在所述待分析记录对应的识别地点的相遇次数,将该两个待分析人员在所述待分析记录对应的识别地点的相遇事件的时长之和作为该两个待分析人员在所述待分析记录对应的识别地点的相遇时长。
一种实现方式中,所述装置还包括:
第二获取模块303,用于获取所述待分析人员的特征信息;
相似度分析模块304,用于根据所述特征信息,计算每两个待分析人员之间的相似度;
所述亲密度计算模块305,还用于针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。
一种实现方式中,所述相似度分析模块304,具体用于根据所述特征信息及余弦相似度算法,计算每两个待分析人员之间的相似度。
一种实现方式中,所述亲密度计算模块305,具体用于针对每两个待分析人员,对该两个待分析人员之间的相遇次数及相遇时长进行归一化;对所述相似度、归一化后的相遇次数及归一化后的相遇时长进行加权融合,得到该两个待分析人员之间的亲密度。
一种实现方式中,所述识别记录为:图像采集设备对采集到的人脸图像进行人脸识别得到的人脸识别记录。
由以上可见,本发明实施例提供的亲密度分析装置,通过获取针对待分析人员的多条识别记录,对多条识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长,进而针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。这样,可以根据对所获取的识别记录进行客观分析,计算待分析人员之间的亲密度,提供了一种设备自动进行亲密度分析的方法,从而减少了亲密度分析过程中的人为因素的影响。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现如下步骤:
获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长;
针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由以上可见,本发明实施例提供的亲密度分析装置,可以根据对所获取的识别记录进行客观分析,计算待分析人员之间的亲密度,提供了一种设备自动进行亲密度分析的方法,从而减少了亲密度分析过程中的人为因素的影响。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的亲密度分析方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的亲密度分析方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、电子设备实施例、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种亲密度分析方法,其特征在于,所述方法包括:
获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长;
针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度;
其中,所述基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长,包括:
将所述识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录;
针对每组待分析记录,计算该组待分析记录中每两条识别记录中识别时间之间的时间间隔;判断所述时间间隔是否小于预设阈值;若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,将所述时间间隔作为该次相遇事件的时长;
针对每两个待分析人员,将该两个待分析人员的相遇事件的发生次数作为该两个待分析人员在所述待分析记录对应的识别地点的相遇次数,将该两个待分析人员的相遇事件的时长之和作为该两个待分析人员在所述待分析记录对应的识别地点的相遇时长;统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长之前,所述方法还包括:
针对每条识别记录,判断该条识别记录的识别地点是否为预设无效地点;若否,则将该条识别记录作为目标识别记录;
所述基于所述多条识别记录,统计每两个待分析人员之间的相遇次数和相遇时长,包括:
对所述多条目标识别记录进行分析,确定每两个待分析人员之间的相遇次数和相遇时长。
3.根据权利要求1所述的方法,其特征在于,在所述针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度之前,所述方法还包括:
获取所述待分析人员的特征信息;
根据所述特征信息,计算每两个待分析人员之间的相似度;
所述针对每两个待分析人员,根据对该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度,包括:
针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述特征信息,计算每两个待分析人员之间的相似度,包括:
根据所述特征信息及余弦相似度算法,计算每两个待分析人员之间的相似度;
所述针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度,包括:
针对每两个待分析人员,对该两个待分析人员之间的相遇次数及相遇时长进行归一化;对所述相似度、归一化后的相遇次数及归一化后的相遇时长进行加权融合,得到该两个待分析人员之间的亲密度。
5.根据权利要求1所述的方法,其特征在于,所述识别记录为:图像采集设备对采集到的人脸图像进行人脸识别得到的人脸识别记录。
6.一种亲密度分析装置,其特征在于,所述装置包括:
第一获取模块,用于获取针对各个待分析人员的多条识别记录;其中,每条识别记录中包括:该条识别记录对应的待分析人员、识别地点及识别时间;
相遇分析模块,用于从所述多条识别记录中,统计出每两个待分析人员之间的相遇次数和相遇时长;
亲密度计算模块,用于针对每两个待分析人员,根据该两个待分析人员之间的相遇次数及相遇时长,计算该两个待分析人员之间的亲密度;
其中,所述相遇分析模块,具体用于将所述识别地点相匹配的识别记录作为一组待分析记录,得到一组或多组待分析记录;针对每组待分析记录,计算该组待分析记录中每两条识别记录中识别时间之间的时间间隔;判断所述时间间隔是否小于预设阈值;若小于,则判定该两条识别记录对应的待分析人员之间发生了相遇事件,将所述时间间隔作为该次相遇事件的时长;针对每两个待分析人员,将该两个待分析人员的相遇事件的发生次数作为该两个待分析人员在所述待分析记录对应的识别地点的相遇次数,将该两个待分析人员的相遇事件的时长之和作为该两个待分析人员在所述待分析记录对应的识别地点的相遇时长;统计该两个待分析人员在每个识别地点的相遇次数和相遇时长,得到该两个待分析人员之间的相遇次数和相遇时长。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述待分析人员的特征信息;
