CN112489396B - 一种行人尾随行为检测方法、装置、电子设备和存储介质 - Google Patents
一种行人尾随行为检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112489396B CN112489396B CN202011281151.0A CN202011281151A CN112489396B CN 112489396 B CN112489396 B CN 112489396B CN 202011281151 A CN202011281151 A CN 202011281151A CN 112489396 B CN112489396 B CN 112489396B
- Authority
- CN
- China
- Prior art keywords
- base station
- pedestrian
- information
- passing
- pedestrians
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 230000006399 behavior Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 12
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000011664 signaling Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种行人尾随行为检测方法、装置、电子设备和计算机可读存储介质，该方法包括：获取基站信息和经过所述基站的行人信息；提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，筛选出同行行人的行人信息；查询所述同行行人之间的通信记录，判定确定所述同行行人中，无历史通信记录的行人之间为存在尾随行为。根据本发明实施例提供的方法，利用对通信基站与通信设备的交互数据的计算和判断，及时发现尾随行为，应用场景广泛，适用性和实用性得到了极大的提升。
Description
技术领域
本申请涉及人体行为检测识别技术领域，具体涉及一种行人尾随行为检测方法、装置、电子设备和存储介质。
背景技术
目前，可以应用于行人的防尾随检测主要是通过图像检测或图像识别的方法进行尾随行为检测，需要被检测的个体出现在视频的同一画面中，检测难度较大且准确性不高，目前通过图像识别检测行人尾随的方法中主要应用在一些特定地室内场景，如车站安检口，门禁出入通道等，应用场景较为单一，实时性和实用性不高。
如何提供一种适用场景广泛，实用性强的防尾随检测方法，是本领域技术行人需要解决的问题。
发明内容
鉴于以上所述的一个或多个问题，本申请提供了一种行人尾随行为检测方法、装置、电子设备和存储介质，用以解决当前尾随检测适用场景单一，实用性不强的问题。
为解决上述技术问题，本申请的一种实施例提供了一种行人尾随行为检测方法，包括
获取基站信息和经过所述基站的行人信息；
提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，筛选出同行行人的行人信息；
查询所述同行行人之间的通信记录，判定确定所述同行行人中，无历史通信记录的行人之间为存在尾随行为。
优选地，获取基站信息和经过所述基站的行人信息，包括：
获取行人标识ID、基站ID、基站位置、行人经过基站的时间和行人经过基站的顺序。
优选地，获取基站信息和经过所述基站的行人信息，包括：
通过获取基于Kafka传输的流式信令数据，得到所述基站信息和经过所述基站的行人信息。
优选地，得到所述基站信息和经过所述基站的行人信息后，包括：利用滑动时间窗口机制对所述基站信息和经过所述基站的行人信息进行时间切片化处理，并建立行人动态轨迹数据集。
优选地，建立行人动态轨迹数据集后，包括：基于所述行人动态轨迹数据集，根据时间轴加入时间窗口函数，对所述基站ID和所述行人ID进行组合处理，得到组合处理结果；根据所述组合处理结果，建立动态图计算模型；对所述动态图计算模型进行剪边和更新边权重操作，得到同行组行人；将在一个时间窗口内经过同一个基站的行人判定确定为一次同行关系。
优选地，判定所述同行行人中存在尾随行为后，还包括：根据经过相同基站的顺序，向最先经过基站的行人发送被尾随提醒信息。
优选地，所述被尾随提醒信息包括：电话提醒信息和短信提醒信息。
本申请还提供了一种行人尾随行为检测装置，包括：
信息获取模块，用于获取基站信息和经过所述基站的行人信息；
数据筛选模块，用于提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，并筛选出同行行人的行人信息；
尾随判断模块，用于查询所述同行行人之间的通信记录，确定所述同行行人中，无历史通信记录的行人之间存在尾随行为
本申请还提供了一种行人尾随行为检测的电子设备，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所述的行人尾随行为检测方法。
一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上所述的行人尾随行为检测方法的步骤。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中：
