CN113780115A - 一种异常人员组分析方法、装置、电子设备及存储介质 - Google Patents
一种异常人员组分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113780115A CN113780115A CN202110984484.8A CN202110984484A CN113780115A CN 113780115 A CN113780115 A CN 113780115A CN 202110984484 A CN202110984484 A CN 202110984484A CN 113780115 A CN113780115 A CN 113780115A
- Authority
- CN
- China
- Prior art keywords
- person
- abnormal
- personnel
- information
- equal
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 371
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims description 36
- 238000012544 monitoring process Methods 0.000 claims description 28
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 10
- 230000001815 facial effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种异常人员组分析方法、装置、电子设备及存储介质,涉及信息处理技术领域,可以提高异常人员和异常人员组的发现效率。具体方案包括:获取第一预设时长内目标住所的人员出入信息;基于人员出入信息,确定第一人员是否属于异常人员;第一人员是人员出入信息所指示的其中一个人员;在确定第一人员属于异常人员的情况下,获取第一人员和第二人员之间的亲密度;第二人员是人员出入信息所指示的另一个异常人员;根据第一人员和第二人员之间的亲密度,确定第一人员和第二人员是否属于同一异常人员组;其中,异常人员组中的每两个人员之间的亲密度大于等于第一阈值。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及一种异常人员组分析方法、装置、电子设备及存储介质。
背景技术
目前,主要依靠人力发现异常事件,效率低下,只能发现部分异常事件。进而也只能确定出部分异常人员。其次,这些异常人员通常还会有自己所属的异常人员组。异常人员组中的多个异常人员会互相分享信息(包括某个地点在查找异常人员的信息),以避免被发现,以及帮助每个异常人员实施异常事件。如此可知,异常人员组的存在,进一步地降低了人力发现异常人员的概率,增加了异常事件的发生频率。而且,由于异常人员组中多个异常人员互相分享信息的原因,人力发现异常人员组的难度也增大。例如,一个异常人员发现某个地点在人力查找异常人员,该异常人员所属的异常人员组都能获悉该信息,从而可以避开该地点实施异常事件。
发明内容
本申请提供一种异常人员组分析方法、装置、电子设备及存储介质,可以提高异常人员和异常人员组的发现效率。
为实现上述技术目的,本申请采用如下技术方案:
第一方面,本申请实施例提供了一种异常人员组分析方法,该方法包括:先获取第一预设时长内目标住所的人员出入信息;然后,基于人员出入信息,确定第一人员是否属于异常人员;其中,第一人员是人员出入信息所指示的其中一个人员;在确定第一人员属于异常人员的情况下,再获取第一人员和第二人员之间的亲密度;其中,第二人员是人员出入信息所指示的另一个异常人员;最后,根据第一人员和第二人员之间的亲密度,确定第一人员和第二人员是否属于同一异常人员组;其中,异常人员组中的每两个人员之间的亲密度大于等于第一阈值。
可以理解的是,本申请实施例提供的方案,利用人员出入信息,确定第一人员是否属于异常人员。这种无需人工查找,自动确定第一人员是否属于异常人员的方式,可以更高效地发现异常人员,即提高了异常人员的发现效率。
然后,电子设备可以对属于异常人员的两个人员(如,第一人员和第二人员),获取这两个人员的亲密度。依次类推,电子设备可以得到确定出的每两个异常人员的亲密度。进而根据每两个异常人员的亲密度,确定出由不同的异常人员所组成的不同的异常人员组。这种自动确定异常人员组的方式,相较于人力查找异常人员组的方式,效率更高。其次,由于不需人工查找,就可以避免被异常人员组中任一个异常人员发现某个地点在人工查找异常人员,所导致的异常人员组中的所有异常人员避开该地点实施异常事件。如此的话,进一步提高了发现异常人员组的效率。
进一步地,发现异常人员组的效率提高后,可以避免异常人员组中的多个异常人员共享信息,以避开人工查找实施异常事件的情况。从而降低了异常事件的发生频率。
在一种可能的实施方式中,上述获取第一人员和第二人员之间的亲密度,包括:获取关联关系;其中,关联关系包括以下至少一项:在第一预设时长内第一人员和第二人员同行的次数,第一人员和第二人员是否属于同一个户籍,以及第一人员和第二人员共同参与的历史异常事件的个数;根据关联关系,确定第一人员和第二人员之间的亲密度。
在这种设计方式中,电子设备可以先获取属于异常人员的两个人员(如,第一人员和第二人员)之间的一些关联关系。这些关联关系均能够反映这两个人员之间的亲密度。然后,电子设备根据这些关联关系,可以确定该亲密度。
另一种可能的实施方式中,关联关系包括:在第一预设时长内第一人员和第二人员同行的次数;上述获取关联关系,包括:根据目标乘车信息、目标入住登记信息和目标住所所在地区的人脸图像数据中的至少一种,获取在预设时间段第一人员和第二人员同行的次数。其中,目标乘车信息是第一人员和第二人员在第一预设时长内的乘车信息,目标入住登记信息是人员出入信息中第一人员和第二人员的入住登记信息。
在这种设计方式,电子设备可以对属于异常人员的两个人员(如,第一人员和第二人员),利用一些可获得的信息,如,户籍信息、历史异常案件信息、目标乘车信息、目标入住登记信息和目标住所所在地区的人脸图像数据等等,获取这两个人员的关联关系。进而,根据该关联关系,就可以确定这两个人员的亲密度。这种通过这些可获得的信息确定两个人员之间的亲密度的方式,效率更高;并且,不需人工参与,可以避免被异常人员发现所导致的异常人员避开查找的情况,进一步提高了发现异常人员的效率。
另一种可能的实施方式中,该方法还包括:在确定出第一人员所属的异常人员组的情况下,获取第一人员和第三人员之间的亲密度;其中,第三人员是人员出入信息所指示的一个非异常人员,或第一预设时长内与第一人员同行的非异常人员;根据第一人员和第三人员之间的亲密度,确定第三人员是否是异常人员组的组织者;其中,异常人员组的组织者与异常人员组中的n个异常人员之间的亲密度分别大于等于第二阈值,n为大于1的正整数。
可以理解的是,电子设备可以对第一人员和第三人员,利用一些可获得的信息,获取第一人员和第三人员的亲密度。依次类推,电子设备可以得到第三人员和第一人员所属的异常人员组中的所有异常人员的亲密度。进而根据第三人员和第一人员所属的异常人员组中的所有异常人员的亲密度,确定第三人员是否为该异常人员组的组织者。其中,第三人员通常是一个非异常人员,则电子设备可以从非异常人员中确定出异常人员组的组织者。其次,发现组织者,也有助于降低异常事件的发生频率。
另一种可能的实施方式中,上述基于人员出入信息,确定第一人员是否属于异常人员,包括:基于人员出入信息,确定第一人员满足的预设条件;其中,预设条件用于表征异常人员的行为特征;至少基于第一人员满足的预设条件,确定第一人员是否属于异常人员。
其中,人员出入信息包括人员入住登记信息;预设条件包括以下至少一种:同住的异性个数大于等于第三阈值;第一入住事件的发生次数大于等于第四阈值,其中,第一入住事件是入住时长小于第二预设时长的入住事件;入住的目标住所的个数大于等于第五阈值;在第一预设时长中的第一预设时段内入住目标住所的次数大于等于第六阈值;同住的历史异常人员的个数大于等于第七阈值。
其中,人员出入信息包括人员出入的监控数据;预设条件包括以下至少一种:同时出现的历史异常人员的个数大于等于第八阈值;在第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数大于等于第九阈值;在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于第十阈值。
