CN113468948B - 基于视图数据的治安防控方法、模块、设备及存储介质 - Google Patents
基于视图数据的治安防控方法、模块、设备及存储介质 Download PDFInfo
- Publication number
- CN113468948B CN113468948B CN202110450938.3A CN202110450938A CN113468948B CN 113468948 B CN113468948 B CN 113468948B CN 202110450938 A CN202110450938 A CN 202110450938A CN 113468948 B CN113468948 B CN 113468948B
- Authority
- CN
- China
- Prior art keywords
- information
- prevention
- person
- concerned
- analysis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002265 prevention Effects 0.000 claims abstract description 103
- 238000004458 analytical method Methods 0.000 claims abstract description 79
- 230000003449 preventive effect Effects 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims description 48
- 230000010354 integration Effects 0.000 claims description 17
- 230000004660 morphological change Effects 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于视图数据的治安防控方法，其包括步骤：获取关注人员的基础信息，给定初始的防控风险积分值，并建立关注人员的档案信息；获取视图图片并识别出人脸图片；判断人脸图片是否为关注人员；按预设积分规则更新关注人员的防控风险积分值；判断关注人员更新的防控风险积分值是否达到预防值；自动调取关注人员的档案信息并以预防信息显示；根据预防信息进行治安防控分析，并判断治安防控分析的分析结果是否触发警告条件。本发明还提供了一种治安防控模块、治安防控设备以及计算机可读存储介质。与相关技术相比，采用本发明的技术方案可建立关注人员的风险等级积分模型的档案信息和实现精准核查，防控效率高。
Description
【技术领域】
本发明涉及数据处理技术领域，尤其涉及一种基于视图数据的治安防控方法、治安防控模块、治安防控设备以及计算机可读存储介质。
【背景技术】
传统的监控方式耗时长，效率低。因此，利用视频图像信息资源在治安防控越来越重要。
因此，实有必要提供一种新的方法、模块和设备来解决上述技术问题。
【发明内容】
本发明的目的是克服上述技术问题，提供一种可建立关注人员的风险等级积分模型的档案信息和实现精准核查，防控效率高的基于视图数据的治安防控方法、治安防控模块、治安防控设备以及计算机可读存储介质。
为了实现上述目的，本发明提供一种基于视图数据的治安防控方法，该方法包括如下步骤：
步骤S1、获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息，所述基础信息包括所述关注人员的人脸照片；
步骤S2、获取前端设备抓拍的视图图片并识别出人脸图片；
步骤S3、将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员，若是，则进入步骤S4；若否，则返回步骤S2；
步骤S4、根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值；
步骤S5、判断所述关注人员更新的所述防控风险积分值是否达到预防值，若是，则进入步骤S6；若否，则返回步骤S2；
步骤S6、自动调取所述关注人员的所述档案信息并以预防信息显示；
步骤S7、根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件：若是，则启动警告措施；若否，则返回步骤S2。
优选的，所述步骤S1中，所述基础信息还包括所述关注人员的姓名、性别、身份证号码、居住地址信息、所属社区、关注等级以及关注次数。
优选的，所述防控风险积分值包括固定积分项和不固定积分项，所述固定积分项包括关注记录计分项和活动区域变化计分项，所述不固定积分项为形态变化计分项。
优选的，所述预设积分规则具体为：
所述防控风险积分值总分设为A分，其中：
所述关注记录计分项：所述基础信息中，所述关注次数为1次，则给定记录B分；所述关注次数为2至4次，则给定记录C分；所述关注次数为5次及以上，则给定记录D分；
