CN112770265A - 一种行人身份信息获取方法、系统、服务器和存储介质 - Google Patents
一种行人身份信息获取方法、系统、服务器和存储介质 Download PDFInfo
- Publication number
- CN112770265A CN112770265A CN202011634442.3A CN202011634442A CN112770265A CN 112770265 A CN112770265 A CN 112770265A CN 202011634442 A CN202011634442 A CN 202011634442A CN 112770265 A CN112770265 A CN 112770265A
- Authority
- CN
- China
- Prior art keywords
- information
- track sequence
- track
- sequence
- face
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
- H04W8/20—Transfer of user or subscriber data
- H04W8/205—Transfer to or from user equipment or user record carrier
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种行人身份信息获取方法,包括:获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息;基于所述第一位置信息生成第一轨迹序列;获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息;基于所述第二位置信息生成第二轨迹序列;计算第一轨迹序列和第二轨迹序列的关联置信度;若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。本发明实现了通过移动终端的通信信息对人脸信息进行补充,使行人身份信息获取更加完整。
Description
技术领域
本发明实施例涉及智能安防领域,尤其涉及一种行人身份信息获取方法、系统、服务器和存储介质。
背景技术
目前在智能安防领域,为了确定行人身份信息,通常的方法是安防人员实地进行人员身份询问、查询身份证件。在公安部门对重点监控人员的监控中,也需要通过行人的步态、衣着等结合调查材料确定人员身份。有的采用人脸识别的方式识别人员身份,通过将拍摄的通过与预设的人脸库对比以确定行人身份,如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的图像,在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征进行人脸图像匹配与识别,以获取行人身份信息。
但由于人脸库的身份信息较少,通常只有人员姓名信息,且该信息受到人脸库预存信息的限制,导致获取的数据不够全面,身份识别效果不好。
发明内容
本发明提供了一种行人身份信息获取方法、系统、服务器和存储介质,通过将人脸识别信息与行人终端信息进行补充,使行人身份信息得到更多数据,解决了单一人脸信息对身份识别不准、信息不足的问题,实现更全面获取行人身份信息的效果。
第一方面,本发明提供一种行人身份信息获取方法,包括:
获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息;
基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹;
获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息;
基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹;
计算第一轨迹序列和第二轨迹序列的关联置信度;
若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
进一步地,所述获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息,包括:
对所述图像信息进行人脸识别,以确定图像信息中的人脸信息;
对所述图像信息进行环境特征识别,以确定所述人脸信息的第一位置信息。
进一步地,计算第一轨迹序列和第二轨迹序列的关联置信度之前,包括:
对所述第一轨迹序列和第二轨迹序列进行数据清洗。
进一步地,对所述第一轨迹序列和第二轨迹序列进行数据清洗,包括:
基于第一预设公式计算所述第一轨迹序列在第一轨迹点的第一采集率,判断所述第一采集率是否大于第二预设阈值;
若大于,则删除所述第一轨迹点;
基于第二预设公式计算所述第二轨迹序列在第二轨迹点的第二采集率,判断所述第二采集率是否大于第三预设阈值;
若大于,则删除所述第二轨迹点。
进一步地,计算第一轨迹序列和第二轨迹序列的关联置信度包括:
基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度;
将所述时间相似度带入第二预设算法,得到关联置信度。
进一步地,所述人脸信息位于多个不同场所,在每个场所中,基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度;
则所述将所述时间相似度带入第二预设算法,得到关联置信度,包括:
将一个或多个时间相似度由高到低进行排序;
基于排序对所述一个或多个场所分配权重;
将所述时间相似度和权重带入第二预设算法,得到关联置信度。
第二方面,本发明提供一种行人身份信息获取系统,包括:
图像信息获取模块,用于获取行人的图像信息,基于所述图像信息生成第一轨迹序列,所述第一轨迹序列为行人在每个时刻的位置信息;