在这种设计方式中,电子设备利用人员入住登记信息和人员出入的监控数据中的至少一种,判断在目标场所出现的第一人员满足的预设条件。然后,根据第一人员满足的预设条件,确定第一人员是否属于异常人员。其中,由于预设条件用于表征异常人员的行为特征,则第一人员满足的预设条件可以准确反映出第一人员是否属于异常人员。这种自动确定第一人员是否属于异常人员的方式,可以更高效准确地发现异常人员,即提高了异常人员的发现效率。其次,电子设备获取不同的人员出入信息,可以设置相应的预设条件。不同的预设条件均能够准确反映出第一人员是否属于异常人员。
另一种可能的实施方式中,上述至少基于第一人员满足的预设条件,确定第一人员是否属于异常人员,包括:基于第一人员满足的预设条件、以及预设条件对应的预设分值,确定第一人员的总分值;如果总分值大于等于第十一阈值,则确定第一人员属于异常人员。
在这种设计方式中,考虑到预设条件可以包括多个条件,并且,不同的条件用于判断第一人员属于异常人员的准确率(可以简称为条件的准确率)不同,因此,电子设备还可以获取预设条件对应的预设分值,该预设分值包括多个条件各自对应的分值。其中,准确率越高的条件对应的分值越高。这样的话,无论第一人员满足的条件的组合方式是哪一种,例如,满足多个准确率较低的条件,或者满足一个准确率较高的条件,电子设备都可以通过预设分值,确定第一人员的总分值。再根据这一个总分值是否大于等于第十一阈值,确定第一人员是否属于异常人员。
第二方面,本申请提供一种异常人员组分析装置。该异常人员组分析装置包括用于执行第一方面或第一方面中任一种可能的设计方式所述的方法的各个模块。
第三方面,本申请提供一种电子设备,该电子设备包括存储器和处理器。上述存储器和处理器耦合。该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令。当处理器执行该计算机指令时,使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常人员组分析方法。
第四方面,本申请提供一种芯片系统,该芯片系统应用于电子设备;芯片系统包括一个或多个接口电路,以及一个或多个处理器。接口电路和处理器通过线路互联;接口电路用于从电子设备的存储器接收信号,并向处理器发送信号,信号包括存储器中存储的计算机指令。当处理器执行计算机指令时,使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常人员组分析方法。
第五方面,本申请提供一种计算机可读存储介质,该计算机可读存储介质包括计算机指令,当所述计算机指令在电子设备上运行时,使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常人员组分析方法。
第六方面,本申请提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常人员组分析方法。
本申请中第二方面到第六方面及其各种实现方式的具体描述,可以参考第一方面及其各种实现方式中的详细描述;并且,第二方面到第六方面及其各种实现方式的有益效果,可以参考第一方面及其各种实现方式中的有益效果分析,此处不再赘述。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种异常人员分析方法异常人员组分析方法所涉及的实施环境示意图;
图2为本申请实施例提供的一种异常人员分析方法异常人员组分析方法的流程图一;
图3为本申请实施例提供的电子设备分析第一人员是否满足条件一的流程图;
图4为本申请实施例提供的电子设备分析第一人员是否满足条件二的流程图;
图5为本申请实施例提供的电子设备分析第一人员是否满足条件三的流程图;
图6为本申请实施例提供的电子设备分析第一人员是否满足条件四的流程图;
图7为本申请实施例提供的电子设备分析第一人员是否满足条件五的流程图;
图8为本申请实施例提供的电子设备分析第一人员是否满足条件六的流程图;
图9为本申请实施例提供的电子设备分析第一人员是否满足条件七的流程图;
图10为本申请实施例提供的电子设备分析第一人员是否满足条件八的流程图;
图11为本申请实施例提供的一种异常人员组分析方法的流程图二;
图12为本申请实施例提供的一种异常人员组分析装置的结构示意图;
图13为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下,术语“第一”、“第二”和“第三”等仅用于描述目的,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”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。
目前,在对异常人员进行查找发现的过程中,由于依靠人力发现异常事件的效率低下,导致发现异常人员的效率也较低。其次,这些异常人员通常还会有自己所属的异常人员组。异常人员组中的多个异常人员会互相分享信息(包括某个地点在查找异常人员的信息),以避免被发现,以及帮助每个异常人员实施异常事件。如此可知,异常人员组的存在,进一步地降低了人力发现异常人员的概率。人力发现异常人员的概率较低,表示人力发现异常人员的难度较大,那么,人力发现由多个异常人员组成的异常人员组的难度更大,即人力发现异常人员组的概率也较低。
针对该问题,本申请实施例提供一种异常人员组分析方法,根据目标住所的人员出入信息,还可以结合历史异常事件信息和历史异常人员信息等至少一种相关的信息,分析确定该人员出入信息所指示的一个人员是否属于异常人员。然后,获取属于异常人员的两个人员之间的亲密度,再根据亲密度确定这两个人员是否属于同一异常人员组。其中,目标住所是属于一种指定类型的住所,例如,旅店。可选的,目标住所是某个地区的属于一种指定类型的所有住所,例如,某个地区内的所有旅店。该指定类型的所有住所可能发生异常事件。
本申请实施例提供的方法,电子设备自动根据上述信息,分析确定一个人员是否属于异常人员,并确定由异常人员组成的异常人员组。该方法无需人工参与,因此,确定异常人员和异常人员组的效率更高。
下面将结合附图对本申请实施例的实施方式进行详细描述。
请参考图1,其示出本申请实施例提供的一种异常人员组分析方法所涉及的实施环境示意图。如图1所示,该实施环境可以包括服务器101、安装在目标住所的第一摄像头102、安装在目标住所的终端103、安装在目标住所所在地区的第二摄像头104、用于存储历史异常人员信息和历史异常事件信息的数据库105。
其中,上述人员出入信息可以包括人员入住登记信息和人员出入的监控数据中的至少一种。人员入住登记信息可以包括入住人员的手机号,身份证信息等,身份证信息可以包括姓名、身份证号和人脸头像中的至少一个。终端103用于获取人员入住登记信息,例如,接收用户输入的手机号,接收扫描设备扫描得到的身份证信息。第一摄像头102用于采集人员出入的监控数据。第二摄像头104用于采集目标住所所在地区的图像数据(如,图像、图像的采集时间和图像的采集位置)。
示例性地,终端103可以获取人员入住登记信息,接收第一摄像头102采集的人员出入的监控数据。然后,终端103将人员入住登记信息和人员出入的监控数据组成的人员出入信息,发送至服务器101。
其次,第二摄像头104可以将采集的目标住所所在地区的图像数据发送至服务器101。
进而,服务器101可以接收终端103发送的人员出入信息、接收第二摄像头104发送的目标住所所在地区的图像数据。然后,服务器101可以根据该人员出入信息,还可以结合目标住所所在地区的图像数据、历史异常事件信息和历史异常人员信息中的至少一种,分析确定该人员出入信息所指示的人员是否属于异常人员。
示例性的,本申请实施例中的终端103可以是手机、平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、上网本等,本申请实施例对该终端103的具体形态不作特殊限制。
