CN112528809A - 关于涉盗嫌疑人员的识别方法、装置及设备、存储介质 - Google Patents

Abstract

本申请涉及一种关于涉盗嫌疑人员的识别方法、装置及设备、存储介质，关于涉盗嫌疑人员的识别方法包括：获取目标社区的人脸抓拍图片流；基于人脸结构化算法对人脸抓拍图片流中各个图片进行计算，得到结构化信息数据；基于人像聚类算法，利用结构化信息数据对图片进行聚类处理，确定不同类图片的人像身份标识；基于人像置信算法，利用各个社区常口库对人脸抓拍图片流中人物身份进行置信，将置信成功的人像身份标识与对应的置信信息进行关联，得到第一人员名单信息；将其中符合预设条件的确定为待核实人员名单信息，从中确定带有身份标签的为涉盗嫌疑人员名单信息并输出。有效提高了识别准确率，为社区管理者提供了更加精确、全面的分析结果。

Description

关于涉盗嫌疑人员的识别方法、装置及设备、存储介质

技术领域

本申请涉及社区安全管控技术领域，具体涉及一种关于涉盗嫌疑人员的识别方法、装置及设备、存储介质。

背景技术

随着人脸识别、人脸聚类、多维感知、物联网、云计算、大数据等人工智能技术在完善社区治安防控体系、支撑基层城乡社区网格化管理、提升“平安城市”建设水平等方面的作用不断凸显，党和政府对智慧安防建设工作的认可与重视程度也在不断提升，相应的，对社区中涉盗人员的识别需求越来越高。

相关技术中，涉盗人员的识别模型主要依赖于现有的涉盗人员数据库，然而，单纯地利用涉盗人员数据库去进行人员比对而得到的分析结果，常常因为分析过于片面而出现错误，导致识别准确率过低，无法给社区管理者带来精确的分析结果。

发明内容

有鉴于此，本申请的目的在于克服现有技术的不足，提供一种关于涉盗嫌疑人员的识别方法、装置及设备、存储介质。

为实现以上目的，本申请采用如下技术方案：

本申请的第一方面提供一种关于涉盗嫌疑人员的识别方法，包括：

获取目标社区的人脸抓拍图片流；

基于人脸结构化算法，对所述人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据；

基于人像聚类算法，利用所述结构化信息数据对所述人脸抓拍图片流中的图片进行聚类处理，并确定各个不同类图片的人像身份标识；

基于人像置信算法，利用各个社区常口库对所述人脸抓拍图片流中各个图片的人物身份进行置信，将置信成功的所述人物身份的所述人像身份标识与对应的置信信息进行关联，得到第一人员名单信息；

将所述第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息，从所述待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出。

可选的，所述利用各个社区常口库对所述人脸抓拍图片流中各个图片的人物身份进行置信之后，还包括：

确定置信失败的各所述人物身份的所述人像身份标识，得到第二人员名单信息；

将所述第二人员名单信息中符合所述预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

可选的，所述人脸抓拍图片流还包括抓拍信息；所述抓拍信息包括抓拍时间和抓拍地点。

可选的，所述预设条件包括：在预设时间段内出现天数达到第一预设阈值。

可选的，所述将所述第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息之后，还包括：

从所述待核实人员名单信息中排除所述目标社区的人员名单信息，得到待核实外来人员名单信息；

所述从所述待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出，包括：

从所述待核实外来人员名单信息中确定带有身份标签的人员名单信息为外来涉盗嫌疑人员名单信息并输出。

可选的，所述利用所述结构化信息数据对所述人脸抓拍图片流中的图片进行聚类处理，包括：

计算所述人脸抓拍图片流中各个图片之间的结构化信息数据的相似度；

将相似度达到第二预设阈值的图片聚为同类。

本申请的第二方面提供一种关于涉盗嫌疑人员的识别装置，包括：

获取模块，用于获取目标社区的人脸抓拍图片流；

计算模块，用于基于人脸结构化算法，对所述人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据；

聚类模块，用于基于人像聚类算法，利用所述结构化信息数据对所述人脸抓拍图片流中的图片进行聚类处理，并确定各个不同类图片的人像身份标识；

置信模块，用于基于人像置信算法，利用各个社区常口库对所述人脸抓拍图片流中各个图片的人物身份进行置信，将置信成功的所述人物身份的所述人像身份标识与对应的置信信息进行关联，得到第一人员名单信息；