终端信息获取模块,用于获取移动终端的通信信息,基于所述通信信息生成第二轨迹序列,所述通信信息包括移动终端的用户信息,所述第二轨迹序列为移动终端在每个时刻的位置信息;
置信度计算模块,用于计算第一轨迹序列和第二轨迹序列的关联置信度;
判断模块,用于若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的行人与第二轨迹序列对应的移动终端进行关联;
身份信息生成模块,用于将所述用户信息作为所述行人的身份信息。
进一步地,所述图像信息获取模块还用于:
对所述图像信息进行人脸识别,以确定图像信息中的行人;
对所述图像信息进行位置特征识别,以确定所述行人的位置信息;
基于行人在不同时刻的位置信息生成第一轨迹序列。
第三方面,本发明提供一种服务器,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程序,所述处理器执行所述程序时实现如上述任一所述的一种行人身份信息获取方法。
第四方面,本发明提供一种终端可读存储介质,其上存储有程序,所述程序被处理器执行时能够实现如上述任一所述的一种行人身份信息获取方法。
本发明实现了将人脸信息与移动终端的IMSI信息,如手机号、手机归属地、姓名、年龄、籍贯等进行关联,使行人身份信息得到更多数据,解决了单一人脸信息对身份识别不准、信息不足的问题。
附图说明
如图1所示为本实施例一的行人身份信息获取方法流程图。
如图2所示为本实施例二的行人身份信息获取方法流程图。
如图3所示为本实施例三的行人身份信息获取方法流程图。
如图4所示为本实施例三的系统模块图。
如图5所示为本实施例三替代实施例的系统模块图。
如图6所示为本实施例四的服务器模块图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外,术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等,但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说,在不脱离本申请的范围的情况下,第一特征信息可以为第二特征信息或第三特征信息,类似地,第二特征信息、第三特征信息可以为第一特征信息。第一特征信息和第二特征信息、第三特征信息都是分布式文件系统的特征信息,但其不是同一特征信息。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”、“批量”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
下述实施例中提及的专有名词及英文缩写含义如下:
IMSI:InternationalMobileSubscriberIdentificationNumber国际移动用户识别码,是区别移动用户的标志,储存在SIM卡中,可用于区别移动用户的有效信息。IMSI是区别移动用户的唯一标志,若获取到终端的IMSI就可以获得该终端的其他信息,通常用于政府管理部门、公安部门等对终端的侦码和定位。
TA:timeadvanced,定时提前,指移动台信号到达基站的实际时间和假设该移动台与基站距离为0时移动台信号到达基站的时间的差值。基站对移动台信号到达的时间始终进行监控,根据到达时间的变化在下行的SACCH发TA命令。
TAC:TrackingAreaCode,该参数是PLMN内跟踪区域的标识,用于终端的位置管理,在PLMN内唯一。在实际应用中,终端通常将切换过的小区执行标记和/或加入标记名单,对标记过的小区不执行二次接入。
实施例一
本实施例提供一种行人身份信息获取方法,该方法由行人身份信息系统执行,如图1,包括如下步骤:
S101、获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息。
该步骤中,通过行人身份信息系统的前端图像采集设备(如摄像机)在监管区域拍摄行人图像信息。行人图像信息缓存在系统存储层的mongo,redis,mysql,HDFS,hive,NG,hadoop,kafka,ZK,spark等数据库中。
提取所述图像信息的人脸信息和第一位置信息的步骤由系统的分析层从存储层读取图像信息并进行分析,完成完成注册/导入人脸信息,人脸比对,1:1,人脸删除,图片接收等步骤,具体地,对所述图像信息进行人脸识别,以确定图像信息中的人脸信息;对所述图像信息进行环境特征识别,以确定所述人脸信息的第一位置信息。环境特征识别的是行人图像信息中非行人的环境部分,通过地形特征比对、路牌比对等,确定所述第一位置信息。
S102、基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹。
该步骤中,设第一轨迹序列T1={v1,v2,...,vn},vn指序列中的第n个轨迹点,每个轨迹点v={p,t},其中p指第一位置信息,t指采集到行人图像信息的时刻。
S103、获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息。
该步骤中移动终端在与基站执行通信时,特征采集设备通过模拟运营商网络产生广播信号向手机发送特征上报请求,以采集到移动终端的特征信息,如IMSI(InternationalMobileSubscriberIdentificationNumber)国际移动用户识别码,通过IMSI能够确定移动终端绑定的用户信息,例如,包括用户的姓名、身份证、年龄、籍贯、手机归属地等。
所述第二位置信息用于描述所述移动终端的定位。例如,基于上报的通信信息获取移动终端上报的TA(定时提前)值,通过传输时延确定与一个或多个基站之间的距离,通过与一个或多个基站的距离计算得到移动终端的经纬度。可选地,基于上报的通信信息获取移动终端的TAC(TrackingAreaCode)跟踪区域标识,基于TAC确定第二位置信息。