需要说明的是,本申请实施例提供的异常人员组分析方法可以应用于服务器,也可以应用于终端。该服务器和终端可以统称为电子设备。本申请实施例提供的异常人员组分析方法的执行主体还可以为异常人员组分析装置。该装置可以为电子设备(如服务器或终端);或者,该装置可以为该电子设备安装的提供异常人员分析功能的应用程序(application,APP);或者,该装置可以为该电子设备中的中央处理器(CentralProcessing Unit,CPU);又或者,该装置可以为该电子设备中的用于执行异常人员组分析方法的控制模块。下面以电子设备为例,对本申请实施例提供的异常人员组分析方法进行详细说明。
请参考图2,为本申请实施例提供的一种异常人员组分析方法的流程图。如图2所示,该方法可以包括S201-S204。
S201、电子设备获取第一预设时长内目标住所的人员出入信息。
电子设备可以接收并响应用户输入的触发异常人员分析的操作,获取第一预设时长内目标住所的人员出入信息。该操作用于指定第一预设时长和目标住所。
或者,电子设备可以按照预设周期,获取第一预设时长内目标住所的人员出入信息。此时,第一预设时长等于一个预设周期的时长。
其中,第一预设时长可以为一天、一周、15天或一个月等等。第一预设时长可以基于实际需求进行调整。人员出入信息包括人员入住登记信息和人员出入的监控数据中的至少一种。
其中,人员入住登记信息可以包括以下至少一项:人员姓名、人员的身份证号,人员的手机号。人员出入的监控数据可以包括:目标住所内的第一摄像头采集的人员出入的视频、以及该视频的采集时间。
S202、电子设备基于人员出入信息,确定第一人员是否属于异常人员;其中,第一人员是人员出入信息所指示的其中一个人员。
本申请实施例中,电子设备可以基于人员出入信息,确定第一人员满足的预设条件;预设条件用于表征异常人员的行为特征。然后,电子设备至少基于第一人员满足的预设条件,确定第一人员是否属于异常人员。
其中,电子设备若确定出第一人员满足的预设条件,继续根据第一人员满足的预设条件,确定第一人员是否属于异常人员。若确定第一人员不满足预设条件,则对另一个第一人员判断是否满足预设条件。
本申请实施例中,人员出入信息所指示的每一个人员可以是第一人员。也就是说,电子设备针对人员出入信息所指示的每一个人员,基于人员出入信息,确定每一个人员满足的预设条件。
或者,第一人员可以是女性人员,人员出入信息所指示的每一个女性人员可以是第一人员。也就是说,电子设备针对人员出入信息所指示的每一个女性人员,基于人员出入信息,确定每一个女性人员满足的预设条件。
本申请实施例中,预设条件可以包括一个条件或多个条件。在预设条件包括多个条件的情况下,上述第一人员满足的预设条件可以是指第一人员满足的多个条件中的至少一个;上述第一人员不满足预设条件可以是指第一人员不满足该多个条件。
本申请实施例中,人员出入信息所包括的信息不同,预设条件所包括的条件也不同。
示例性地,人员出入信息可以包括人员入住登记信息,则预设条件可以包括以下至少一种(可以称为与人员入住登记信息对应的至少一个条件):同住的异性个数大于等于阈值 1(即上述第三阈值);第一入住事件的发生次数大于等于阈值2(即上述第四阈值),入住的目标住所的个数大于等于阈值3(即上述第五阈值);在第一预设时长中的第一预设时段内入住目标住所的次数大于等于阈值4(即上述第六阈值);同住的历史异常人员的个数大于等于阈值5(即上述第七阈值)。
其中,第一入住事件是入住时长小于第二预设时长的入住事件。入住事件是对同一个房间从登记入住到登记退房的整个过程,入住时长是指登记入住的时间与登记退房的时间之间的差值。
其中,阈值1、阈值2、阈值3、阈值4和阈值5都是正整数。第一预设时段可以是指一天内的某个时段。第二预设时长小于第一预设时长。阈值1、阈值2、阈值3、阈值4、阈值5、第一预设时段和第二预设时长的具体取值,可以根据异常人员的行为特征和正常人员的行为特征之间的区别设置。具体地,阈值1、阈值2、阈值3、阈值4和阈值5可以都大于1。第一预设时段可以是晚上到早晨之间的某个时段。第二预设时长可以等于钟点房的最大时长。
例如,阈值1等于3,阈值2等于3,阈值3等于3,阈值4等于3,阈值5等于2。第一预设时段是指晚上10点到凌晨4点。第二预设时长可以等于4小时。
示例性地,人员出入信息可以包括人员出入的监控数据,则预设条件可以包括以下至少一种(可以称为与人员出入的监控数据对应的至少一个条件):同时出现的历史异常人员的个数大于等于阈值6(即上述第八阈值);在第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数大于等于阈值7(即上述第九阈值);在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于阈值8(即上述第十阈值)。
其中,阈值6、阈值7和阈值8都是正整数。第二预设时段可以是指一天内的某个时段,第二预设时段和第一预设时段可以相同或不同。阈值6、阈值7、阈值8和第二预设时段的具体取值,可以根据异常人员的行为特征和正常人员的行为特征之间的区别设置。具体地,阈值6、阈值7和阈值8可以都大于1。第二预设时段可以是晚上到早晨之间的某个时段。
其中,由于第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数,小于等于第一预设时长中的第二预设时段内出现的目标住所的个数大于等于阈值8,则阈值7 也小于等于阈值8。
例如,阈值6等于2,阈值7等于3,阈值8等于5。第二预设时段可以和第一预设时段相同,都是指晚上10点到凌晨4点。
需要说明的是,本申请实施例中的“同时出现”可以是指:两次采集到包括人员A和人员B的图像,且这两次采集的时间间隔在预设时长范围内,则称人员A和人员B同时出现。例如,预设时长范围可以为1天至10天。
可以理解的是,如果人员出入信息包括人员入住登记信息和人员出入的监控数据,则预设条件可以包括:上述与人员入住登记信息对应的至少一个条件、以及上述与人员出入的监控数据对应的至少一个条件。
本申请实施例中,电子设备可以基于第一人员满足的预设条件、以及预设的判断准则,确定第一人员是否属于异常人员。
具体地,预设的判断准则可以包括预设条件对应的预设分值。电子设备可以基于第一人员满足的预设条件、以及预设条件对应的预设分值(可以称为第一预设分值),确定第一人员的总分值。如果总分值大于等于阈值9(即上述第十一阈值),则电子设备确定第一人员属于异常人员。如果总分值小于阈值9,则电子设备确定第一人员不属于异常人员,即第一人员是非异常人员。
其中,预设条件可以包括一个条件或多个条件,第一预设分值包括预设条件中每个条件对应的分值。阈值9可以根据第一预设分值设置。
本申请实施例中,异常人员可以包括第一等级异常人员和第二等级异常人员。第一等级异常人员对应阈值9,第二等级异常人员对应的阈值大于阈值9。此时,如果总分值大于等于阈值9,小于第二等级异常人员对应的阈值,则电子设备确定第一人员属于第一等级异常人员。如果总分值大于等于第二等级异常人员对应的阈值,则电子设备确定第一人员属于第二等级异常人员。
可选的,本申请实施例中,电子设备可以基于第一人员满足的预设条件,以及第一人员是否属于娱乐场所的从业人员,确定第一人员是否属于异常人员。
电子设备可以在S201之后,判断第一人员是否属于娱乐场所的从业人员;或者,电子设备在确定出第一人员满足的预设条件的情况下,判断第一人员是否属于娱乐场所的从业人员。
其中,电子设备可以判断第一人员的信息是否在存储的娱乐场所的从业人员信息中。如果第一人员的信息在存储的娱乐场所的从业人员信息中,确定第一人员属于娱乐场所的从业人员。如果第一人员的信息不在存储的娱乐场所的从业人员信息中,确定第一人员不属于娱乐场所的从业人员。
进一步地,第一人员属于娱乐场所的从业人员可以对应第二预设分值,则电子设备可以根据第一人员满足的预设条件、第一预设分值、第一人员是否属于娱乐场所的从业人员、以及第二预设分值,确定第一人员的总分值。
可以理解的是,电子设备利用一些可获得的信息(如,人员入住登记信息,人员出入的监控数据),判断在目标场所出现的第一人员满足的预设条件。然后,根据第一人员满足的预设条件,确定第一人员是否属于异常人员。其中,由于预设条件用于表征异常人员的行为特征,则第一人员满足的预设条件可以准确反映出第一人员是否属于异常人员。这种自动确定第一人员是否属于异常人员的方式,可以更高效准确地发现异常人员,即提高了异常人员的发现效率。如此,使得异常人员不再抱有侥幸心理,从而降低异常事件的发生频率。
其次,第一人员满足的预设条件可以作为有效的线索依据,以使得工作人员用于查找发现异常人员。
S203、电子设备在确定第一人员属于异常人员的情况下,获取第一人员和第二人员之间的亲密度;其中,第二人员是人员出入信息所指示的另一个异常人员。