第一输出模块，用于将所述第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息，从所述待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出。

可选的，还包括第二输出模块，所述第二输出模块用于：

确定置信失败的各所述人物身份的所述人像身份标识，得到第二人员名单信息；

将所述第二人员名单信息中符合所述预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

本申请的第三方面提供一种关于涉盗嫌疑人员的识别设备，包括：

处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序；

所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如本申请的第一方面所述的方法。

本申请的第四方面提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本申请的第一方面所述的关于涉盗嫌疑人员的识别方法的各个步骤。

本申请提供的技术方案可以包括以下有益效果：

本申请的方案中，首先获取目标社区的人脸抓拍图片流，然后基于人脸结构化算法，对人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据，再利用得到的结构化信息数据基于人像聚类算法对人脸抓拍图片流中的图片进行聚类，以此将同一人的所有人脸抓拍图片归于一类。再基于人像置信算法，利用各个社区常口库对人脸抓拍图片流中各个图片的人物身份进行置信，以确定各个图片中的人物的真实身份信息。将置信成功的人物身份的人像身份标识与对应的置信信息进行关联，以确保可以通过人像身份标识查找到对应的置信信息，由此得到第一人员名单信息。通过设置可能符合有涉盗嫌疑活动规律的预设条件，可以筛选出第一人员名单信息中可能有涉盗嫌疑的人员信息，即待核实人员名单信息。继而从这些待核实人员名单信息中确认出带有身份标签的人员名单信息，将其视为涉盗嫌疑人员名单信息输出。如此，有效提高了识别准确率，为社区管理者提供了更加精确、全面的分析结果，为社区的安全管理提供了便利。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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是本申请一个实施例提供的一种关于涉盗嫌疑人员的识别方法的流程图。

图2是本申请另一个实施例提供的一种关于涉盗嫌疑人员的识别装置的结构示意图。

图3是本申请另一个实施例提供的一种关于涉盗嫌疑人员的识别设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。

参见图1，图1是本申请一个实施例提供的一种关于涉盗嫌疑人员的识别方法的流程图。

本实施例提供一种关于涉盗嫌疑人员的识别方法，通过该方法可以对社区中的出入人员是否存在涉盗嫌疑做出初步判断，继而提醒社区管理者多关注初步判断存在涉盗嫌疑的出入人员，做好安全管控工作。如图1所示，关于涉盗嫌疑人员的识别方法具体可以包括如下步骤：

步骤11、获取目标社区的人脸抓拍图片流。

实施时，可以通过目标社区的人脸抓拍设备来获取到社区活动人员的人脸抓拍图片流和对应的抓拍信息。其中，每一张人脸抓拍图片都对应有抓拍信息。抓拍信息可以包括：抓拍时间和抓拍地点。

步骤12、基于人脸结构化算法，对人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据。

其中，结构化信息数据包括人脸特征。

步骤13、基于人像聚类算法，利用结构化信息数据对人脸抓拍图片流中的图片进行聚类处理，并确定各个不同类图片的人像身份标识。

在得到人脸抓拍图片流中各个图片的结构化信息数据后，利用人像聚类算法对各个图片的结构化信息数据进行处理，以将人脸抓拍图片流中的图片进行聚类，使得同一人的图片为一类。在进行聚类处理后，对不同的人赋予其唯一的人像身份标识，即同类图片的人像身份标识相同，不同类图片的人像身份标识均不相同。