相似度分析模块,用于根据所述特征信息,计算每两个待分析人员之间的相似度;
所述亲密度计算模块,还用于针对每两个待分析人员,根据该两个待分析人员之间的相遇次数、相遇时长及相似度,计算该两个待分析人员之间的亲密度。
8.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910561227.6A CN112149451B (zh) | 2019-06-26 | 2019-06-26 | 一种亲密度分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910561227.6A CN112149451B (zh) | 2019-06-26 | 2019-06-26 | 一种亲密度分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149451A CN112149451A (zh) | 2020-12-29 |
CN112149451B true CN112149451B (zh) | 2024-02-02 |
Family
ID=73869828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910561227.6A Active CN112149451B (zh) | 2019-06-26 | 2019-06-26 | 一种亲密度分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149451B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407594A (zh) * | 2021-06-18 | 2021-09-17 | 重庆紫光华山智安科技有限公司 | 一种融合关系分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016177066A1 (zh) * | 2015-08-06 | 2016-11-10 | 中兴通讯股份有限公司 | 一种人员潜在关系分析方法和装置 |
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 |
CN107918917A (zh) * | 2017-10-13 | 2018-04-17 | 东软集团股份有限公司 | 社交分析方法及装置、存储介质、电子设备 |
CN109615572A (zh) * | 2018-11-30 | 2019-04-12 | 武汉烽火众智数字技术有限责任公司 | 基于大数据的人员亲密度分析的方法及系统 |
-
2019
- 2019-06-26 CN CN201910561227.6A patent/CN112149451B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2016177066A1 (zh) * | 2015-08-06 | 2016-11-10 | 中兴通讯股份有限公司 | 一种人员潜在关系分析方法和装置 |
CN107918917A (zh) * | 2017-10-13 | 2018-04-17 | 东软集团股份有限公司 | 社交分析方法及装置、存储介质、电子设备 |
CN109615572A (zh) * | 2018-11-30 | 2019-04-12 | 武汉烽火众智数字技术有限责任公司 | 基于大数据的人员亲密度分析的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112149451A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659397B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
JP2022526382A (ja) | 行動分析方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN111325082B (zh) | 一种人员专注度分析方法及装置 | |
CN111161206A (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
CN111368619A (zh) | 可疑人员的检测方法、装置及设备 | |
CN113343913A (zh) | 目标确定方法、装置、存储介质及计算机设备 | |
CN111654700A (zh) | 一种隐私遮蔽处理方法、装置、电子设备及监控系统 | |
CN110096606B (zh) | 一种外籍人员管理方法、装置和电子设备 | |
CN112017323A (zh) | 一种巡检报警方法、装置、可读存储介质及终端设备 | |
CN112650882A (zh) | 一种视频采集方法、装置及系统 | |
CN112149451B (zh) | 一种亲密度分析方法及装置 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN110895663B (zh) | 一种两轮车识别方法、装置、电子设备及监控系统 | |
CN110795980A (zh) | 基于网络视频的逃犯识别方法、设备、存储介质及装置 | |
CN112597880B (zh) | 客流批次识别方法、装置、计算机设备及可读存储介质 | |
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 | |
CN117412070A (zh) | 商家直播时长置信策略操作系统 | |
CN111914591A (zh) | 一种时长确定方法及装置 | |
CN111369703A (zh) | 一种在线时间确定方法、装置、服务器及介质 | |
CN112687044A (zh) | 滞留人员的管理方法、系统、介质及设备 | |
US11676439B2 (en) | Face authentication system and face authentication method | |
CN112153341B (zh) | 一种任务监督方法、装置、系统、电子设备及存储介质 | |
CN111831841B (zh) | 一种信息检索方法、装置、电子设备及存储介质 | |
CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 | |
CN114038040A (zh) | 机房巡检监督方法、装置、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 |