其中,第二人员可以是另一个属于异常人员的第一人员。电子设备在确定第一人员属于异常人员之后,还可以分析多个异常人员之间的亲密度,以判断多个异常人员是否组成一个异常人员组。
本申请实施例中,电子设备可以先获取第一人员和第二人员的关联关系。其中,该关联关系可以包括以下至少一项:在第一预设时长内第一人员和第二人员同行的次数,第一人员和第二人员是否属于同一个户籍,以及第一人员和第二人员共同参与的历史异常事件的个数。然后,电子设备根据该关联关系,确定第一人员和第二人员之间的亲密度。
其中,本申请实施例中的“同行”可以是包括以下至少一种:两个人(如,第一人员和第二人员)同时出现、两个人同时出现乘坐相同的交通工具、两个人入住相同的房间、两个人入住相同的目标住所、两个人在同一个订单中购买车票。
本申请实施例中,电子设备可以根据目标乘车信息、目标入住登记信息和目标住所所在地区的人脸图像数据中的至少一种,获取在预设时间段第一人员和第二人员同行的次数。
其中,目标乘车信息是第一人员和第二人员在第一预设时长内的乘车信息。目标入住登记信息是第一人员和第二人员的入住登记信息。目标入住登记信息属于上述人员入住登记信息。
示例性地,电子设备可以直接第一预设时长内的目标乘车信息。
示例性地,电子设备可以获取第一预设时长内的目标住所所在地区的摄像头采集的初始图像数据。初始图像数据包括初始图像、初始图像对应的采集时间和初始图像对应的采集位置。然后,电子设备可以对所有的初始图像进行人脸识别,得到至少一个初始人脸图像。初始人脸图像是包括人脸的初始图像。目标住所所在地区的人脸图像数据可以包括至少一个初始人脸图像、至少一个初始人脸图像对应的采集时间和至少一个初始人脸图像对应的采集位置。
示例性地,第一人员和第二人员同行的次数可以包括:入住相同的房间的次数、入住相同的目标住所的次数、在交通工具中邻座的次数、乘坐相同的交通工具的次数、在同一个订单中购买车票的次数、同时出现的次数。
其中,电子设备可以根据目标乘车信息,统计第一人员和第二人员在交通工具中邻座的次数、乘坐相同的交通工具的次数、在同一个订单中购买车票的次数。
其中,电子设备可以根据目标入住登记信息,统计第一人员和第二人员入住相同的房间的次数、入住相同的目标住所的次数。
其中,电子设备可以根据目标住所所在地区的人脸图像数据,统计第一人员和第二人员同时出现的次数。
本申请实施例中,电子设备可以获取第一人员的户籍信息和第二人员的户籍信息,再根据第一人员的户籍信息和第二人员的户籍信息,确定第一人员和第二人员是否属于同一个户籍。
本申请实施例中,电子设备可以获取第一人员参与的历史异常事件信息和第二人员参与的历史异常事件信息。电子设备再根据第一人员参与的历史异常事件信息和第二人员参与的历史异常事件信息,确定第一人员和第二人员共同参与的历史异常事件的个数。
本申请实施例中,电子设备可以根据预设计算规则和第一人员和第二人员的关联关系,确定第一人员和第二人员之间的亲密度。
其中,预设计算规则可以包括关联关系中每一项对应的数值。
示例性地,与入住相同的房间对应的数值是0.5。与入住相同的目标住所对应的数值是 0.2。与在交通工具中邻座对应的数值是0.3。与乘坐相同的交通工具对应的数值是0.2。与在同一个订单中购买车票对应的数值是0.5。与同时出现对应的数值是0.5。与属于同一个户籍对应的数值是0.2。与共同参与的历史异常事件对应的数值是0.3。
进而,电子设备可以对每一项的次数乘以每一项对应的数值;再对得到的所有乘积求和,得到第一人员和第二人员之间的亲密度。
S204、电子设备根据第一人员和第二人员之间的亲密度,确定第一人员和第二人员是否属于同一异常人员组;其中,异常人员组中的每两个人员之间的亲密度大于等于阈值10。
电子设备可以在第一人员和第二人员之间的亲密度大于等于阈值10(即上述第一阈值) 的情况下,确定第一人员和第二人员属于同一异常人员组。
本申请实施例中,电子设备可以针对确定属于异常人员的所有第一人员中的每两个第一人员,获取亲密度。进而,根据每两个第一人员的亲密度,确定出至少一个异常人员组。其中,电子设备获取每两个第一人员的亲密度的具体过程,参见上述获取第一人员和第二人员之间的亲密度的详细介绍,本申请实施例这里不予赘述。
示例性地,阈值10可以等于0.5。
可以理解的是,电子设备可以对属于异常人员的两个人员(如,第一人员和第二人员),利用一些可获得的信息,如,户籍信息、历史异常案件信息、目标乘车信息、目标入住登记信息和目标住所所在地区的人脸图像数据等等,获取这两个人员的亲密度。依次类推,电子设备可以得到确定出的每两个异常人员的亲密度。进而根据每两个异常人员的亲密度,确定出由不同的异常人员所组成的不同的异常人员组。这种自动确定异常人员组的方式,相较于人力查找异常人员组的方式,效率更高。其次,由于不需人工查找,就可以避免被异常人员组中任一个异常人员发现某个地点在人工查找异常人员,所导致的异常人员组中的所有异常人员避开该地点实施异常事件。如此的话,进一步提高了发现异常人员组的效率。
本申请实施例中,以人员出入信息包括人员入住登记信息和人员出入的监控数据,且预设条件包括:上述与人员入住登记信息对应的所有条件、以及上述与人员出入的监控数据对应的所有条件为例,说明电子设备基于人员出入信息,确定第一人员是否满足该预设条件中的每一个条件的具体过程。
如图3所示,电子设备基于人员入住登记信息,确定第一人员是否满足同住的异性个数大于等于阈值1,可以包括S301-S304。
S301、电子设备从人员入住登记信息中确定第一人员与异性人员的同住信息。
其中,第一人员与异性人员的同住信息可以包括多个同住信息。第一人员与异性人员的不同的同住信息所指示的房间号不同。
S302、电子设备根据第一人员与异性人员的同住信息,统计第一人员同住的异性个数。
其中,与第一人员同住的同一个异性人员只统计一次。
S303、电子设备判断第一人员同住的异性个数是否大于等于阈值1。
S304、电子设备确定第一人员满足同住的异性个数大于等于阈值1的情况下,对第一人员标记第一标签。
其中,阈值1可以大于1,第一标签表征与多名异性同住。与同住的异性个数大于等于阈值1对应的一个分值就是第一标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,以及阈值1等于3为例,电子设备可以确定15天内,该女性人员满足同住的异性个数大于等于3,则对该女性人员标记表征与多名异性同住的第一标签。电子设备还可以设置第一标签对应的分值为30分。
如图4所示,电子设备基于人员入住登记信息,确定第一人员是否满足第一入住事件的发生次数大于等于阈值2,可以包括S401-S403。
S401、电子设备根据人员入住登记信息,统计第一人员的第一入住事件的发生次数。
电子设备可以从人员入住登记信息中确定第一人员的入住登记信息。然后,电子设备确定第一人员的入住登记信息所指示的每一次入住事件的入住时长是否小于第二预设时长,再统计入住时长小于第二预设时长的入住事件的个数(即第一入住事件的发生次数)。
S402、电子设备判断第一人员的第一入住事件的发生次数是否大于等于阈值2。
S403、电子设备确定第一人员的第一入住事件的发生次数大于等于阈值2的情况下,对第一人员标记第二标签。
其中,阈值2可以大于1,第二预设时长可以等于钟点房的最大时长,则第二标签表征频繁入住钟点房。与第一入住事件的发生次数大于等于阈值2对应的一个分值就是第二标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,阈值2等于3,以及第二预设时长等于4小时为例,电子设备可以确定15天内,该女性人员满足入住时长小于4 小时的第一入住事件的发生次数大于等于3,则对该女性人员标记表征频繁入住钟点房的第二标签。电子设备还可以设置第二标签对应的分值为30分。
如图5所示,电子设备基于人员入住登记信息,确定第一人员是否满足入住的目标住所的个数大于等于阈值3,可以包括S501-S503。
S501、电子设备根据人员入住登记信息,统计第一人员入住的目标住所的个数。
电子设备可以从人员入住登记信息中确定第一人员的入住登记信息。然后,电子设备统计第一人员的入住登记信息所指示的不同的目标住所的个数。
S502、电子设备判断第一人员入住的目标住所的个数是否大于等于阈值3。
S503、电子设备确定第一人员入住的目标住所的个数大于等于阈值3的情况下,对第一人员标记第三标签。
