CN112735605A - 人员密切接触识别追踪分析方法及装置 - Google Patents
人员密切接触识别追踪分析方法及装置 Download PDFInfo
- Publication number
- CN112735605A CN112735605A CN202110086507.3A CN202110086507A CN112735605A CN 112735605 A CN112735605 A CN 112735605A CN 202110086507 A CN202110086507 A CN 202110086507A CN 112735605 A CN112735605 A CN 112735605A
- Authority
- CN
- China
- Prior art keywords
- personnel
- close contact
- data
- track
- tracking
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人员密切接触识别追踪分析方法及装置，其中该方法包括：获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；设定人员密切接触参数；根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。本发明可以快速、精准定位密切接触者，降低银行业经营损失。
Description
技术领域
本发明涉及轨迹追踪技术领域，尤其涉及人员密切接触识别追踪分析方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
新冠疫情爆发后，由于发生确诊病例，导致企业或组织机构需要大面积隔离潜在接触人群，对银行网点对外提供金融服务、办公场所内部经营复工复产影响较大。
目前，银行或其它组织机构在追踪确诊病人的密切接触者方面缺少必要的技术手段，隔离人员范围可能过大，也可能存在遗漏，存在成本高、风险大的问题。
发明内容
本发明实施例提供一种人员密切接触识别追踪分析方法，用以快速、精准定位密切接触者，该方法包括：
获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；
根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；
根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；
根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；
根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；
设定人员密切接触参数；
根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。
本发明实施例还提供一种人员密切接触识别追踪分析装置，用以快速、精准定位密切接触者，该装置包括：
数据获得模块，用于获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；
场所空间建模模块，用于根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；
身份识别模块，用于根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；
单轨迹追踪模块，用于根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；
密切接触算法引擎模块，用于根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；
参数设定模块，用于设定人员密切接触参数；
密切接触数据生成模块，用于根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述人员密切接触识别追踪分析方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述人员密切接触识别追踪分析方法的计算机程序。
本发明实施例中，获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；设定人员密切接触参数，根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据，与现有技术中无法实现智能化、自动化的密切接触追踪相比，可以实现快速、精准定位密切接触者。
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。在附图中：
图1为本发明实施例中人员密切接触识别追踪分析方法流程图一；
图2为本发明实施例中密切接触算法引擎生成方法流程图一；
图3为本发明实施例中密切接触算法引擎生成方法流程图二；
图4为本发明实施例中人员密切接触识别追踪分析方法流程图二；
图5为本发明实施例中人员密切接触识别追踪分析方法流程图三；
图6为本发明实施例中人员密切接触识别追踪分析装置结构框图一；
图7为本发明实施例中人员密切接触识别追踪分析装置结构框图二；
图8为本发明实施例中人员密切接触识别追踪分析装置结构框图三。
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明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1为本发明实施例中人员密切接触识别追踪分析方法流程图一，如图1所示，该方法包括：
步骤101：获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；