通过阅读以下参照附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显,其中，相同或相似的附图标记表示相同或相似的特征。
图1为本申请实施例提供的一种行人尾随检测方法的流程示意图；
图2为本申请另一种实施例提供的一种行人尾随检测方法的流程示意图；
图3为本申请实施例提供的一种行人尾随检测方法中滑动窗口示意图；
图4为本申请实施例提供的一种行人尾随检测方法中动态图计算模型的图关系图；
图5为本申请行实施例提供的一种行人尾随检测方法中人轨迹关系图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术行人来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明更全面和完整，并将示例实施方式的构思全面地传达给本领域的技术行人。在图中，为了清晰，可能夸大了区域和层的厚度。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术行人将意识到，可以实践本发明的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。
目前，可以应用于行人的防尾随检测主要有两种，一是通过图像检测或图像识别的方法进行尾随行为检测，需要被检测的个体出现在同一画面中，检测难度较大且准确性不高，目前通过图像识别检测行人尾随的方法中主要应用在一些特定地室内场景，如车站安检口，门禁出入通道等，应用场景较为单一，实时性和实用性不高。二是通过GPS定位数据进行尾随行为检测需要带标签的不同个体之间的gps数据，由于这种数据需要行为授权才能产生，数据容易丢失，不能稳定地获取可靠结果。
基于上述技术问题，本申请提供了一种行人尾随检测方法、电子设备和存储介质。
请参考图1，图1为本申请实施例提供的一种行人尾随检测方法的流程示意图；
步骤N1：获取基站信息和经过所述基站的行人信息。
获取行人可以携带的通信设备的信息以及该通信设备所接入的通信基站的信息；其中，通信设备可以是手机、平板电脑、笔记本电脑等可以接入移动通信网络的设备，此时移动设备的信息即代表该行人；基站的信息包括，基站的位置、基站的识别ID等等。
步骤N2：提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，筛选出同行行人的行人信息。
预设同行阈值为在某一预设时间间隔内按照相同顺序经过相同基站数量的范围，例如，预设的时间间隔为1分钟，预设同行阈值为3，在1分钟内有三人经按照相同顺序过了相同的三座基站，则将该这三人为同行行人，将上述三人的信息筛选出来。
步骤N3：查询所述同行行人之间的通信记录，确定所述同行行人中，无历史通信记录的行人之间存在尾随行为。
查询同行的行人之间的通信记录，若彼此之间存在通信记录，则存在通信记录的行人之间不存在尾随嫌疑；相反的，如果同行行人之间不存在通信记录，则判定不存在通信记录的同行人之间有尾随/被尾随嫌疑。
上述行人尾随检测方法，克服了现有技术中通过视频及数字图像处理发现尾随行为的方法中，适用范围仅限于安装有监控设备的场景下，适用场景单一，同时实现该方法所需要的成本较高，缺乏实用性的缺陷。本申请的上述实施例，利用对通信基站与通信设备的交互数据的计算和判断，实现了对行人尾随行为的检测和及时发现，应用场景广泛，具有极强的适用性和实用性。
请参考附图2-5，图2为本实施例提供的一种行人尾随检测方法的流程示意图；图3为本实施例提供的一种行人尾随检测方法中滑动窗口示意图；图4为本实施例提供的一种行人尾随检测方法中动态图计算模型的图关系示意图；图5为本申请行实施例提供的一种行人尾随检测方法中人轨迹关系图。
图2中，步骤S1：接入通过Kafka传输的流式信令数据，获取基站位置、行人进入基站的时间等信息。
本实施例中，采用通过流式数据传输的数据中提取信息，基于流式数据传输的特点：数据实时到达，有效地保证了数据的及时性和准确性；同时，还可以基于该流式信令数据对个体的行进速度进行模糊计算，获取行进方式步行前进的个体，增加针对性和适用范围。
步骤S2：提取相关属性，从获取到的数据提取需要的特征，包括：行人ID、经过基站的时间、基站位置、基站ID和进入基站范围的顺序等，将提取到的特征作为动态图计算模型的输入数据。
步骤S3：针对数据流中移动对象的特征信息引入滑动时间窗口机制，对上述特征信息进行时间切片化处理，建立动态数据集。
滑动窗口是一种数据流上截断数据机制，时间滑动窗口机制有两个属性：1):窗口长度：窗口包含固定个数的时间单位。
2):窗口滑动长度：时间窗口每次滑动设定好的时间单位个数。对流式数据进行滑动窗口的操作，每次落在窗口里面的数据会被集合起来进行计算。每个滑动窗口包含两个参数，窗口的长度，以及滑动间隔，而且这两个参数都必须是流式数据批处理时间间隔的整数倍。
在本实施例的一种优选实施方式中，该建立动态数据集为边集数组；所述边集数组是由两个一维数组构成，一个是存储顶点的信息，另一个是存储边的信息，这个边数组每个数据元素由一条边的起点下标(begin)，终点下标(end)和权重(weight)组成。带权图(网)的另一种存储结构是边集数组，它适用于一些以边为主的操作。用边集数组表示带权图时，列出每条边所依附的两个顶点及边上的权，即每个数组元素代表一条边的信息。
请参考图3，为本实施例提供的时间窗口机制滑动窗口示意图，图中时间窗口为5个时间单位，每次滑动2个时间单位。通过滑动的时间窗口机制对窗口内的数据进行计算，每次掉落在窗口内的数据会被聚合起来执行计算操作。