所述活动区域变化计分项：计分上限为E分；其中，所述基础信息中，无选择的所述所属社区，给定记录F分；每次抓拍更新所述基础信息时，所述关注人员所在地的所属社区和与其对应的所述居住地址信息所在的所属社区不匹配，给定记录F分，其中，所述关注人员所在的所属社区无更新时，则默认与上一次所在的所属社区对比是否匹配；
所述形态变化计分项：形态变化，则每次给定G分，并在预设有效期后减G分；
其中，A、B、C、D、E、F以及G均为正整数，并满足公式：A>D+E； A>G；D>C>B；E>F。
优选的，A为100；B为10；C为15；D为30；E为40；F为10； G为5；所述预设有效期为72小时。
优选的，所述步骤S6中，所述预防信息包括每次抓拍时所述防控风险积分值的积分变化内容、指定时间范围内的活动点变更记录、移动轨迹信息、出现频次信息以及包含全程画像的历史视频；其中，所述积分变化内容包含时间、地点、积分值、形态变化以及所属社区变化。
优选的，所述治安防控分析为通过预设的深度学习算法将所述视图图片和所述预防信息进行分析；其中，所述治安防控分析包括误报分析、跨区域分析以及需防控嫌疑分析；
所述误报分析为根据所述防控风险积分值变化时抓拍并识别的所述人脸图片以及所述历史视频判断是否为误报并进行标记处理；
所述跨区域分析为根据所述关注人员在指定时间范围内的所述生活点变更记录、所述移动轨迹信息以及所述出现频次信息判断是否跨区域；
所述需防控嫌疑分析为根据所述历史视频分析同行人信息进行判断是否有需防控的嫌疑。
本发明还提供一种治安防控设备，包括处理器和存储器，所述处理器用于读取所述存储器中的程序，执行上中任一项所述的基于视图数据的治安防控方法中的步骤。
本发明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计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现如上中任意一项所述的基于视图数据的治安防控方法中的步骤。
本发明还提供一种治安防控模块，其应用如上中任一项所述的基于视图数据的治安防控方法，所述治安防控模块包括：
管理子模块，用于获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息，所述基础信息包括所述关注人员的人脸照片；还用于获取前端设备抓拍的视图图片并识别出人脸图片；还用于将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员；还用于根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值；还用于判断所述关注人员更新的所述防控风险积分值是否达到预防值；
预防子模块，用于自动调取所述关注人员的所述档案信息并以预防信息显示；
分析子模块，用于根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件。
与现有技术相比，本发明的基于视图数据的治安防控方法包括如下步骤：步骤S1、获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息；步骤S2、获取前端设备抓拍的视图图片并识别出人脸图片；步骤S3、将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员，若是，则进入步骤S4；若否，则返回步骤S2；步骤S4、根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值；步骤S5、判断所述关注人员更新的所述防控风险积分值是否达到预防值，若是，则进入步骤S6；若否，则返回步骤S2；步骤S6、自动调取所述关注人员的所述档案信息并以预防信息显示；步骤S7、根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件：若是，则启动警告措施；若否，则返回步骤S2。上述方法通过对关注人员建立档案，利用视频图像信息，实时对关注人员进行预防，从而可以实现建立关注人员的风险等级积分模型的档案信息和实现精准核查，防控效率高。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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它的附图，其中，
图1为本发明基于视图数据的治安防控方法的流程框图；
图2为本发明一种治安防控模块的结构示意图；
图3为本发明一种治安防控设备的结构示意图。
【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，所描述的实施例仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例或本实施方式”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
请参照图1所示，图1为本发明基于视图数据的治安防控方法的流程框图。本发明提供一种基于视图数据的治安防控方法。
所述基于视图数据的治安防控方法包括如下步骤：