步骤102：根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；
步骤103：根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；
步骤104：根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；
步骤105：根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；
步骤106：设定人员密切接触参数；
步骤107：根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。
其中，步骤101-步骤104是准备步骤，一次性完成即可。
在本发明实施例中，步骤102中可基于建筑CAD绘图、图像识别、场所空间绘制工具等数据来源，将其转化为场所空间建模数据，形成类似于建筑平面图的数据，实现对银行网点或办公场所的空间建模，物理空间数字化。
在本发明实施例中，步骤103中人员信息可基于5G、物联网定位装置、生物识别等技术，例如通过使用合作运营商数据，获取5G用户信息，当用户抵达网点时即可结合边缘计算技术将其信息推送给系统。例如人员进入网点，通过人脸识别技术确认其身份，也可通过插卡、办理业务等多种方式确认身份。也可来源于银行客户信息或内部管理系统，基于客户信息识别外部人员，基于内部管理系统实现内部人员身份识别。实现对银行网点或办公场所人员身份识别。
在本发明实施例中，步骤104中以单一个体为单位，对人员轨迹进行识别、追踪、记录。比如，当人员进入场所后，人员被摄像头捕获到，或基于物联网等技术实现精准定位，即开始绘制其轨迹，并持续追踪。
本发明可以采用5G、边缘计算、物联网技术来进行网点或办公场所的轨迹识别及追踪，例如基于物联网的蓝牙定位芯片，可内置于银行卡、门禁卡等，基于场所内置的蓝牙定位装置，即可实现精准定位。
在本发明实施例中，如图2所示，步骤105具体包括：
步骤1051：基于人员身份识别结果和单轨迹追踪结果，生成多个基于人员身份识别结果的单轨迹追踪结果；
步骤1052：根据场所空间数据、多个基于人员身份识别结果的单轨迹追踪结果，在时间及空间维度进行建模，获得基于多轨迹时间及空间建模数据；
步骤1053：基于多轨迹时间及空间建模数据生成密切接触算法引擎。
具体的，如图3所示，步骤1053具体包括：
步骤10531：设定人员密切接触参数规则；人员密切接触参数可以包括人员接触距离、人员接触时间(接触时长)等等，那规则指的就是人员接触距离规则、人员接触时间规则等等。
步骤10532：基于多轨迹时间及空间建模数据生成符合人员密切接触参数规则的密切接触算法引擎。
在本发明实施例中，步骤106可基于不同业务要求，设定人员密切接触参数的具体数值，例如距离1米以内、接触5秒、15天以内等。参照人员密切接触参数具体数值并使用密切接触算法引擎计算生成密切接触结果数据。
比如，人员身份已经识别，该人员的单轨迹也已绘制，在特定场所空间内，即可在时间维度基于上述多条单轨迹计算轨迹接触结果。例如两个人在同一时间同处该场所，且某个时间点两条轨迹有接触点(轨迹距离小于参数设置的1米距离或其它参数设定距离)，即可判定有密切接触，生成接触结果数据。
比如，将轨迹数据按时间切片，例如XXXX年XX月XX日XX时XX分XX秒，密切接触算法引擎通过计算判断在该时间切片内，各轨迹数据是否有接触点。接触点指轨迹距离小于参数设置的X米距离。接触时长参数，即轨迹连续多长时间存在接触点。符合上述参数设定条件的即可生成接触结果数据。同一场所、人员及轨迹数据，基于不同的参数，可生成不同的结果。便于根据流行病调查要求灵活扩大或缩小范围。
在本发明实施例中，如图4所示，该人员密切接触识别追踪分析方法还包括：
步骤108：设定查询条件；
步骤109：从所述密切接触结果数据中获取符合查询条件的密切接触结果数据。
支持多种条件查询结果。比如时间条件、场所条件等等。
在本发明实施例中，如图5所示，该人员密切接触识别追踪分析方法还包括：
步骤110：选定密切接触结果数据中接触轨迹进行复盘。
具体的，可针对具体接触轨迹进行复盘，包括虚拟建模复盘及定位实际视频。
本发明实施例中还提供了一种人员密切接触识别追踪分析装置，如下面的实施例所述。由于该装置解决问题的原理与人员密切接触识别追踪分析方法相似，因此该装置的实施可以参见人员密切接触识别追踪分析方法的实施，重复之处不再赘述。
图6为本发明实施例中人员密切接触识别追踪分析装置结构框图一，如图6所示，该装置包括：
数据获得模块02，用于获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；
场所空间建模模块04，用于根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；
身份识别模块06，用于根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；
单轨迹追踪模块08，用于根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；
密切接触算法引擎模块10，用于根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；
参数设定模块12，用于设定人员密切接触参数；
密切接触数据生成模块14，用于根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。
在本发明实施例中，密切接触算法引擎模块具体用于：
基于人员身份识别结果和单轨迹追踪结果，生成多个基于人员身份识别结果的单轨迹追踪结果；