步骤S4：请参考图4，图4为本实施例提供的一种行人尾随检测方法中动态图计算模型的图关系示意图；根据动态轨迹数据集建立动态图计算模型，用(边集数组)权重、出度、入度表示行人节点之间的同行、行进顺序等关系，在实时计算过程中通过引入剪枝、权重计算在内的步骤挖掘得到嫌疑尾随人和被尾随人组合。
S5：对Kafka批间隔数据进行操作，根据时间轴加入时间窗口函数，对基站ID，行人ID进行组合处理，在一个时间窗口内经过同一个基站的行人被判定为一次同行关系，由此方法进行动态图的构建。
S6：动态图构造之后，通过动态节点关系图进行剪边和更新边权重，定义以下度量标准，阈值和冗余，其中阈值是指两个人或多个人产生疑似跟随行为与否的判断依据，即出现频率；冗余是指行人组合之间的连边不再增加或者没达到阈值的情况，对于这种连边(冗余)需要进行删除，如图4。
步骤S7：实时获取尾随同行行人组。
步骤S8：提取达到提前设定阈值的行人组作为候选集。
步骤S9：针对特定候选集中的行人筛选尾随行人组内在设定时间段内无互相无通信记录的对象，认定为产生疑似尾随行为。
请参考图5，假设三人v1,v2,v3在时间阈值Δt内共同经过基站s1,s2,s3,s4，对于每个基站si(1≤i≤4),满足|vit-vjt|≤Δt(1≤i,j≤2,i≠j，其中vit表示移动对象vi经过基站si的时间，vjt表示移动对象vj经过基站sj的时间。如果设置判定嫌疑同行(尾随)行人组的阈值设置为3，则v1,v2,v3，及其子集(集合中元素个数大于等于2)构成同行行人组。v1,v2,v3为最大可能产生尾同行随行为的组，是经过相同多个基站的移动对象个数最多的情况。
再对疑似同行(尾随)行人之间的通信记录进行查询，在设定时间段内无互相无通信记录的对象，被认定为产生疑似尾随行为。
另外，在本实施例的一种优选实施方式中，在判定同行行人之间存在尾随行为后，可以根据经过相同基站的顺序，向最先经过基站的行人发送被尾随提醒。该提醒可以是通过电话提醒，也可以是短信息提醒等。
本申请的实施例，利用通信基站与通信设备的交互数据，尤其是通过Kafka传输的流式信令数据，利用其数据实时到达的特性，有效地保证了数据的及时性和准确性，能够及时发现尾随行为，适用性和实用性得到了极大的提升。克服了现有技术中通过视频及数字图像处理发现尾随行为的方法中，适用范围仅限于安装有监控设备的场景下，适用场景单一，同时实现该方法所需要的成本较高，缺乏实用性的缺点。
同时，本申请提供的技术方案，还能够通过对数据进行模糊到精确的计算，筛选出不同方式出行的行人，尤其是通过步行方式的行人，弥补了现有技术中针对行人尾行为预防检测的空白。
本申请实施例还给出了一种行人尾随行为检测装置，包括：信息获取模块，用于获取基站信息和经过所述基站的行人信息；
数据筛选模块，用于提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，并筛选出同行行人的行人信息；
尾随判断模块，用于查询所述同行行人之间的通信记录，确定所述同行行人中，无历史通信记录的行人之间存在尾随行为。
本申请实施例还给出了一种行人尾随行为检测的电子设备，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上述的行人尾随行为检测方法。
本申请实施例还给出了一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上述的方法。
上述行人尾随行为检测的装置、电子设备和计算机可读存储介质的具体实施方式与方法实施例相似或相同，属于同一技术方案，其具体实施例此处不再赘述。
但是，需要明确，本发明并不局限于上文所描述并在图中示出的特定配置和处理。并且，为了简明起见，这里省略对已知方法技术的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术行人可以在领会本发明的精神之后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
本领域技术行人应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术行人在研究附图、说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中，术语“包括”并不排除其他装置或步骤；不定冠词“一个”不排除多个；术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。
Claims (6)
1.一种行人尾随行为检测方法，其特征在于，包括：
利用通信基站与设备的交互数据，获取基站信息和经过所述基站的行人信息；
提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，筛选出同行行人的行人信息；
查询所述同行行人之间的通信记录，确定所述同行行人中，无历史通信记录的行人之间存在尾随行为；
获取基站信息和经过所述基站的行人信息，包括：
通过获取基于Kafka传输的流式信令数据，得到所述基站信息和经过所述基站的行人信息；
所述获取基站信息和经过所述基站的行人信息，包括：
获取行人标识ID、基站ID、基站位置、行人经过基站的时间和行人经过基站的顺序；
得到所述基站信息和经过所述基站的行人信息后，包括：