步骤S1、获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息。
其中，所述基础信息包括所述关注人员的人脸照片、所述关注人员的姓名、性别、身份证号码、居住地址信息、所属社区、关注等级以及关注次数。所述基础信息通过在应用所述基于视图数据的治安防控方法的程序软件或者系统上录入进去。当然，不限于此，通过已有的数据库导入也是可以的。
所述防控风险积分值包括固定积分项和不固定积分项，所述固定积分项包括关注记录计分项和活动区域变化计分项，所述不固定积分项为形态变化计分项。
本实施方式中，所述预设积分规则具体为：
所述防控风险积分值总分设为A分，其中：
所述关注记录计分项：所述基础信息中，所述关注次数为1次，则给定记录B分；所述关注次数为2至4次，则给定记录C分；所述关注次数为5次及以上，则给定记录D分。所述关注记录计分项用于判断所述关注人员需防控行为的风险高低。
所述活动区域变化计分项：计分上限为E分。其中，所述基础信息中，无选择的所述所属社区，给定记录F分。每次抓拍更新所述基础信息时，所述关注人员所在地的所属社区和与其对应的所述居住地址信息所在的所属社区不匹配，给定记录F分。其中，所述关注人员所在的所属社区无更新时，则默认与上一次所在的所属社区对比是否匹配。所述活动区域变化计分项通过对所述关注人员的出入区域、活动范围来判断是否有需防控的嫌疑
所述形态变化计分项：形态变化，则每次给定G分，并在预设有效期后减G分。这里的形态变化指的是所述关注人员的外貌、衣服着装的变化。例如，预先设置是否戴帽子或者是否戴口罩，均可以作为形态变化预先在软件中设定。所述形态变化有利于判断所述关注人员是否进行伪装，是否有需防控的嫌疑。所述预设有效期后减G分有利于实际判断，使得该计分项的准确性提高。
其中，A、B、C、D、E、F以及G均为正整数，并满足公式：A>D+E； A>G；D>C>B；E>F。
本实施方式中，A为100；B为10；C为15；D为30；E为40； F为10；G为5。所述预设有效期为72小时。72小时作为一个所述预设有效期，可以使得所述预设积分规则对所述关注人员是否有需防控的嫌疑准确性提高。
以下通过一个实施例进行说明：
进行所述基础信息编辑时，选取其中一位关注人员，该关注人员所属社区的信息填写参考如下：
该关注人员所属社区的信息并未填写的状态。
第一次抓拍到后，持续2周时间内，共抓拍100张照片，其中71 张是在A社区，则判断超该关注人员70％是位于A社区，则判断该关注人员的这次生活点是在A社区。第三周和第四周又采集了共100张，超过70％是B社区，那与上一次的A社区不匹配，则+10分。这个前提是编辑页未选择社区，就与上一次对比。如果有，则一直是和选择的进行对比。
步骤S2、获取前端设备抓拍的视图图片并识别出人脸图片。
步骤S3、将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员。若是，则进入步骤S4。若否，则返回步骤S2。
其中，所述步骤S3中还可以通过截取所述关注人员的全身图，比对重点关注人员进、出本镇形态变化。
步骤S4、根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值。
所述步骤S4通过建立所述关注人员的风险等级积分模型，从而划分高、中、低风险等级。
步骤S5、判断所述关注人员更新的所述防控风险积分值是否达到预防值。若是，则进入步骤S6。若否，则返回步骤S2。
所述步骤S5通过建立所述关注人员的一人一档，通过预防推送的图片判断隶属度，实现精准核查。
步骤S6、自动调取所述关注人员的所述档案信息并以预防信息显示。
所述步骤S6中，所述预防信息包括每次抓拍时所述防控风险积分值的积分变化内容、指定时间范围内的活动点变更记录、移动轨迹信息、出现频次信息以及包含全程画像的历史视频。其中，所述积分变化内容包含时间、地点、积分值、形态变化以及所属社区变化。
所述预防信息显示可以是应用程序的显示界面或者网易显示。当然，显示的方式不限于此，所述预防信息还可以通过推送形式进行，例如手机短信、服务器系统显示以及专用设备显示。
步骤S7、根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件：若是，则启动警告措施；若否，则返回步骤S2。
其中，所述治安防控分析包括误报分析、跨区域分析以及需防控嫌疑分析。
所述误报分析为根据所述防控风险积分值变化时抓拍并识别的所述人脸图片以及所述历史视频判断是否为误报并进行标记处理；
所述跨区域分析为根据所述关注人员在指定时间范围内的所述生活点变更记录、所述移动轨迹信息以及所述出现频次信息判断是否跨区域。所述治安防控分析通过所述关注人员所述移动轨迹信息和所述出现频次信息提高研判精准度和效率。
所述需防控嫌疑分析为根据所述历史视频分析同行人信息进行判断是否有需防控的嫌疑。本实施方式中，所述治安防控分析为通过预设的深度学习算法将所述视图图片和所述预防信息进行分析；当然，不限于此，所述治安防控分析可以通过知识图谱等前沿科技，并结合人像、结构化实时数据将所述视图图片进行分析，提升治安防控的智能化水平。