根据场所空间数据、多个基于人员身份识别结果的单轨迹追踪结果，在时间及空间维度进行建模，获得基于多轨迹时间及空间建模数据；
基于多轨迹时间及空间建模数据生成密切接触算法引擎。
在本发明实施例中，密切接触算法引擎模块具体用于：
设定人员密切接触参数规则；
基于多轨迹时间及空间建模数据生成符合人员密切接触参数规则的密切接触算法引擎。
在本发明实施例中，如图7所示，还包括：查询模块16，用于设定查询条件，从所述密切接触结果数据中获取符合查询条件的密切接触结果数据。
在本发明实施例中，如图8所示，还包括：复盘模块18，用于选定密切接触结果数据中接触轨迹进行复盘。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述人员密切接触识别追踪分析方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述人员密切接触识别追踪分析方法的计算机程序。
本发明通过5G、边缘计算、物流网、生物识别等技术，实现对办公场所的场地建模，对人员及活动轨迹进行识别，追踪、分析活动轨迹，通过密切接触算法引擎进行分析判断。当有人员确诊或需隔离时，可通过该系统快速定位与确诊人员有密切接触的高风险人员，并可复盘接触轨迹。在时间及空间维度，精准定位追踪密切接触环节，既避免了范围过大带来的不必要损失，也避免了因遗漏导致的风险。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不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，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种人员密切接触识别追踪分析方法，其特征在于，包括：
获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；
根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；
根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；
根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；
根据场所空间数据、人员身份识别结果和单轨迹追踪结果生成密切接触算法引擎；
设定人员密切接触参数；
根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。
2.如权利要求1所述的人员密切接触识别追踪分析方法，其特征在于，根据场所空间数据、人员身份识别结果和单轨迹追踪结果生成密切接触算法引擎，包括：
基于人员身份识别结果和单轨迹追踪结果，生成多个基于人员身份识别结果的单轨迹追踪结果；
根据场所空间数据、多个基于人员身份识别结果的单轨迹追踪结果，在时间及空间维度进行建模，获得基于多轨迹时间及空间建模数据；
基于多轨迹时间及空间建模数据生成密切接触算法引擎。
3.如权利要求2所述的人员密切接触识别追踪分析方法，其特征在于，基于多轨迹时间及空间建模数据生成密切接触算法引擎，包括：
设定人员密切接触参数规则；
基于多轨迹时间及空间建模数据生成符合人员密切接触参数规则的密切接触算法引擎。
4.如权利要求1所述的人员密切接触识别追踪分析方法，其特征在于，还包括：
设定查询条件；
从所述密切接触结果数据中获取符合查询条件的密切接触结果数据。
5.如权利要求1所述的人员密切接触识别追踪分析方法，其特征在于，还包括：
选定密切接触结果数据中接触轨迹进行复盘。
6.一种人员密切接触识别追踪分析装置，其特征在于，包括：
数据获得模块，用于获得人员所处场所空间原始数据、人员身份原始数据和人员轨迹原始数据；
场所空间建模模块，用于根据所述人员所处场所空间原始数据进行空间建模，生成场所空间数据；
身份识别模块，用于根据所述人员身份原始数据进行人员身份识别，生成人员身份识别结果；
单轨迹追踪模块，用于根据所述人员轨迹原始数据进行单轨迹识别和追踪，生成单轨迹追踪结果；
密切接触算法引擎模块，用于根据场所空间数据、人员身份识别结果和单轨迹追踪结果，生成密切接触算法引擎；
参数设定模块，用于设定人员密切接触参数；
密切接触数据生成模块，用于根据人员密切接触参数，基于密切接触算法引擎生成密切接触结果数据。
7.如权利要求6所述的人员密切接触识别追踪分析装置，其特征在于，密切接触算法引擎模块具体用于：
基于人员身份识别结果和单轨迹追踪结果，生成多个基于人员身份识别结果的单轨迹追踪结果；
根据场所空间数据、多个基于人员身份识别结果的单轨迹追踪结果，在时间及空间维度进行建模，获得基于多轨迹时间及空间建模数据；
基于多轨迹时间及空间建模数据生成密切接触算法引擎。
8.如权利要求7所述的人员密切接触识别追踪分析装置，其特征在于，密切接触算法引擎模块具体用于：
设定人员密切接触参数规则；
基于多轨迹时间及空间建模数据生成符合人员密切接触参数规则的密切接触算法引擎。
9.如权利要求6所述的人员密切接触识别追踪分析装置，其特征在于，还包括：查询模块，用于设定查询条件，从所述密切接触结果数据中获取符合查询条件的密切接触结果数据。
10.如权利要求6所述的人员密切接触识别追踪分析装置，其特征在于，还包括：复盘模块，用于选定密切接触结果数据中接触轨迹进行复盘。
11.一种计算机设备，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计算机程序时实现权利要求1至5任一所述人员密切接触识别追踪分析方法。