其中，人像身份标识可以根据实际需求进行设置，例如，本申请的实施例中，人像身份标识可以是一串数字编码，还可以是其他的标识性信息，此处不作限定。

步骤14、基于人像置信算法，利用各个社区常口库对人脸抓拍图片流中各个图片的人物身份进行置信，将置信成功的人物身份的人像身份标识与对应的置信信息进行关联，得到第一人员名单信息。

具体实施时，利用社区常口库对人脸抓拍图片流中各个图片的人物身份进行置信，即获取各个图片中人物身份的真实信息，并将真实信息与对应的人像身份标识进行关联。如此，在置信成功后，就可以通过一个人的人像身份标识获取到他的置信信息，即其在社区常口库中的所有真实信息。

步骤15、将第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息，从待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出。

其中，身份标签可以是“涉盗”标签。在社区常口库中，凡是有过涉盗行为的人员，为了便于管理，其在社区常口库中的真实信息中都会带有“涉盗”标签。

在获取到第一人员名单信息后，可以通过预设条件对第一人员名单信息中的人员进行筛选，以将可能存在涉盗嫌疑的人员名单筛选出来，将其确定为待核实人员名单信息。在确定出待核实人员名单信息后，从这些人员的真实信息中查找是否存在“涉盗”标签，最终将待核实人员名单信息中带有“涉盗”标签的人员信息确定为涉盗嫌疑人员名单信息进行输出。

本实施例中，首先获取目标社区的人脸抓拍图片流，然后基于人脸结构化算法，对人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据，再利用得到的结构化信息数据基于人像聚类算法对人脸抓拍图片流中的图片进行聚类，以此将同一人的所有人脸抓拍图片归于一类。再基于人像置信算法，利用各个社区常口库对人脸抓拍图片流中各个图片的人物身份进行置信，以确定各个图片中的人物的真实身份信息。将置信成功的人物身份的人像身份标识与对应的置信信息进行关联，以确保可以通过人像身份标识查找到对应的置信信息，由此得到第一人员名单信息。通过设置可能符合有涉盗嫌疑活动规律的预设条件，可以筛选出第一人员名单信息中可能有涉盗嫌疑的人员信息，即待核实人员名单信息。继而从这些待核实人员名单信息中确认出带有身份标签的人员名单信息，将其视为涉盗嫌疑人员名单信息输出。如此，有效提高了识别准确率，为社区管理者提供了更加精确、全面的分析结果，为社区的安全管理提供了便利。

实际应用中，在获取到人脸抓拍图片流时，人脸图片抓拍流中的各个图片还包括对应的抓拍信息。抓拍信息可以包括抓拍时间和抓拍地点。

在对人脸抓拍图片流中的图片进行聚类处理后，人脸抓拍图片流中每一个人物身份都有其唯一的人像身份标识，此时，可以将人像身份标识与对应的人像身份的抓拍信息进行关联，就可以通过人像身份标识获取到对应的人的所有被抓拍时间和被抓拍地点，利用抓拍时间可以确定该人员的出现频率，利用抓拍地点可以确定该人员的活动区域，如此，可以轻松获取该人像身份标识对应的人在目标社区的活动轨迹和活动频率，将人脸抓拍数据分析与人员活动规律相结合，进一步全面、有效提高了识别准确率。

一些实施例中，上述预设条件可以是在预设时间段内出现天数达到第一预设阈值。

具体实施时，可以根据一个人的抓拍信息判断其在预设时间段内出现天数是否达到第一预设阈值。例如，设定预设时间段为10天，第一预设阈值为6天，那么，在目标社区，若人员A最近10天出现了6天或者6天以上，则说明人员A符合预设条件；若人员A最近10天出现了1天，则人员A不符合预设条件。

其中，预设时间段和第一预设阈值可以根据实际需求进行设置，此处不作限定。

并且，预设条件也可以根据实际需求进行设置，例如，可以根据活动范围去进一步筛选涉盗嫌疑人员名单信息，则预设条件可以是在预设时间段内，出现在预设区域内的频率达到设定阈值。