所述基于视图数据的治安防控方法通过所述治安防控分析，有效提高了分析效率，从而实现精准核查，防控效率高。
综上所述，所述的基于视图数据的治安防控方法应用于通过对关注人员建立档案，利用视频图像信息，实时对关注人员进行预防，从而可以实现建立关注人员的风险等级积分模型的档案信息和实现精准核查，防控效率高。
本发明还提供一种治安防控模块100。
请参照图2所示，图3为本发明一种治安防控模块的结构示意图。
所述治安防控模块100应用所述基于视图数据的治安防控方法。本实施方式中，发明的所述治安防控模块100属于智慧视图大数据防控系统的治安防控功能模块。所述治安防控模块100用于关注人员和防控策略中预防的图像信息展示。
具体的，所述治安防控模块包括管理子模块1、预防子模块2以及分析子模块3。
所述管理子模块1用于获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息，所述基础信息包括所述关注人员的人脸照片、所述关注人员的姓名、性别、身份证号码、居住地址信息、所属社区、关注等级以及关注次数。
所述管理子模块1还用于获取前端设备抓拍的视图图片并识别出人脸图片。
所述管理子模块1还用于将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员。
所述管理子模块1还用于根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值。所述防控风险积分值包括固定积分项和不固定积分项，所述固定积分项包括关注记录计分项和活动区域变化计分项，所述不固定积分项为形态变化计分项。
所述预设积分规则具体为：
所述防控风险积分值总分设为A分，其中：
所述关注记录计分项：所述基础信息中，所述关注次数为1次，则给定记录B分；所述关注次数为2至4次，则给定记录C分；所述关注次数为5次及以上，则给定记录D分。
所述活动区域变化计分项：计分上限为E分；其中，所述基础信息中，无选择的所述所属社区，给定记录F分；每次抓拍更新所述基础信息时，所述关注人员所在地的所属社区和与其对应的所述居住地址信息所在的所属社区不匹配，给定记录F分，其中，所述关注人员所在的所属社区无更新时，则默认与上一次所在的所属社区对比是否匹配。
所述形态变化计分项：形态变化，则每次给定G分，并在预设有效期后减G分。
其中，A、B、C、D、E、F以及G均为正整数，并满足公式：A>D+E； A>G；D>C>B；E>F。
本实施方式中，A为100；B为10；C为15；D为30；E为40； F为10；G为5；所述预设有效期为72小时。
所述管理子模块1还用于判断所述关注人员更新的所述防控风险积分值是否达到预防值。
所述预防子模块2用于自动调取所述关注人员的所述档案信息并以预防信息显示。所述预防信息包括每次抓拍时所述防控风险积分值的积分变化内容、指定时间范围内的活动点变更记录、移动轨迹信息、出现频次信息以及包含全程画像的历史视频。其中，所述积分变化内容包含时间、地点、积分值、形态变化以及所属社区变化。
所述分析子模块3用于根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件。所述治安防控分析为通过预设的深度学习算法将所述视图图片和所述预防信息进行分析。其中，所述治安防控分析包括误报分析、跨区域分析以及需防控需防控嫌疑分析；所述误报分析为根据所述防控风险积分值变化时抓拍并识别的所述人脸图片以及所述历史视频判断是否为误报并进行标记处理；所述跨区域分析为根据所述关注人员在指定时间范围内的所述生活点变更记录、所述移动轨迹信息以及所述出现频次信息判断是否跨区域；所述需防控需防控嫌疑分析为根据所述历史视频分析同行人信息进行判断是否有需防控的嫌疑。
在本实施方式中，所述预防子模块2在所述管理子模块1获取了关注人员的基础信息后，当前端设备抓拍到关注人员的图片时，会实时的接收到比对服务推送的人员预防信息。用户可以查看每个关注人员的相关的预防信息，即用户可以查看每个关注人员的生活区域变更记录、轨迹信息、出现频次以及全程画像。
需要指出的是，所述管理子模块1、和所述预防子模块2以及所述分析子模块3均为本领域技术中常用的模块，具体型号需要根据产品的实际设计需要进行选型，在此，不作详细赘述。
本发明还提供一种治安防控设备1000。请参照图3所示，图3为本发明视频监控设备1000的结构示意图。
所述治安防控设备1000包括处理器1001、存储器1002、网络接口1003及存储在存储器1002上并可在处理器1001上运行的计算机程序，所述处理器1001用于读取所述存储器中1002的程序，处理器1001 执行计算机程序时实现实施例提供的基于视图数据的治安防控方法中的步骤。即处理器1001执行所述基于视图数据的治安防控方法中的步骤。
具体的，处理器1001用于执行以下步骤：
步骤S1、获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息。所述基础信息包括所述关注人员的人脸照片。
步骤S2、获取前端设备抓拍的视图图片并识别出人脸图片；
步骤S3、将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员，若是，则进入步骤S4；若否，则返回步骤S2。