12.一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存储有执行权利要求1至5任一所述人员密切接触识别追踪分析方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110086507.3A CN112735605A (zh) | 2021-01-22 | 2021-01-22 | 人员密切接触识别追踪分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110086507.3A CN112735605A (zh) | 2021-01-22 | 2021-01-22 | 人员密切接触识别追踪分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112735605A true CN112735605A (zh) | 2021-04-30 |
Family
ID=75594935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110086507.3A Pending CN112735605A (zh) | 2021-01-22 | 2021-01-22 | 人员密切接触识别追踪分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112735605A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117476250A (zh) * | 2023-12-21 | 2024-01-30 | 华侨大学 | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027525A (zh) * | 2020-03-09 | 2020-04-17 | 中国民用航空总局第二研究所 | 疫情期间公共场所潜在被感染者追踪方法、装置及系统 |
| CN111090718A (zh) * | 2020-03-19 | 2020-05-01 | 中科星图(深圳)数字技术产业研发中心有限公司 | 一种基于轨迹追踪的人像识别方法 |
| CN111145917A (zh) * | 2020-01-20 | 2020-05-12 | 罗晖 | 一种面向流行病防控的大规模人口接触网络建模方法 |
| CN111261302A (zh) * | 2020-02-26 | 2020-06-09 | 汤一平 | 基于时空轨迹数据的流行传染病病毒场可视化方法及系统 |
| CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
| CN111430042A (zh) * | 2020-03-31 | 2020-07-17 | 南方科技大学 | 预测传染病传播的方法、装置、计算机设备和存储介质 |
| CN111477340A (zh) * | 2020-04-13 | 2020-07-31 | 深圳前海微众银行股份有限公司 | 传染病接触情况检测方法、装置、设备及可读存储介质 |
| CN111477341A (zh) * | 2020-06-18 | 2020-07-31 | 杭州数梦工场科技有限公司 | 一种疫情监测方法、装置、电子设备及存储介质 |
| CN111586367A (zh) * | 2020-06-02 | 2020-08-25 | 厦门中控智慧信息技术有限公司 | 空间区域内人员实时定位追踪方法、系统及终端设备 |
| WO2020199484A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技（深圳）有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
| CN111863280A (zh) * | 2020-07-30 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 健康检测方法、系统、终端设备及存储介质 |
| CN111885484A (zh) * | 2020-07-22 | 2020-11-03 | 中国联合网络通信集团有限公司 | 疫情疑似人员追踪方法、系统、计算机设备及存储介质 |
| CN112185579A (zh) * | 2020-08-20 | 2021-01-05 | 同济大学 | 一种基于元胞自动机的新冠密切接触人员数据获取方法 |
-
2021
- 2021-01-22 CN CN202110086507.3A patent/CN112735605A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020199484A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技（深圳）有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
| CN111145917A (zh) * | 2020-01-20 | 2020-05-12 | 罗晖 | 一种面向流行病防控的大规模人口接触网络建模方法 |
| CN111261302A (zh) * | 2020-02-26 | 2020-06-09 | 汤一平 | 基于时空轨迹数据的流行传染病病毒场可视化方法及系统 |
| CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
| CN111027525A (zh) * | 2020-03-09 | 2020-04-17 | 中国民用航空总局第二研究所 | 疫情期间公共场所潜在被感染者追踪方法、装置及系统 |
| CN111090718A (zh) * | 2020-03-19 | 2020-05-01 | 中科星图(深圳)数字技术产业研发中心有限公司 | 一种基于轨迹追踪的人像识别方法 |