一些实施例中，在对人脸抓拍图片流中的图片识别有误或者图片中的被识别人没有被记录在社区常口库中时，对图片中的人物身份的置信就会失败。针在这种情况下，关于涉盗嫌疑人员的识别方法还可以包括：确定置信失败的各人物身份的人像身份标识，得到第二人员名单信息；将第二人员名单信息中符合预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

具体实施时，在利用各个社区常口库对人脸抓拍图片流中各个图片的人物身份完成置信后，针对未置信成功的各人物身份的人像身份标识，可以得到第二人员名单信息，该名单中的人物信息只有人像身份标识和对应的抓拍信息，并没有其真实身份信息。在得到第二人员名单信息后，将第二人员名单信息中在预设时间段内出现天数达到第一预设阈值的人员确定为潜在涉盗人员名单信息，并输出给社区管理者，以使其关注这些人员的出入情况，避免发生偷盗事件。

上述步骤15中，在将第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息之后，为了避免目标社区的人员对最终的分析结果造成干扰，一些实施例中，关于涉盗嫌疑人员的识别方法还可以包括：从待核实人员名单信息中排除目标社区的人员名单信息，得到待核实外来人员名单信息。

相应的，从待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出，具体可以包括：从待核实外来人员名单信息中确定带有身份标签的人员名单信息为外来涉盗嫌疑人员名单信息并输出。如此，可以得到更加准确的分析结果，确定出目标社区中更值得怀疑的频繁活动人员。

一些实施例中，上述步骤13中，利用结构化信息数据对人脸抓拍图片流中的图片进行聚类处理，具体可以包括：计算人脸抓拍图片流中各个图片之间的结构化信息数据的相似度；将相似度达到第二预设阈值的图片聚为同类。如此，避免了同一人拥有多个人像身份标识，提高了对识别人员的活动轨迹判断的准确率。

其中，第二预设阈值可以根据实际需求进行设定，此处不作限定。

本申请的实施例提供一种关于涉盗嫌疑人员的识别装置，如图2所示，该装置具体可以包括：获取模块201，用于获取目标社区的人脸抓拍图片流；计算模块202，用于基于人脸结构化算法，对人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据；聚类模块203，用于基于人像聚类算法，利用结构化信息数据对人脸抓拍图片流中的图片进行聚类处理，并确定各个不同类图片的人像身份标识；置信模块204，用于基于人像置信算法，利用各个社区常口库对人脸抓拍图片流中各个图片的人物身份进行置信，将置信成功的人物身份的人像身份标识与对应的置信信息进行关联，得到第一人员名单信息；第一输出模块205，用于将第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息，从待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出。

可选的，关于涉盗嫌疑人员的识别装置还可以包括第二输出模块，第二输出模块可以用于：确定置信失败的各人物身份的人像身份标识，得到第二人员名单信息；将第二人员名单信息中符合预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

可选的，利用各个社区常口库对人脸抓拍图片流中各个图片的人物身份进行置信之后，第一输出模块205，具体还可以用于：确定置信失败的各人物身份的人像身份标识，得到第二人员名单信息；将第二人员名单信息中符合预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

可选的，将第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息之后，第一输出模块205，还可以用于：从待核实人员名单信息中排除目标社区的人员名单信息，得到待核实外来人员名单信息。相应的，从待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出，第一输出模块205，具体还可以用于：从待核实外来人员名单信息中确定带有身份标签的人员名单信息为外来涉盗嫌疑人员名单信息并输出。

可选的，利用结构化信息数据对人脸抓拍图片流中的图片进行聚类处理，聚类模块203，具体可以用于：计算人脸抓拍图片流中各个图片之间的结构化信息数据的相似度；将相似度达到第二预设阈值的图片聚为同类。

本申请的实施例提出的关于涉盗嫌疑人员的识别装置的具体实施方案可以参考以上任意实施例所述的关于涉盗嫌疑人员的识别方法的实施方案，此处不再赘述。

本申请的实施例提供一种关于涉盗嫌疑人员的识别设备，如图3所示，该设备具体可以包括：处理器301，以及与处理器301相连接的存储器302；存储器302用于存储计算机程序；处理器301用于调用并执行存储器302中的计算机程序，以执行如以上任意实施例所述的关于涉盗嫌疑人员的识别方法。