步骤S101-S103中计算得到的人脸信息、第一位置信息、用户信息、第二位置信息缓存在系统存储层的mongo,redis,mysql,HDFS,hive,NG,hadoop,kafka,ZK,spark等数据库中。
S104、基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹。
该步骤由系统的分析层实现,具体地,设第二轨迹序列T2={v1,v2,...,vn},vn指序列中的第n个轨迹点,每个轨迹点v={p,t},其中p指第二位置信息,t指采集到通信信息的时刻。
S105、计算第一轨迹序列和第二轨迹序列的关联置信度。
该步骤所述的关联置信度即关联规则的置信度,置信度揭示了A出现时,B是否也会出现或有多大概率出现。如果置信度度为100%,则A和B可以捆绑在一起。如果置信度太低,则说明A的出现与B是否出现关系不大。在本实施例及下述实施例中,当置信度越高,表明当第一轨迹序列出现时第二轨迹序列大概率出现,即表明移动终端大概率为人脸信息对应的用户终端。
S106、若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
本实施例实现了将人脸信息与移动终端的IMSI信息,如手机号、手机归属地、姓名、年龄、籍贯等进行关联,为人脸信息提供了大量高附加值的信息,解决了单一人脸信息对身份识别不准的问题。分析得到的人脸信息对应的身份信息用于图码应用、布控告警、车码应用、侦查交并、设备及翻码等领域。
实施例二
本实施例在上述实施例的基础上增加了进行数据清洗的步骤,以去除获取的数据中不符合数据层采集需求的轨迹点,以避免第一轨迹序列和第二轨迹序列的关联置信度识别不准。如图2所示,包括如下步骤:
S201、获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息。
S202、基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹。
S203、获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息。
S204、基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹。
S205、对所述第一轨迹序列和第二轨迹序列进行数据清洗。
例如,以上述实施例为例,采集设备采集TAC时,周期为30分钟-60分钟,根据行人的活动规律,发现在不同场所中,IMSI的第一次采集时间对关联置信度的影响比重较重,如同一移动终端的IMSI多次被抓取时对应出现人脸的概率较低。因此,通过数据清洗,将采集率过高的第一轨迹序列中的第一轨迹点去除,以获得更有效的数据。
在该步骤中,数据清洗具体包括:基于第一预设公式计算所述第一轨迹序列在第一轨迹点的第一采集率,判断所述第一采集率是否大于第二预设阈值;若大于,则删除所述第一轨迹点;基于第二预设公式计算所述第二轨迹序列在第二轨迹点的第二采集率,判断所述第二采集率是否大于第三预设阈值;若大于,则删除所述第二轨迹点。
其中,T1的第i个轨迹点vi和T2的第x个轨迹点vx产生碰撞点,计算该碰撞点时刻T1和T2的采集率SR。首先计算T1在vi点的采集率SR(T1.vi),统计在轨迹点vi采集时刻之前,T1的“连续”“有效”采集次数,采集率即为采集次数的倒数。其中“连续”表示采集间隔小于60分钟,“有效”表示采集间隔大于1分钟。
其中,计算所述T1的采集率的第一预设公式如下:
计算所述T2的采集率的第二预设公式如下:
所述第二预设阈值和所述第三预设阈值为采集率的过滤阈值,可以相同也可以不同,例如,第二预设阈值和第三预设阈值均设置为100,当SR(T1.vi)>100,表明在T1中的第i个轨迹点数据不可信,则删除该数据点。当SR(T2.vx)>100,表明在T2中的第x个轨迹点数据不可信,则删除该数据点。
S206、计算第一轨迹序列和第二轨迹序列的关联置信度。
S207、若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
本实施例通过数据清洗对采集设备采集到的重复IMSI进行去除,提高了计算关联度的精确性。
实施例三
本实施例在上述实施例的基础上提供了一种计算关联置信度的计算过程,如图3,具体如下:
S301、获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息。
S302、基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹。
S303、获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息。
S304、基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹。
S3051、基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度。
该步骤中,设第一轨迹序列T1上与轨迹点vi时间最近的轨迹点为m,所述第一预设算法如下:
最终得到轨迹点m与T1的轨迹点vi的时间相似度如下:
在一种替代实施例中,人脸信息位于多个不同场所,在每个场所中基于第一预设算法计算第一轨迹序列与第二轨迹序列之间的时间相似度,计算得到的所述时间相似度S(v,t,T)与场所数量相同。
S3052、将所述时间相似度带入第二预设算法,得到关联置信度。
该步骤所述预设公式如下:
其中f(Sim(T1,*)max)表示关联置信度随着关联值的增长趋势。当人脸信息位于多个不同场所,在每个场所中,将一个或多个时间相似度由高到低进行排序。基于排序对所述一个或多个场所分配权重。将所述时间相似度和权重带入第二预设算法,得到关联置信度。