其中,阈值3可以大于1,则第三标签可以表征频繁更换目标住所。与入住的目标住所的个数大于等于阈值3对应的一个分值就是第三标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,以及阈值3等于3为例,电子设备可以确定15天内,该女性人员满足入住的目标住所的个数大于等于3,则对该女性人员标记表征频繁更换目标住所的第三标签。电子设备还可以设置第三标签对应的分值为10分。
如图6所示,电子设备基于人员入住登记信息,确定第一人员是否满足在第一预设时长中的第一预设时段内入住目标住所的次数大于等于阈值4,可以包括S601-S603。
S601、电子设备根据人员入住登记信息,统计第一人员在第一预设时长中的第一预设时段内入住目标住所的次数。
电子设备可以从人员入住登记信息中确定第一人员的入住登记信息。然后,电子设备根据第一人员的入住登记信息,统计在第一预设时长中的第一预设时段内入住目标住所的次数。该入住目标住所的次数是指登记入住目标住所的次数。
S602、电子设备判断第一人员在第一预设时长中的第一预设时段内入住目标住所的次数是否大于等于阈值4。
S603、电子设备确定第一预设时长中的第一预设时段内入住目标住所的次数大于等于阈值4的情况下,对第一人员标记第四标签。
其中,第一预设时段可以是晚上到早晨之间的某个时段,阈值4可以大于1,则第四标签可以表征频繁后半夜入住目标住所。与在第一预设时长中的第一预设时段内入住目标住所的次数大于等于阈值4对应的一个分值就是第四标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,第一预设时段是晚上10 点到凌晨4点,以及阈值4等于3为例,电子设备可以确定15天内,该女性人员满足在晚上10点到凌晨4点入住目标住所的次数大于等于3,则对该女性人员标记表征频繁后半夜入住目标住所的第四标签。电子设备还可以设置第四标签对应的分值为10分。
如图7所示,电子设备基于人员入住登记信息,确定第一人员是否满足同住的历史异常人员的个数大于等于阈值5,可以包括S701-S704。
S701、电子设备从人员入住登记信息中确定第一人员与其他人员的同住信息。
其中,第一人员与其他人员的同住信息可以包括多个同住信息。第一人员与其他人员的不同的同住信息所指示的房间号不同。
S702、电子设备根据历史异常人员信息和第一人员与其他人员的同住信息,统计第一人员同住的历史异常人员的个数。
电子设备可以从保存有历史异常人员信息的数据库中获取历史异常人员信息。然后,电子设备可以统计第一人员与其他人员的同住信息所指示的所有其他人员中属于历史异常人员的人员个数,即第一人员同住的历史异常人员的个数。
例如,历史异常人员信息可以包括历史异常人员的姓名和身份证号,第一人员与其他人员的同住信息也可以包括一个其他人员的姓名和身份证号,则电子设备可以根据该其他人员的姓名和身份证号,判断该其他人员是否是历史异常人员。
其中,与第一人员同住过的同一个历史异常人员只统计一次。
S703、电子设备判断第一人员同住的历史异常人员的个数是否大于等于阈值5。
S704、电子设备确定第一人员同住的历史异常人员的个数大于等于阈值5的情况下,对第一人员标记第五标签。
其中,阈值5可以大于1,第五标签表征与多名历史异常人员同住。与第一人员同住的历史异常人员的个数大于等于阈值5对应的一个分值就是第五标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,以及阈值5等于2为例,电子设备可以确定15天内,该女性人员满足同住的历史异常人员的个数大于等于2,则对该女性人员标记表征与多名历史异常人员同住的第五标签。电子设备还可以设置第五标签对应的分值为10分。
如图8所示,电子设备基于人员出入的监控数据,确定第一人员是否满足同时出现的历史异常人员的个数大于等于阈值6,可以包括S801-S804。
S801、电子设备根据人员出入的监控数据,得到第一人员的人脸图像数据。
其中,人员出入的监控数据可以包括目标住所内的第一摄像头采集的人员出入的视频、以及该视频的采集时间。电子设备可以对该视频包括的所有帧图像进行人脸识别,得到至少一个人脸图像。然后,电子设备可以从至少一个人脸图像中确定包括第一人员人脸的目标人脸图像。第一人员的人脸图像数据可以包括目标人脸图像,还可以包括目标人脸图像对应的采集时间和目标住所。
S802、电子设备根据历史异常人员信息和第一人员的人脸图像数据,确定与第一人员同时出现的历史异常人员的个数。
其中,历史异常人员信息可以包括每个历史异常人员的人脸图像。电子设备可以将目标人脸图像中除第一人员的人脸之外的其他人员的人脸,与每个历史异常人员的人脸图像进行对比,以确定目标人脸图像是否包括某一个历史异常人员的人脸。再根据包括某一个历史异常人员的人脸的目标人脸图像的采集时间,确定与第一人员同时出现的历史异常人员的个数。
其中,与第一人员同时出现的同一个历史异常人员可以只统计一次。
S803、电子设备判断与第一人员同时出现的历史异常人员的个数是否大于等于阈值6。
S804、电子设备确定与第一人员同时出现的历史异常人员的个数大于等于阈值6的情况下,对第一人员标记第六标签。
其中,阈值6可以大于1,第六标签表征与多名历史异常人员同时出现。与第一人员同时出现的历史异常人员的个数大于等于阈值6对应的一个分值就是第六标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,以及阈值6等于2为例,电子设备可以确定15天内,该女性人员满足同时出现的历史异常人员的个数大于等于2,则对该女性人员标记表征与多名历史异常人员同时出现的第六标签。电子设备还可以设置第六标签对应的分值为10分。
如图9所示,电子设备基于人员出入的监控数据,确定第一人员是否满足在第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数大于等于阈值7,可以包括S901-S904。
S901、电子设备根据人员出入的监控数据,得到第一人员的人脸图像数据。
需要说明的是,电子设备可以只执行S801和S901中的一个。
S902、电子设备根据第一人员的人脸图像数据,统计第一人员在第一预设时长中的第二预设时段内出现的目标住所的个数。
其中,电子设备可以根据人脸图像数据中的目标人脸图像对应的采集时间和目标住所,统计第一人员在第一预设时长中的每一天的第二预设时段内出现的目标住所的个数。
其中,第一人员在第一预设时长中的每一天的第二预设时段内出现的同一个目标住所可以在第一预设时长中的每一天的第二预设时段内出现的目标住所的个数中只记录一次。
S903、电子设备判断第一人员在第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数是否大于等于阈值7。
S904、电子设备确定第一人员在第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数大于等于阈值7的情况下,对第一人员标记第七标签。
其中,阈值7可以大于1,第二预设时段可以是晚上到早晨之间的某个时段,则第七标签表征同一天后半夜频繁出入多个目标住所。与在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于阈值7对应的一个分值就是第七标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,第二预设时段是晚上10 点到凌晨4点,以及阈值7等于3为例,电子设备可以确定该女性人员满足在15天内,晚上10点到凌晨4点出现的目标住所的个数大于等于3,则对该女性人员标记表征同一天后半夜频繁出入多个目标住所的第七标签。电子设备还可以设置第七标签对应的分值为10分。
如图10所示,电子设备基于人员出入的监控数据,确定第一人员是否满足在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于阈值8,可以包括S1001-S1004。
S1001、电子设备根据人员出入的监控数据,得到第一人员的人脸图像数据。
需要说明的是,电子设备可以只执行S801、S901和S1001中的一个。
S1002、电子设备根据第一人员的人脸图像数据,统计第一人员在第一预设时长中的第二预设时段内出现的目标住所的个数。
其中,电子设备可以根据人脸图像数据中的目标人脸图像对应的采集时间和目标住所,统计第一人员在第一预设时长中的第二预设时段内出现的目标住所的个数。