本申请实施例提出的关于涉盗嫌疑人员的识别设备的具体实施方案可以参考以上任意实施例所述的关于涉盗嫌疑人员的识别方法的实施方案，此处不再赘述。

本申请的实施例提供一种存储介质，该存储介质存储有计算机程序，计算机程序被处理器执行时，实现如以上任意实施例所述的关于涉盗嫌疑人员的识别方法的各个步骤。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种关于涉盗嫌疑人员的识别方法，其特征在于，包括：

获取目标社区的人脸抓拍图片流；

基于人脸结构化算法，对所述人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据；

基于人像聚类算法，利用所述结构化信息数据对所述人脸抓拍图片流中的图片进行聚类处理，并确定各个不同类图片的人像身份标识；

基于人像置信算法，利用各个社区常口库对所述人脸抓拍图片流中各个图片的人物身份进行置信，将置信成功的所述人物身份的所述人像身份标识与对应的置信信息进行关联，得到第一人员名单信息；

将所述第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息，从所述待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出。

2.根据权利要求1所述的方法，其特征在于，所述利用各个社区常口库对所述人脸抓拍图片流中各个图片的人物身份进行置信之后，还包括：

确定置信失败的各所述人物身份的所述人像身份标识，得到第二人员名单信息；

将所述第二人员名单信息中符合所述预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

3.根据权利要求1所述的方法，其特征在于，所述人脸抓拍图片流还包括抓拍信息；所述抓拍信息包括抓拍时间和抓拍地点。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设条件包括：在预设时间段内出现天数达到第一预设阈值。

5.根据权利要求1所述的方法，其特征在于，所述将所述第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息之后，还包括：

从所述待核实人员名单信息中排除所述目标社区的人员名单信息，得到待核实外来人员名单信息；

所述从所述待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出，包括：

从所述待核实外来人员名单信息中确定带有身份标签的人员名单信息为外来涉盗嫌疑人员名单信息并输出。

6.根据权利要求1所述的方法，其特征在于，所述利用所述结构化信息数据对所述人脸抓拍图片流中的图片进行聚类处理，包括：

计算所述人脸抓拍图片流中各个图片之间的结构化信息数据的相似度；

将相似度达到第二预设阈值的图片聚为同类。

7.一种关于涉盗嫌疑人员的识别装置，其特征在于，包括：

获取模块，用于获取目标社区的人脸抓拍图片流；

计算模块，用于基于人脸结构化算法，对所述人脸抓拍图片流中的各个图片进行计算，得到对应的结构化信息数据；

聚类模块，用于基于人像聚类算法，利用所述结构化信息数据对所述人脸抓拍图片流中的图片进行聚类处理，并确定各个不同类图片的人像身份标识；

置信模块，用于基于人像置信算法，利用各个社区常口库对所述人脸抓拍图片流中各个图片的人物身份进行置信，将置信成功的所述人物身份的所述人像身份标识与对应的置信信息进行关联，得到第一人员名单信息；

第一输出模块，用于将所述第一人员名单信息中符合预设条件的人员名单信息确定为待核实人员名单信息，从所述待核实人员名单信息中确定带有身份标签的人员名单信息为涉盗嫌疑人员名单信息并输出。

8.根据权利要求7所述的装置，其特征在于，还包括第二输出模块，所述第二输出模块用于：

确定置信失败的各所述人物身份的所述人像身份标识，得到第二人员名单信息；

将所述第二人员名单信息中符合所述预设条件的人员名单信息确定为潜在涉盗嫌疑人员名单信息并输出。

9.一种关于涉盗嫌疑人员的识别设备，其特征在于，包括：

处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序；

所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如权利要求1-6任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6任一项所述的关于涉盗嫌疑人员的识别方法的各个步骤。

Images