步骤S4、根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值。
步骤S5、判断所述关注人员更新的所述防控风险积分值是否达到预防值，若是，则进入步骤S6；若否，则返回步骤S2。
步骤S6、自动调取所述关注人员的所述档案信息并以预防信息显示。
步骤S7、根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件：若是，则启动警告措施；若否，则返回步骤S2。
本发明实施例提供的所述治安防控设备1000能够实现基于视图数据的治安防控方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。
需要指出的是，图中仅示出了具有组件的1001-1003，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的所述治安防控设备1000是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor， DSP)、嵌入式设备等。
所述存储器1002至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器1002可以是所述治安防控设备1000的内部存储单元，例如该治安防控设备的硬盘或内存。在另一些实施例中，所述存储器1002也可以是所述治安防控设备1000的外部存储设备，例如该治安防控设备1000上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器1002还可以既包括所述治安防控设备的内部存储单元也包括其外部存储设备。本实施例中，所述存储器1002通常用于存储安装于所述治安防控设备1000的操作系统和各类应用软件，例如治安防控设备1000的基于视图数据的治安防控方法的程序代码等。此外，所述存储器1002还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器1001在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该所述处理器1001通常用于控制所述治安防控设备1000 的总体操作。本实施例中，所述处理器1001用于运行所述存储器1002 中存储的程序代码或者处理数据，例如运行治安防控设备1000的基于视图数据的治安防控方法的程序代码。
网络接口1003可包括无线网络接口或有线网络接口，该网络接口 1003通常用于在治安防控设备1000与其他电子设备之间建立通信连接。
本发明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计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器1001执行时实现如上中任意一项所述的基于视图数据的治安防控方法中的步骤。
本领域普通技术人员可以理解实现实施例治安防控设备的基于视图数据的治安防控方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM) 或随机存取存储器(Random Access Memory，简称RAM)等。
在本发明实施例中提到的本实施方式为了便于表述。以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
与现有技术相比，本发明的基于视图数据的治安防控方法包括如下步骤：步骤S1、获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息；步骤S2、获取前端设备抓拍的视图图片并识别出人脸图片；步骤S3、将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员，若是，则进入步骤S4；若否，则返回步骤S2；步骤S4、根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值；步骤S5、判断所述关注人员更新的所述防控风险积分值是否达到预防值，若是，则进入步骤S6；若否，则返回步骤S2；步骤S6、自动调取所述关注人员的所述档案信息并以预防信息显示；步骤S7、根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件：若是，则启动警告措施；若否，则返回步骤S2。上述方法通过对关注人员建立档案，利用视频图像信息，实时对关注人员进行预防，从而可以实现建立关注人员的风险等级积分模型的档案信息和实现精准核查，防控效率高。
以上所述的仅是本发明的实施方式，在此应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出改进，但这些均属于本发明的保护范围。
Claims (7)
1.一种基于视图数据的治安防控方法，其特征在于，该方法包括如下步骤：