其中,第一人员在第一预设时长中的第二预设时段内出现的同一个目标住所可以只统计一次。
S1003、电子设备判断第一人员在第一预设时长中的第二预设时段内出现的目标住所的个数是否大于等于阈值8。
S1004、电子设备确定第一人员在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于阈值8的情况下,对第一人员标记第八标签。
其中,阈值8可以大于1,第二预设时段可以是晚上到早晨之间的某个时段,则第八标签表征第一预设时长内的后半夜频繁出入多个目标住所。与在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于阈值8对应的一个分值就是第八标签对应的分值。
例如,以第一预设时长等于15天,第一人员为一名女性人员,第二预设时段是晚上10 点到凌晨4点,以及阈值8等于5为例,电子设备可以确定该女性人员满足在15天内,晚上10点到凌晨4点出现的目标住所的个数大于等于5,则对该女性人员标记表征第一预设时长内的后半夜频繁出入多个目标住所的第八标签。电子设备还可以设置第八标签对应的分值为20分。
进一步地,电子设备可以对标记有第一标签至第八标签中的至少一个的第一人员,判断是否属于娱乐场所的从业人员。该第一人员属于娱乐场所的从业人员的情况下,电子设备可以对该第一人员标记第九标签。其中,与属于娱乐场所的从业人员对应的第二预设分值就是第九标签对应的分值。例如,第九标签对应的分值可以是20。
然后,电子设备可以对第一人员所标记的所有标签对应的分值求和,得到第一人员的总分值。再比较第一人员的总分值,阈值9(例如,40)和第二等级异常人员对应的阈值(例如,60),确定第一人员属于第一等级异常人员或第二等级异常人员。
本申请实施例中,电子设备先根据第一人员满足的预设条件确定出第一人员是否属于异常人员,再确定出由异常人员组成的每个异常人员组之后(即上述S204之后),还可以分析非异常人员和每个异常人员组中的异常人员的亲密度,以确定出每个异常人员组的组织者。具体地,如图11所示,在S204之后,异常人员组分析方法可以包括S1101-S1102。
S1101、电子设备在确定出第一人员所属的异常人员组的情况下,获取第一人员和第三人员之间的亲密度;其中,第三人员是人员出入信息所指示的一个非异常人员,或第一预设时长内与第一人员同行的非异常人员。
其中,电子设备可以是根据上述S203-S204确定第一人员所属的异常人员组,或者是采用其他方式(例如,人工分析的方法)确定第一人员所属的异常人员组。第三人员是人员出入信息所指示的一个非异常人员,例如,第三人员可以是人员出入信息所指示的所有人员中除属于异常人员的所有第一人员之外的一个人员。
其中,第三人员是第一预设时长内与第一人员同行的非异常人员,例如,第三人员可以是与第一人员乘坐相同的交通工具的一个非异常人员,第三人员可以是与第一人员在同一个订单中购买车票的一个非异常人员。
需要说明的是,电子设备获取第一人员和第三人员之间的亲密度的具体过程,参见上述获取第一人员和第二人员之间的亲密度的详细介绍,本申请实施例这里不予赘述。
S1102、电子设备根据第一人员和第三人员之间的亲密度,确定第三人员是否是异常人员组的组织者;其中,异常人员组的组织者与异常人员组中的n个异常人员之间的亲密度分别大于等于阈值11。
电子设备可以获取第一人员所属的异常人员组中的所有异常人员与第三人员之间的亲密度。然后,电子设备根据该异常人员组中的所有异常人员与第三人员之间的亲密度,确定第三人员是否是该异常人员组的组织者。其中,阈值11是上述第二阈值。
例如,n可以等于3,阈值11可以等于0.5。
可以理解的是,电子设备可以对第一人员和第三人员,利用一些可获得的信息,获取第一人员和第三人员的亲密度。依次类推,电子设备可以得到第三人员和第一人员所属的异常人员组中的所有异常人员的亲密度。进而根据第三人员和第一人员所属的异常人员组中的所有异常人员的亲密度,确定第三人员是否为该异常人员组的组织者。其中,第三人员是一个非异常人员,则电子设备可以从非异常人员中确定出异常人员组的组织者,组织者也需要工作人员重点监控。
本申请实施例中,电子设备在确定出属于异常人员的所有第一人员之后,获取一个娱乐场所的从业人员信息。然后,电子设备确定该娱乐场所的从业人员中的异常人员的个数。如果该娱乐场所的从业人员中的异常人员的个数大于等于阈值12(可以称为第十二阈值),例如,阈值12等于3,则确定该娱乐场所为需要重点关注的特殊场所。
其中,电子设备可以判断该娱乐场所的从业人员信息是否包括第一人员的标识。若娱乐场所的从业人员信息包括第一人员的标识,则该娱乐场所的从业人员中的异常人员的个数加1。
示例性地,第一人员的标识可以是第一人员的入住登记信息中的姓名、身份证号和人脸头像中的至少一个,也可以是上述目标人脸图像。
本申请实施例中,电子设备在确定出属于异常人员的所有第一人员之后,可以在目标场所对属于异常人员的所有第一人员进行重点关注。
可选地,电子设备可以获取目标场所的人员出入的实时人脸图像。然后,电子设备将实时人脸图像与第一人员的人脸进行人脸比对,得到相似度。电子设备在确定相似度大于等于阈值13(可以称为第十三阈值)的情况下,发出提示信息;提示信息用于表征异常人员行动。例如,阈值13可以等于90%。
其中,电子设备发出提示信息的方式可以是控制所连接的一个显示模块显示该提示信息,或者是控制向预设的电话号码发送包括提示信息的短信等等。
其中,电子设备可以获取目标住所内的第一摄像头采集的人员出入的实时监控数据。然后,对实时监控数据中的图像进行人脸识别,得到实时人脸图像。
需要说明的是,人员出入的实时监控数据的具体介绍,可参见上述关于人员出入的实时监控数据的详细描述,本申请实施例这里不予赘述。
可选地,电子设备还可以获取目标场所的实时人员入住登记信息。然后,电子设备根据实时人员入住登记信息,确定第一人员入住目标场所。电子设备再判断第一人员是否与异性同住。若第一人员与异性同住,电子设备发出提示信息。
其中,电子设备可以将实时人员入住登记信息与第一人员的标识(如,姓名和身份证号)对比,确定实时人员入住登记信息所指示的一个人员是否为第一人员。若实时人员入住登记信息所指示的一个人员为第一人员,则确定第一人员入住目标场所。
需要说明的是,本申请的上述方案中将“大于等于某个阈值”的情况归为一个分支,将“小于”的情况归为另一个分支。实际实现时,也可以将“大于某个阈值”的情况归为一个分支,将“小于等于”的情况归为另一个分支。
可以理解的是,电子设备通过对这些异常人员的重点关注,自动检测是否可能发生异常事件,可以更加全面高效的发现异常事件。进而精准确定出更多的异常人员,并使其不再实施异常事件,以减少异常事件的发生频率。从而抑制社会的不良作风,利于社会稳定发展。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术目标应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术目标可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例还提供一种异常人员组分析装置。如图12所示,为本申请实施例提供的一种异常人员组分析装置1200的结构示意图。该装置1200可以包括:信息获取模块1201、人员确定模块1202和人员组确定模块1203。
信息获取模块1201,用于获取第一预设时长内目标住所的人员出入信息。人员确定模块1202,用于基于人员出入信息,确定第一人员是否属于异常人员;其中,第一人员是人员出入信息所指示的其中一个人员。人员组确定模块1203,用于在确定第一人员属于异常人员的情况下,获取第一人员和第二人员之间的亲密度;根据第一人员和第二人员之间的亲密度,确定第一人员和第二人员是否属于同一异常人员组。其中,第二人员是人员出入信息所指示的另一个异常人员;异常人员组中的每两个人员之间的亲密度大于等于第一阈值。
在一种可能的实施方式中,人员组确定模块1203,具体用于:获取关联关系;根据关联关系,确定第一人员和第二人员之间的亲密度。其中,关联关系包括以下至少一项:在第一预设时长内第一人员和第二人员同行的次数,第一人员和第二人员是否属于同一个户籍,以及第一人员和第二人员共同参与的历史异常事件的个数。