该步骤中,例如,在P1场所中计算得到的相似度为sim1,在P2场所中计算得到的相似度为sim2,在P3场所中计算得到的相似度为sim3……根据相似度高低进行排序,分别为sim1>sim2>sim3。则权重wPi=w(i)+b,w=2,b=1,其中i表示相似度从高到低排序中的场所排序为第i个。
在另一种替代实施例中,由于两个场所距离越远,其相似性越高,因此通过距离因素对计算得到的每个场所的权重进行调节,公式如下:
distp(i)=dist(pi,p1);
分配权重后的相似度计算公式如下:
S306、若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
本实施例通过计算关联置信度,使第一轨迹序列对应的人脸信息和第二轨迹序列对应的移动终端的用户信息进行关联。使人脸信息通过用户信息得到补充。
实施例四
如图4,本实施例提供了一种终端特征采集系统4,包括如下模块:
图像信息获取模块401,用于获取行人的图像信息,基于所述图像信息生成第一轨迹序列,所述第一轨迹序列为行人在每个时刻的位置信息;该模块还包括:对所述图像信息进行人脸识别,以确定图像信息中的行人;对所述图像信息进行位置特征识别,以确定所述行人的位置信息;基于行人在不同时刻的位置信息生成第一轨迹序列。
终端信息获取模块402,用于获取移动终端的通信信息,基于所述通信信息生成第二轨迹序列,所述通信信息包括移动终端的用户信息,所述第二轨迹序列为移动终端在每个时刻的位置信息。
置信度计算模块403,用于计算第一轨迹序列和第二轨迹序列的关联置信度。该模块还用于:基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度;将所述时间相似度带入第二预设算法,得到关联置信度。其中,当所述人脸信息位于多个不同场所,在每个场所中,基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度;则该模块用于:将一个或多个时间相似度由高到低进行排序;基于排序对所述一个或多个场所分配权重;将所述时间相似度和权重带入第二预设算法,得到关联置信度。
判断模块404,用于若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的行人与第二轨迹序列对应的移动终端进行关联。
身份信息生成模块405,用于将所述用户信息作为所述行人的身份信息。
在替代实施例中,如图5,还包括数据清洗模块406,用于对所述第一轨迹序列和第二轨迹序列进行数据清洗。具体地,基于第一预设公式计算所述第一轨迹序列在第一轨迹点的第一采集率,判断所述第一采集率是否大于第二预设阈值;若大于,则删除所述第一轨迹点;基于第二预设公式计算所述第二轨迹序列在第二轨迹点的第二采集率,判断所述第二采集率是否大于第三预设阈值;若大于,则删除所述第二轨迹点。
本发明实施例所提供的一种行人身份信息获取系统可执行本发明任意实施例所提供的行人身份信息获取方法,具备功能模块相应的执行方法和有益效果。
实施例四
本实施例提供了一种服务器的结构示意图,如图6所示,该服务器包括处理器501、存储器502、输入装置503和输出装置504;服务器中处理器501的数量可以是一个或多个,图中以一个处理器501为例;设备/终端/服务器中的处理器501、存储器502、输入装置503和输出装置504可以通过总线或其他方式链接,图6中以通过总线链接为例。
存储器502作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的行人身份信息获取方法对应的程序指令/模块(例如图像信息获取模块401,终端信息获取模块402等)。处理器501通过运行存储在存储器502中的软件程序、指令以及模块,从而执行设备/终端/服务器的各种功能应用以及数据处理,即实现上述的方法。
存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器502可进一步包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络链接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置503可用于接收输入的数字或字符信息,以及产生与设备/终端/服务器的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。
本发明实施例四通过提供一种服务器,可执行本发明任意实施例所提供的行人身份信息获取方法,具备执行方法相应的功能模块和有益效果。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的行人身份信息获取方法:
获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息;
基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹;
获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息;
基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹;
计算第一轨迹序列和第二轨迹序列的关联置信度;
若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
本发明实施例的计算机可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电链接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—链接到用户计算机,或者,可以链接到外部计算机(例如利用因特网服务提供商来通过因特网链接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够执行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明执行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种行人身份信息获取方法,其特征在于,包括:
获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息;
基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹;
获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息;
基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹;
计算第一轨迹序列和第二轨迹序列的关联置信度;
若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
2.根据权利要求1所述的一种行人身份信息获取方法,其特征在于,所述获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息,包括:
对所述图像信息进行人脸识别,以确定图像信息中的人脸信息;
对所述图像信息进行环境特征识别,以确定所述人脸信息的第一位置信息。
3.根据权利要求1所述的一种行人身份信息获取方法,其特征在于,计算第一轨迹序列和第二轨迹序列的关联置信度之前,包括:
对所述第一轨迹序列和第二轨迹序列进行数据清洗。
4.根据权利要求3所述的一种行人身份信息获取方法,其特征在于,对所述第一轨迹序列和第二轨迹序列进行数据清洗,包括:
基于第一预设公式计算所述第一轨迹序列在第一轨迹点的第一采集率,判断所述第一采集率是否大于第二预设阈值;
若大于,则删除所述第一轨迹点;
基于第二预设公式计算所述第二轨迹序列在第二轨迹点的第二采集率,判断所述第二采集率是否大于第三预设阈值;
若大于,则删除所述第二轨迹点。
5.根据权利要求1所述的一种行人身份信息获取方法,其特征在于,计算第一轨迹序列和第二轨迹序列的关联置信度包括:
基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度;
将所述时间相似度带入第二预设算法,得到关联置信度。
6.根据权利要求5所述的一种行人身份信息获取方法,其特征在于,所述人脸信息位于多个不同场所,在每个场所中,基于第一预设算法,计算第一轨迹序列与第二轨迹序列之间的时间相似度;
则所述将所述时间相似度带入第二预设算法,得到关联置信度,包括:
将一个或多个时间相似度由高到低进行排序;
基于排序对所述一个或多个场所分配权重;
将所述时间相似度和权重带入第二预设算法,得到关联置信度。
7.一种行人身份信息获取系统,其特征在于,包括:
图像信息获取模块,用于获取行人的图像信息,提取所述图像信息的人脸信息和第一位置信息;基于所述第一位置信息生成第一轨迹序列,所述第一轨迹序列为所述人脸信息在多个第一位置信息的时间轨迹;
终端信息获取模块,用于获取移动终端的通信信息,所述通信信息包括移动终端的用户信息和第二位置信息;基于所述第二位置信息生成第二轨迹序列,所述第二轨迹序列为移动终端在多个第二位置信息的时间轨迹;
置信度计算模块,用于计算第一轨迹序列和第二轨迹序列的关联置信度;
身份信息生成模块,用于若所述关联置信度超过第一预设阈值,则将第一轨迹序列对应的人脸信息与第二轨迹序列对应的移动终端的用户信息进行关联,以将所述用户信息作为所述人脸信息对应的身份信息。
8.根据权利要求7所述的一种行人身份信息获取方法,其特征在于,所述图像信息获取模块还用于:
对所述图像信息进行人脸识别,以确定图像信息中的人脸信息;
对所述图像信息进行环境特征识别,以确定所述人脸信息的第一位置信息。
9.一种服务器,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1-6任一所述的一种行人身份信息获取方法。
10.一种终端可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时能够实现如权利要求1-6任一所述的一种行人身份信息获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634442.3A CN112770265B (zh) | 2020-12-31 | 2020-12-31 | 一种行人身份信息获取方法、系统、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634442.3A CN112770265B (zh) | 2020-12-31 | 2020-12-31 | 一种行人身份信息获取方法、系统、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112770265A true CN112770265A (zh) | 2021-05-07 |
CN112770265B CN112770265B (zh) | 2023-04-18 |
Family
ID=75697895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011634442.3A Active CN112770265B (zh) | 2020-12-31 | 2020-12-31 | 一种行人身份信息获取方法、系统、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112770265B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114078277A (zh) * | 2022-01-19 | 2022-02-22 | 深圳前海中电慧安科技有限公司 | 一人一档的人脸聚类方法、装置、计算机设备及存储介质 |