利用滑动时间窗口机制对所述基站信息和经过所述基站的行人信息进行时间切片化处理，建立行人动态轨迹数据集；
其中，所述行人动态轨迹数据集为边集数组，所述边集数组是由两个一维数组构成，一个是存储顶点的信息，另一个是存储边的信息，所述边集数组每个数据元素由一条边的起点下标、终点下标和权重组成；
判定所述同行行人中存在尾随行为后，还包括：
根据经过相同基站的顺序，向最先经过基站的行人发送被尾随提醒信息。
2.根据权利要求1所述的行人尾随行为检测方法，其特征在于，建立行人动态轨迹数据集后，包括：
基于所述行人动态轨迹数据集，根据时间轴加入时间窗口函数，对所述基站ID和所述行人ID进行组合处理，得到组合处理结果；
根据所述组合处理结果，建立动态图计算模型；
对所述动态图计算模型进行剪边和更新边权重操作，得到同行组行人；
将在一个时间窗口内经过同一个基站的行人确定为一次同行关系。
3.根据权利要求1所述的行人尾随行为检测方法，其特征在于，所述被尾随提醒包括：电话提醒信息和短信提醒信息。
4.一种行人尾随行为检测装置，其特征在于，包括：
信息获取模块，用于获取基站信息和经过所述基站的行人信息，所述基站信息和经过所述基站的行人信息基于Kafka传输的流式信令数据获取；所述获取基站信息和经过所述基站的行人信息，包括获取行人标识ID、基站ID、基站位置、行人经过基站的时间和行人经过基站的顺序；
数据筛选模块，用于提取在预设时间间隔内，经过相同基站的次数超过预设同行阈值的数据，并筛选出同行行人的行人信息；
尾随判断模块，用于查询所述同行行人之间的通信记录，确定所述同行行人中，无历史通信记录的行人之间存在尾随行为；
所述数据筛选模块，还用于利用滑动时间窗口机制对所述基站信息和经过所述基站的行人信息进行时间切片化处理，建立行人动态轨迹数据集；其中，所述行人动态轨迹数据集为边集数组，所述边集数组是由两个一维数组构成，一个是存储顶点的信息，另一个是存储边的信息，所述边集数组每个数据元素由一条边的起点下标、终点下标和权重组成；
所述尾随判断模块，还用于判定所述同行行人中存在尾随行为后，根据经过相同基站的顺序，向最先经过基站的行人发送被尾随提醒信息。
5.一种行人尾随行为检测的电子设备，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3任意一项所述的行人尾随行为检测方法的步骤。
6.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-3所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011281151.0A CN112489396B (zh) | 2020-11-16 | 2020-11-16 | 一种行人尾随行为检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011281151.0A CN112489396B (zh) | 2020-11-16 | 2020-11-16 | 一种行人尾随行为检测方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112489396A CN112489396A (zh) | 2021-03-12 |
| CN112489396B true CN112489396B (zh) | 2022-12-16 |
Family
ID=74930886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011281151.0A Active CN112489396B (zh) | 2020-11-16 | 2020-11-16 | 一种行人尾随行为检测方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112489396B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113901904A (zh) * | 2021-09-29 | 2022-01-07 | 北京百度网讯科技有限公司 | 图像处理方法、人脸识别模型训练方法、装置及设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053080A (zh) * | 2017-12-30 | 2018-05-18 | 中国移动通信集团江苏有限公司 | 区域用户数量统计值预测方法、装置、设备及介质 |
| CN109408501A (zh) * | 2018-11-07 | 2019-03-01 | 北京锐安科技有限公司 | 一种位置数据的处理方法、装置、服务器及存储介质 |
| CN111209261A (zh) * | 2020-01-02 | 2020-05-29 | 邑客得（上海）信息技术有限公司 | 基于信令大数据的用户出行轨迹提取方法和系统 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10015630B2 (en) * | 2016-09-15 | 2018-07-03 | Proximity Grid, Inc. | Tracking people |
| US10390212B2 (en) * | 2016-09-15 | 2019-08-20 | Proximity Grid, Inc. | Tracking system having an option of not being trackable |