另一种可能的实施方式中,关联关系包括:在第一预设时长内第一人员和第二人员同行的次数。人员组确定模块1203,具体用于:根据目标乘车信息、目标入住登记信息和目标住所所在地区的人脸图像数据中的至少一种,获取在预设时间段第一人员和第二人员同行的次数。
其中,目标乘车信息是第一人员和第二人员在第一预设时长内的乘车信息,目标入住登记信息是人员出入信息中第一人员和第二人员的入住登记信息。
另一种可能的实施方式中,该装置还包括组织者确定模块1204。组织者确定模块1204,用于:在确定出第一人员所属的异常人员组的情况下,获取第一人员和第三人员之间的亲密度;其中,第三人员是人员出入信息所指示的一个非异常人员,或第一预设时长内与第一人员同行的非异常人员;根据第一人员和第三人员之间的亲密度,确定第三人员是否是异常人员组的组织者;其中,异常人员组的组织者与异常人员组中的n个异常人员之间的亲密度分别大于等于第二阈值,n为大于1的正整数。
另一种可能的实施方式中,人员确定模块1202,具体用于:基于人员出入信息,确定第一人员满足的预设条件;其中,预设条件用于表征异常人员的行为特征;至少基于第一人员满足的预设条件,确定第一人员是否属于异常人员。
其中,人员出入信息包括人员入住登记信息;预设条件包括以下至少一种:同住的异性个数大于等于第三阈值;第一入住事件的发生次数大于等于第四阈值,其中,第一入住事件是入住时长小于第二预设时长的入住事件;入住的目标住所的个数大于等于第五阈值;在第一预设时长中的第一预设时段内入住目标住所的次数大于等于第六阈值;同住的历史异常人员的个数大于等于第七阈值。
人员出入信息包括人员出入的监控数据;预设条件包括以下至少一种:同时出现的历史异常人员的个数大于等于第八阈值;在第一预设时长中的任意一天的第二预设时段内出现的目标住所的个数大于等于第九阈值;在第一预设时长中的第二预设时段内出现的目标住所的个数大于等于第十阈值。
另一种可能的实施方式中,人员确定模块1202,具体用于:基于第一人员满足的预设条件、以及预设条件对应的预设分值,确定第一人员的总分值;如果总分值大于等于第十一阈值,则确定第一人员属于异常人员。
当然,本申请实施例提供的异常人员组分析装置1200包括但不限于上述模块。
本申请另一实施例还提供一种电子设备。如图13所示,电子设备1300包括存储器1301 和处理器1302;存储器1301和处理器1302耦合;存储器1301用于存储计算机程序代码,计算机程序代码包括计算机指令。其中,当处理器1302执行计算机指令时,使得电子设备 1300执行上述方法实施例所示的方法流程中异常人员组分析装置执行的各个步骤。
在实际实现时,信息获取模块1201、人员确定模块1202、人员组确定模块1203和组织者确定模块1204可以由图13所示的处理器1302调用存储器1301中的计算机程序代码来实现。其具体的执行过程可参考上述异常人员组分析方法部分的描述,这里不再赘述。
本申请另一实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
本申请另一实施例还提供一种芯片系统,该芯片系统应用于电子设备。所述芯片系统包括一个或多个接口电路,以及一个或多个处理器。接口电路和处理器通过线路互联。接口电路用于从电子设备的存储器接收信号,并向处理器发送所述信号,所述信号包括所述存储器中存储的计算机指令。当处理器执行计算机指令时,电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
在本申请另一实施例中,还提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质 (例如固态硬盘(solid state disk,SSD))等。
以上所述,仅为本申请的具体实施方式。熟悉本技术领域的技术人员根据本申请提供的具体实施方式,可想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种异常人员组分析方法,其特征在于,所述方法包括:
获取第一预设时长内目标住所的人员出入信息;
基于所述人员出入信息,确定第一人员是否属于异常人员;其中,所述第一人员是所述人员出入信息所指示的其中一个人员;
在确定所述第一人员属于所述异常人员的情况下,获取所述第一人员和第二人员之间的亲密度;其中,所述第二人员是所述人员出入信息所指示的另一个异常人员;
根据所述第一人员和所述第二人员之间的亲密度,确定所述第一人员和所述第二人员是否属于同一异常人员组;其中,所述异常人员组中的每两个人员之间的亲密度大于等于第一阈值。
2.根据权利要求1所述的方法,其特征在于,所述获取所述第一人员和第二人员之间的亲密度,包括:
获取关联关系;其中,所述关联关系包括以下至少一项:在所述第一预设时长内所述第一人员和所述第二人员同行的次数,所述第一人员和所述第二人员是否属于同一个户籍,以及所述第一人员和所述第二人员共同参与的历史异常事件的个数;
根据所述关联关系,确定所述第一人员和所述第二人员之间的亲密度。
3.根据权利要求2所述的方法,其特征在于,所述关联关系包括:在所述第一预设时长内所述第一人员和所述第二人员同行的次数;所述获取关联关系,包括:
根据目标乘车信息、目标入住登记信息和所述目标住所所在地区的人脸图像数据中的至少一种,获取在所述预设时间段所述第一人员和所述第二人员同行的次数;
其中,所述目标乘车信息是所述第一人员和所述第二人员在所述第一预设时长内的乘车信息,所述目标入住登记信息是所述人员出入信息中所述第一人员和所述第二人员的入住登记信息。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
在确定出所述第一人员所属的异常人员组的情况下,获取所述第一人员和第三人员之间的亲密度;其中,所述第三人员是所述人员出入信息所指示的一个非异常人员,或所述第一预设时长内与所述第一人员同行的非异常人员;
根据所述第一人员和所述第三人员之间的亲密度,确定所述第三人员是否是所述异常人员组的组织者;其中,所述异常人员组的组织者与所述异常人员组中的n个异常人员之间的亲密度分别大于等于第二阈值,n为大于1的正整数。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述基于所述人员出入信息,确定第一人员是否属于异常人员,包括:
基于所述人员出入信息,确定所述第一人员满足的预设条件;其中,所述预设条件用于表征异常人员的行为特征;
至少基于所述第一人员满足的预设条件,确定所述第一人员是否属于所述异常人员;
其中,所述人员出入信息包括人员入住登记信息;所述预设条件包括以下至少一种:同住的异性个数大于等于第三阈值;第一入住事件的发生次数大于等于第四阈值,其中,所述第一入住事件是入住时长小于第二预设时长的入住事件;入住的所述目标住所的个数大于等于第五阈值;在所述第一预设时长中的第一预设时段内入住所述目标住所的次数大于等于第六阈值;同住的历史异常人员的个数大于等于第七阈值;
所述人员出入信息包括人员出入的监控数据;所述预设条件包括以下至少一种:同时出现的历史异常人员的个数大于等于第八阈值;在所述第一预设时长中的任意一天的第二预设时段内出现的所述目标住所的个数大于等于第九阈值;在所述第一预设时长中的第二预设时段内出现的所述目标住所的个数大于等于第十阈值。
6.根据权利要求5所述的方法,其特征在于,所述至少基于所述第一人员满足的预设条件,确定所述第一人员是否属于所述异常人员,包括:
基于所述第一人员满足的预设条件、以及所述预设条件对应的预设分值,确定所述第一人员的总分值;
如果所述总分值大于等于第十一阈值,则确定所述第一人员属于所述异常人员。
7.一种异常人员组分析装置,其特征在于,所述装置包括:
信息获取模块,用于获取第一预设时长内目标住所的人员出入信息;其中,所述人员出入信息包括人员入住登记信息和人员出入的监控数据中的至少一种;
人员分析模块,用于基于所述人员出入信息,确定第一人员满足的预设条件;其中,所述第一人员是所述人员出入信息所指示的其中一个人员,所述预设条件用于表征异常人员的行为特征;
确定模块,用于至少基于所述第一人员满足的预设条件,确定所述第一人员是否属于所述异常人员。
信息获取模块,用于获取第一预设时长内目标住所的人员出入信息;
人员确定模块,用于基于所述人员出入信息,确定第一人员是否属于异常人员;其中,所述第一人员是所述人员出入信息所指示的其中一个人员;