CN114093014A (zh) * | 2022-01-20 | 2022-02-25 | 深圳前海中电慧安科技有限公司 | 一种图码关联强度计算方法、装置、设备及存储介质 |
CN116092169A (zh) * | 2023-04-04 | 2023-05-09 | 南京小唐安朴科技有限公司 | 一种以采集频率与范围为权重的数据关联度计算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
CN109325429A (zh) * | 2018-09-11 | 2019-02-12 | 深圳前海中电慧安科技有限公司 | 一种关联特征数据的方法、装置、存储介质及终端 |
WO2019154190A1 (zh) * | 2018-02-08 | 2019-08-15 | 维沃移动通信有限公司 | 人脸识别解锁控制方法和移动终端 |
CN111651527A (zh) * | 2020-04-21 | 2020-09-11 | 高新兴科技集团股份有限公司 | 基于轨迹相似度的身份关联方法、装置、设备及存储介质 |
-
2020
- 2020-12-31 CN CN202011634442.3A patent/CN112770265B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
WO2019154190A1 (zh) * | 2018-02-08 | 2019-08-15 | 维沃移动通信有限公司 | 人脸识别解锁控制方法和移动终端 |
CN109325429A (zh) * | 2018-09-11 | 2019-02-12 | 深圳前海中电慧安科技有限公司 | 一种关联特征数据的方法、装置、存储介质及终端 |
CN111651527A (zh) * | 2020-04-21 | 2020-09-11 | 高新兴科技集团股份有限公司 | 基于轨迹相似度的身份关联方法、装置、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114078277A (zh) * | 2022-01-19 | 2022-02-22 | 深圳前海中电慧安科技有限公司 | 一人一档的人脸聚类方法、装置、计算机设备及存储介质 |
CN114093014A (zh) * | 2022-01-20 | 2022-02-25 | 深圳前海中电慧安科技有限公司 | 一种图码关联强度计算方法、装置、设备及存储介质 |
CN116092169A (zh) * | 2023-04-04 | 2023-05-09 | 南京小唐安朴科技有限公司 | 一种以采集频率与范围为权重的数据关联度计算方法 |
CN116092169B (zh) * | 2023-04-04 | 2023-06-20 | 南京小唐安朴科技有限公司 | 一种以采集频率与范围为权重的数据关联度计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112770265B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN109325429B (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN110837582B (zh) | 数据关联方法、装置、电子设备和计算机可读存储介质 | |
CN107871114A (zh) | 一种推送目标人员跟踪信息的方法、装置及系统 | |
CN109656973B (zh) | 一种目标对象关联分析方法及装置 | |
CN103942811A (zh) | 分布式并行确定特征目标运动轨迹的方法与系统 | |
CN110751675B (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN111639092B (zh) | 一种人员流动分析方法、装置、电子设备及存储介质 | |
CN114862946B (zh) | 位置预测方法、系统、设备及介质 | |
CN112309126B (zh) | 车牌检测方法、装置、电子设备及计算机可读存储介质 | |
CN111881379B (zh) | 交管数据处理方法及装置 | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
CN114637884B (zh) | 一种电像计算时空轨迹与道路网的匹配方法、装置及设备 | |
CN111065044B (zh) | 基于大数据的数据关联分析方法、装置及计算机存储介质 | |
WO2023098339A1 (zh) | 数据处理方法、装置、设备、存储介质及程序产品 | |
CN114093014A (zh) | 一种图码关联强度计算方法、装置、设备及存储介质 | |
CN108734072B (zh) | 一种多源对象关联方法及装置 | |
CN111739056A (zh) | 一种轨迹追踪系统 | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
CN111049838A (zh) | 黑产设备识别方法、装置、服务器及存储介质 | |
CN113609317B (zh) | 一种图像库构建方法、装置及电子设备 | |
CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
CN114970495A (zh) | 人名消歧方法、装置、电子设备及存储介质 | |
CN109521447B (zh) | 一种基于贪心策略的失踪目标搜索方法 |
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 |