步骤S1、获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息，所述基础信息包括所述关注人员的人脸照片；其中，所述防控风险积分值包括固定积分项和不固定积分项，所述固定积分项包括关注记录计分项和活动区域变化计分项，所述不固定积分项为形态变化计分项；
步骤S2、获取前端设备抓拍的视图图片并识别出人脸图片；
步骤S3、将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员，若是，则进入步骤S4；若否，则返回步骤S2；
步骤S4、根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值；
步骤S5、判断所述关注人员更新的所述防控风险积分值是否达到预防值，若是，则进入步骤S6；若否，则返回步骤S2；
步骤S6、自动调取所述关注人员的所述档案信息并以预防信息显示；所述预防信息包括每次抓拍时所述防控风险积分值的积分变化内容、指定时间范围内的活动点变更记录、移动轨迹信息、出现频次信息以及包含全程画像的历史视频；其中，所述积分变化内容包含时间、地点、积分值、形态变化以及所属社区变化；
步骤S7、根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件：若是，则启动警告措施；若否，则返回步骤S2；所述治安防控分析为通过预设的深度学习算法将所述视图图片和所述预防信息进行分析；其中，所述治安防控分析包括误报分析、跨区域分析以及需防控嫌疑分析；
所述误报分析为根据所述防控风险积分值变化时抓拍并识别的所述人脸图片以及所述历史视频判断是否为误报并进行标记处理；
所述跨区域分析为根据所述关注人员在指定时间范围内的生活点变更记录、所述移动轨迹信息以及所述出现频次信息判断是否跨区域；
所述需防控嫌疑分析为根据所述历史视频分析同行人信息进行判断是否有需防控的嫌疑。
2.根据权利要求1所述的基于视图数据的治安防控方法，其特征在于，所述步骤S1中，所述基础信息还包括所述关注人员的姓名、性别、身份证号码、居住地址信息、所属社区、关注等级以及关注次数。
3.根据权利要求1所述的基于视图数据的治安防控方法，其特征在于，所述预设积分规则具体为：
所述防控风险积分值总分设为A分，其中：
所述关注记录计分项：所述基础信息中，关注次数为1次，则给定记录B分；所述关注次数为2至4次，则给定记录C分；所述关注次数为5次及以上，则给定记录D分；
所述活动区域变化计分项：计分上限为E分；其中，所述基础信息中，无选择的所属社区，给定记录F分；每次抓拍更新所述基础信息时，所述关注人员所在地的所属社区和与其对应的居住地址信息所在的所属社区不匹配，给定记录F分，其中，所述关注人员所在的所属社区无更新时，则默认与上一次所在的所属社区对比是否匹配；
所述形态变化计分项：形态变化，则每次给定G分，并在预设有效期后减G分；
其中，A、B、C、D、E、F以及G均为正整数，并满足公式：A>D+E；A>G；D>C>B；E>F。
4.根据权利要求3所述的基于视图数据的治安防控方法，其特征在于，A为100；B为10；C为15；D为30；E为40；F为10；G为5；所述预设有效期为72小时。
5.一种治安防控系统，其特征在于，所述治安防控系统包括：
管理子模块，用于获取关注人员的基础信息，根据所述基础信息按预设积分规则给定所述关注人员初始的防控风险积分值，并结合所述基础信息和初始的所述防控风险积分值建立所述关注人员的档案信息，所述基础信息包括所述关注人员的人脸照片；还用于获取前端设备抓拍的视图图片并识别出人脸图片；还用于将所述人脸图片与所述关注人员的人脸照片进行比对识别，判断所述人脸图片是否为所述关注人员；还用于根据所述前端设备抓拍的信息更新所述关注人员的基础信息，并根据更新后的所述基础信息按所述预设积分规则更新所述关注人员的所述防控风险积分值，得到更新的所述防控风险积分值；还用于判断所述关注人员更新的所述防控风险积分值是否达到预防值；其中，所述防控风险积分值包括固定积分项和不固定积分项，所述固定积分项包括关注记录计分项和活动区域变化计分项，所述不固定积分项为形态变化计分项；
预防子模块，用于自动调取所述关注人员的所述档案信息并以预防信息显示；其中，所述预防信息包括每次抓拍时所述防控风险积分值的积分变化内容、指定时间范围内的活动点变更记录、移动轨迹信息、出现频次信息以及包含全程画像的历史视频；其中，所述积分变化内容包含时间、地点、积分值、形态变化以及所属社区变化；
分析子模块，用于根据所述预防信息进行治安防控分析，并判断所述治安防控分析的分析结果是否触发警告条件；其中，所述治安防控分析为通过预设的深度学习算法将所述视图图片和所述预防信息进行分析；其中，所述治安防控分析包括误报分析、跨区域分析以及需防控嫌疑分析；
所述误报分析为根据所述防控风险积分值变化时抓拍并识别的所述人脸图片以及所述历史视频判断是否为误报并进行标记处理；
所述跨区域分析为根据所述关注人员在指定时间范围内的生活点变更记录、所述移动轨迹信息以及所述出现频次信息判断是否跨区域；
所述需防控嫌疑分析为根据所述历史视频分析同行人信息进行判断是否有需防控的嫌疑。