| JP4981875B2 (ja) * | 2009-11-13 | 2012-07-25 | 株式会社エヌ・ティ・ティ・ドコモ | 同行判定装置及び同行判定方法 |
| CN103209386B (zh) * | 2012-02-21 | 2016-08-03 | 广州三星通信技术研究有限公司 | 用于提示用户被跟踪的移动终端及其方法 |
| FR3004573B1 (fr) * | 2013-04-11 | 2016-10-21 | Commissariat Energie Atomique | Dispositif et procede de suivi 3d video d'objets d'interet |
| CN103997712B (zh) * | 2014-04-30 | 2017-11-17 | 宇龙计算机通信科技(深圳)有限公司 | 提示用户被跟踪的方法及移动终端 |
| CN104217245A (zh) * | 2014-08-27 | 2014-12-17 | 高阳 | 基于异构网络的人流轨迹追踪和区域停留时间统计的方法与系统 |
| KR102547048B1 (ko) * | 2015-01-13 | 2023-06-26 | 로버트 카인들 | 개인 보호 장치, 방법 및 물품 |
| CN106304015B (zh) * | 2015-05-28 | 2019-11-29 | 南京中兴新软件有限责任公司 | 用户设备的确定方法及装置 |
| CN104968048A (zh) * | 2015-06-29 | 2015-10-07 | 华南理工大学 | 结合移动网络记录和视频监控数据的目标人物追踪方法 |
| CN106921940A (zh) * | 2015-12-28 | 2017-07-04 | 宁波普天通信技术有限公司 | 同轨迹用户查找方法及装置和同行用户查找方法及装置 |
| CN105872210A (zh) * | 2016-03-26 | 2016-08-17 | 维沃移动通信有限公司 | 一种发现尾随者的控制方法及移动终端 |
| CN107517458B (zh) * | 2016-06-17 | 2022-06-21 | 中兴通讯股份有限公司 | 跟踪的确定方法及装置、终端 |
| CN108564788B (zh) * | 2018-06-07 | 2021-09-10 | 重庆邮电大学 | 一种基于流式大数据的同行车辆发现方法 |
| CN109461284A (zh) * | 2018-09-30 | 2019-03-12 | 南昌与德通讯技术有限公司 | 终端设备的告警方法、终端设备和计算机可读存储介质 |
| CN109299198A (zh) * | 2018-10-12 | 2019-02-01 | 元力云网络有限公司 | 一种基于多维数据的社交关系分析方法 |
| CN111294728A (zh) * | 2018-12-06 | 2020-06-16 | 西安光启未来技术研究院 | 同行分析方法及装置 |
| CN111382627B (zh) * | 2018-12-28 | 2024-03-26 | 成都云天励飞技术有限公司 | 同行判定方法及相关产品 |
| CN110909009B (zh) * | 2019-11-20 | 2022-07-15 | 厦门市美亚柏科信息股份有限公司 | 基于话单的轨迹伴随行为分析方法、终端设备及存储介质 |
| CN111612675B (zh) * | 2020-05-18 | 2023-08-04 | 浙江宇视科技有限公司 | 同行对象确定方法、装置、设备及存储介质 |
| CN111899464A (zh) * | 2020-07-16 | 2020-11-06 | 深圳鞠慈云科技有限公司 | 一种被尾随的预警系统和方法 |
-
2020
- 2020-11-16 CN CN202011281151.0A patent/CN112489396B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053080A (zh) * | 2017-12-30 | 2018-05-18 | 中国移动通信集团江苏有限公司 | 区域用户数量统计值预测方法、装置、设备及介质 |
| CN109408501A (zh) * | 2018-11-07 | 2019-03-01 | 北京锐安科技有限公司 | 一种位置数据的处理方法、装置、服务器及存储介质 |
| CN111209261A (zh) * | 2020-01-02 | 2020-05-29 | 邑客得（上海）信息技术有限公司 | 基于信令大数据的用户出行轨迹提取方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112489396A (zh) | 2021-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11200257B2 (en) | Classifying social media users | |
| Fiadino et al. | Steps towards the extraction of vehicular mobility patterns from 3G signaling data | |