| CN111430042A (zh) * | 2020-03-31 | 2020-07-17 | 南方科技大学 | 预测传染病传播的方法、装置、计算机设备和存储介质 |
| CN111477340A (zh) * | 2020-04-13 | 2020-07-31 | 深圳前海微众银行股份有限公司 | 传染病接触情况检测方法、装置、设备及可读存储介质 |
| CN111586367A (zh) * | 2020-06-02 | 2020-08-25 | 厦门中控智慧信息技术有限公司 | 空间区域内人员实时定位追踪方法、系统及终端设备 |
| CN111477341A (zh) * | 2020-06-18 | 2020-07-31 | 杭州数梦工场科技有限公司 | 一种疫情监测方法、装置、电子设备及存储介质 |
| CN111885484A (zh) * | 2020-07-22 | 2020-11-03 | 中国联合网络通信集团有限公司 | 疫情疑似人员追踪方法、系统、计算机设备及存储介质 |
| CN111863280A (zh) * | 2020-07-30 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 健康检测方法、系统、终端设备及存储介质 |
| CN112185579A (zh) * | 2020-08-20 | 2021-01-05 | 同济大学 | 一种基于元胞自动机的新冠密切接触人员数据获取方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117476250A (zh) * | 2023-12-21 | 2024-01-30 | 华侨大学 | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 |
| CN117476250B (zh) * | 2023-12-21 | 2024-03-12 | 华侨大学 | 基于多目标跟踪的流行病调查预测方法、装置及可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109783338A (zh) | 基于业务信息的录制处理方法、装置和计算机设备 | |
| WO2018226404A1 (en) | Machine reasoning based on knowledge graph | |
| CN109767322A (zh) | 基于大数据的可疑交易分析方法、装置和计算机设备 | |
| CN110992167A (zh) | 银行客户业务意图识别方法及装置 | |
| CN112016538B (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
| US20210312163A1 (en) | Face recognition method, device and electronic equipment, and computer non-volatile readable storage medium | |
| KR102359090B1 (ko) | 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템 | |
| CN111445597A (zh) | 用于机器学习的数据拼接和整合 | |
| CN109711849B (zh) | 以太坊地址画像生成方法、装置、电子设备及存储介质 | |
| CN112735605A (zh) | 人员密切接触识别追踪分析方法及装置 | |
| CN103336800A (zh) | 基于行为分析的指纹存储比对的方法 | |
| CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
| US20220366603A1 (en) | Learning data generation apparatus, learning data generation method, and recording medium | |
| CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
| US9235616B2 (en) | Systems and methods for partial workflow matching | |
| CN116205723A (zh) | 基于人工智能的面签风险检测方法及相关设备 | |
| CN115378806A (zh) | 流量分配方法、装置、计算机设备及存储介质 | |
| CN114610386A (zh) | H5与应用程序的交互方法、装置、设备及存储介质 | |
| CN115205032A (zh) | 征信查询方法、装置、设备及存储介质 | |
| CN114329095A (zh) | 系统逻辑图生成方法、装置、设备及存储介质 | |
| CN114090650A (zh) | 一种样本数据识别方法、装置、电子设备及存储介质 | |
| Malik et al. | Big Data: Risk Management & Software Testing | |
| ALI et al. | A Novel Leader Election Algorithm for Honeycomb Mesh Networks | |
| CN110889369A (zh) | 一种自助机设备及其进行操作的方法 | |
| CN114553684B (zh) | 网点运维方法、装置、计算机设备、存储介质 |
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 |