6.一种治安防控设备，其特征在于，包括处理器和存储器，所述处理器用于读取所述存储器中的程序，执行如权利要求1至4中任一项所述的基于视图数据的治安防控方法中的步骤。
7.一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计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现如权利要求1-4中任意一项所述的基于视图数据的治安防控方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110450938.3A CN113468948B (zh) | 2021-04-26 | 2021-04-26 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110450938.3A CN113468948B (zh) | 2021-04-26 | 2021-04-26 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113468948A CN113468948A (zh) | 2021-10-01 |
| CN113468948B true CN113468948B (zh) | 2023-11-10 |
Family
ID=77870582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110450938.3A Active CN113468948B (zh) | 2021-04-26 | 2021-04-26 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113468948B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114491078B (zh) * | 2022-02-16 | 2022-08-02 | 松立控股集团股份有限公司 | 基于知识图谱的社区项目人员落脚点和同行人员分析方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077872A (zh) * | 2014-05-13 | 2014-10-01 | 国家电网公司 | 一种基于图像识别的输电线路防外力监控预警方法 |
| CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
| CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和系统 |
| CN110322049A (zh) * | 2019-06-03 | 2019-10-11 | 浙江图灵软件技术有限公司 | 一种公安大数据预警方法 |
| CN110428522A (zh) * | 2019-07-24 | 2019-11-08 | 青岛联合创智科技有限公司 | 一种智慧新城的智能安防系统 |
| CN110473328A (zh) * | 2019-09-09 | 2019-11-19 | 腾讯科技（深圳）有限公司 | 社区门禁管理方法及装置、存储介质、电子设备 |
| CN110688931A (zh) * | 2019-09-20 | 2020-01-14 | 北京百分点信息科技有限公司 | 异常行为监测方法、装置、存储介质和电子设备 |
| CN110717357A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 预警方法、装置、电子设备及存储介质 |
| CN110866642A (zh) * | 2019-11-15 | 2020-03-06 | 北京明略软件系统有限公司 | 安全监控方法、装置、电子设备和计算机可读存储介质 |
| CN111862508A (zh) * | 2020-06-22 | 2020-10-30 | 深圳中兴网信科技有限公司 | 监控方法、监控设备和计算机可读存储介质 |
| CN112347296A (zh) * | 2020-11-16 | 2021-02-09 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的人员与案件关联分析方法和装置 |
-
2021
- 2021-04-26 CN CN202110450938.3A patent/CN113468948B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077872A (zh) * | 2014-05-13 | 2014-10-01 | 国家电网公司 | 一种基于图像识别的输电线路防外力监控预警方法 |
| CN110717357A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 预警方法、装置、电子设备及存储介质 |
| CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和系统 |