| US11301754B2 (en) | Sharing of compressed training data for neural network training | |
| CN110263733B (zh) | 图像处理方法、提名评估方法及相关装置 | |
| US11706236B2 (en) | Autonomous application of security measures to IoT devices | |
| EP3862902A1 (en) | System and method for privacy-aware analysis of video streams | |
| CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
| CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
| CN112214677B (zh) | 一种兴趣点推荐方法、装置、电子设备及存储介质 | |
| CN112489396B (zh) | 一种行人尾随行为检测方法、装置、电子设备和存储介质 | |
| CN114821247B (zh) | 一种模型的训练方法、装置、存储介质及电子装置 | |
| CN110933662B (zh) | 一种基于数据挖掘的时空伴随关系分析方法和系统 | |
| CN106529497A (zh) | 一种图像采集设备的定位方法及装置 | |
| Rodrigues et al. | Impact of crowdsourced data quality on travel pattern estimation | |
| WO2023147892A1 (en) | Long-term accurate crowd estimation in smart cities | |
| Rashid et al. | SEIS: A spatiotemporal-aware event investigation framework for social airborne sensing in disaster recovery applications | |
| CN114519879A (zh) | 人体数据归档方法、装置、设备及存储介质 | |
| CN113691483B (zh) | 异常用户设备的检测方法、装置、设备及存储介质 | |
| KR102326793B1 (ko) | 사고 영상 분석 시스템 및 이를 이용한 분석 방법 | |
| CN111667507A (zh) | 一种高速公路车辆轨迹跟踪方法 | |
| Mohamed et al. | Kalman and Cauchy clustering for anomaly detection based authentication of IoMTs using extreme learning machine | |
| CN114926973B (zh) | 一种视频监控方法、装置、系统、服务器及可读存储介质 | |
| CN111476059A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
| Chang et al. | Online public transit ridership monitoring through passive WiFi sensing | |
| CN111382297A (zh) | 一种用户侧用户数据的上报方法及装置 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231206 Address after: No. 220 Qingyuan Street, Shijiazhuang City, Hebei Province, 050011 Patentee after: China Mobile System Integration Co.,Ltd. Patentee after: China Mobile xiongan information and Communication Technology Co.,Ltd. Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. Patentee after: China Mobile Information System Integration Co.,Ltd. Address before: 071700 No.88, South Aowei Road, Rongcheng County, Baoding City, Hebei Province Patentee before: China Mobile xiongan information and Communication Technology Co.,Ltd. Patentee before: China Mobile System Integration Co.,Ltd. Patentee before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. |
|
| TR01 | Transfer of patent right |