| CN110322049A (zh) * | 2019-06-03 | 2019-10-11 | 浙江图灵软件技术有限公司 | 一种公安大数据预警方法 |
| CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
| CN110428522A (zh) * | 2019-07-24 | 2019-11-08 | 青岛联合创智科技有限公司 | 一种智慧新城的智能安防系统 |
| CN110473328A (zh) * | 2019-09-09 | 2019-11-19 | 腾讯科技（深圳）有限公司 | 社区门禁管理方法及装置、存储介质、电子设备 |
| CN110688931A (zh) * | 2019-09-20 | 2020-01-14 | 北京百分点信息科技有限公司 | 异常行为监测方法、装置、存储介质和电子设备 |
| CN110866642A (zh) * | 2019-11-15 | 2020-03-06 | 北京明略软件系统有限公司 | 安全监控方法、装置、电子设备和计算机可读存储介质 |
| CN111862508A (zh) * | 2020-06-22 | 2020-10-30 | 深圳中兴网信科技有限公司 | 监控方法、监控设备和计算机可读存储介质 |
| CN112347296A (zh) * | 2020-11-16 | 2021-02-09 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的人员与案件关联分析方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113468948A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107480246A (zh) | 一种关联人员的识别方法及装置 | |
| CN110197146A (zh) | 基于深度学习的人脸图像分析方法、电子装置及存储介质 | |
| CN111814775B (zh) | 目标对象异常行为识别方法、装置、终端及存储介质 | |
| CN111368619B (zh) | 可疑人员的检测方法、装置及设备 | |
| CN111860377A (zh) | 基于人工智能的直播方法、装置、电子设备及存储介质 | |
| CN112613938B (zh) | 模型训练方法、装置及计算机设备 | |
| CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
| CN113762106A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN113837030A (zh) | 用于疫情防控的人员智能管控方法、系统及计算机设备 | |
| CN113468948B (zh) | 基于视图数据的治安防控方法、模块、设备及存储介质 | |
| CN115965913A (zh) | 安防监控的方法、装置、系统及计算机可读存储介质 | |
| CN114663390A (zh) | 自动门智能防夹方法、装置、设备及存储介质 | |
| CN113568934B (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
| CN109508994B (zh) | 业务风险控制方法、装置、计算机设备和存储介质 | |
| 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 | |
| CN112508761A (zh) | 实时预警方法、装置及系统 | |
| CN110705420A (zh) | 电梯轿厢广告精准推送方法、装置及存储介质 | |
| CN114172856B (zh) | 消息自动回复方法、装置、设备及存储介质 | |
| CN112989083B (zh) | 人员身份分析方法、装置、设备及存储介质 | |
| CN114897499A (zh) | 一种景区员工工作状态判断的方法及装置 | |
| CN113628735A (zh) | 一种基于神经网络的线上预约挂号方法及装置 | |
| CN113901898A (zh) | 人脸识别场景下图像稳定采样方法、装置、设备及介质 | |
| CN110399399B (zh) | 用户分析的方法、装置、电子设备和存储介质 | |
| CN117910997B (zh) | 基于临床试验项目的工时统计方法、装置、设备及介质 | |
| CN113688784B (zh) | 基于人脸识别的医保卡盗用风险识别方法及其相关设备 |
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 | ||
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240109 Granted publication date: 20231110 |