人员组确定模块,用于在确定所述第一人员属于所述异常人员的情况下,获取所述第一人员和第二人员之间的亲密度;根据所述第一人员和所述第二人员之间的亲密度,确定所述第一人员和所述第二人员是否属于同一异常人员组;
其中,所述第二人员是所述人员出入信息所指示的另一个异常人员;所述异常人员组中的每两个人员之间的亲密度大于等于第一阈值。
8.根据权利要求7所述的装置,其特征在于,
所述人员组确定模块,具体用于:获取关联关系;根据所述关联关系,确定所述第一人员和所述第二人员之间的亲密度;其中,所述关联关系包括以下至少一项:在所述第一预设时长内所述第一人员和所述第二人员同行的次数,所述第一人员和所述第二人员是否属于同一个户籍,以及所述第一人员和所述第二人员共同参与的历史异常事件的个数;
所述关联关系包括:在所述第一预设时长内所述第一人员和所述第二人员同行的次数;所述人员组确定模块,具体用于:根据目标乘车信息、目标入住登记信息和所述目标住所所在地区的人脸图像数据中的至少一种,获取在所述预设时间段所述第一人员和所述第二人员同行的次数;
其中,所述目标乘车信息是所述第一人员和所述第二人员在所述第一预设时长内的乘车信息,所述目标入住登记信息是所述人员出入信息中所述第一人员和所述第二人员的入住登记信息;
所述装置还包括组织者确定模块;
所述组织者确定模块,用于:在确定出所述第一人员所属的异常人员组的情况下,获取所述第一人员和第三人员之间的亲密度;其中,所述第三人员是所述人员出入信息所指示的一个非异常人员,或所述第一预设时长内与所述第一人员同行的非异常人员;根据所述第一人员和所述第三人员之间的亲密度,确定所述第三人员是否是所述异常人员组的组织者;其中,所述异常人员组的组织者与所述异常人员组中的n个异常人员之间的亲密度分别大于等于第二阈值,n为大于1的正整数;
所述人员确定模块,具体用于:基于所述人员出入信息,确定所述第一人员满足的预设条件;其中,所述预设条件用于表征异常人员的行为特征;至少基于所述第一人员满足的预设条件,确定所述第一人员是否属于所述异常人员;
其中,所述人员出入信息包括人员入住登记信息;所述预设条件包括以下至少一种:同住的异性个数大于等于第三阈值;第一入住事件的发生次数大于等于第四阈值,其中,所述第一入住事件是入住时长小于第二预设时长的入住事件;入住的所述目标住所的个数大于等于第五阈值;在所述第一预设时长中的第一预设时段内入住所述目标住所的次数大于等于第六阈值;同住的历史异常人员的个数大于等于第七阈值;
所述人员出入信息包括人员出入的监控数据;所述预设条件包括以下至少一种:同时出现的历史异常人员的个数大于等于第八阈值;在所述第一预设时长中的任意一天的第二预设时段内出现的所述目标住所的个数大于等于第九阈值;在所述第一预设时长中的第二预设时段内出现的所述目标住所的个数大于等于第十阈值。
所述人员确定模块,具体用于:基于所述第一人员满足的预设条件、以及所述预设条件对应的预设分值,确定所述第一人员的总分值;如果所述总分值大于等于第十一阈值,则确定所述第一人员属于所述异常人员。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器;所述存储器和所述处理器耦合;所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;
其中,当所述处理器执行所述计算机指令时,使得所述电子设备执行如权利要求1-7中任意一项所述的异常人员组分析方法。
10.一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包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-7中任一项所述的异常人员组分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110984484.8A CN113780115B (zh) | 2021-08-25 | 2021-08-25 | 一种异常人员组分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110984484.8A CN113780115B (zh) | 2021-08-25 | 2021-08-25 | 一种异常人员组分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780115A true CN113780115A (zh) | 2021-12-10 |
CN113780115B CN113780115B (zh) | 2024-02-13 |
Family
ID=78839624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110984484.8A Active CN113780115B (zh) | 2021-08-25 | 2021-08-25 | 一种异常人员组分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780115B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
CN112016526A (zh) * | 2020-10-16 | 2020-12-01 | 金税信息技术服务股份有限公司 | 场所活动对象的行为监测分析系统、方法、装置和设备 |
US20200402076A1 (en) * | 2019-06-03 | 2020-12-24 | Beijing Sensetime Technology Development Co., Ltd. | Data processing method and apparatus, and storage medium |
CN113032629A (zh) * | 2020-11-09 | 2021-06-25 | 佳都新太科技股份有限公司 | 一种酒店同行人员检测确定的方法及装置 |
-
2021
- 2021-08-25 CN CN202110984484.8A patent/CN113780115B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
US20200402076A1 (en) * | 2019-06-03 | 2020-12-24 | Beijing Sensetime Technology Development Co., Ltd. | Data processing method and apparatus, and storage medium |
CN112016526A (zh) * | 2020-10-16 | 2020-12-01 | 金税信息技术服务股份有限公司 | 场所活动对象的行为监测分析系统、方法、装置和设备 |
CN113032629A (zh) * | 2020-11-09 | 2021-06-25 | 佳都新太科技股份有限公司 | 一种酒店同行人员检测确定的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113780115B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6854881B2 (ja) | 顔画像照合システムおよび顔画像検索システム | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
US9424464B2 (en) | Monitoring system, monitoring method, monitoring program, and recording medium in which monitoring program is recorded | |
US20160224837A1 (en) | Method And System For Facial And Object Recognition Using Metadata Heuristic Search | |
CN110222640A (zh) | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 | |
CN104205127A (zh) | 基于识别的安全性 | |
CN109783685A (zh) | 一种查询方法及装置 | |
CN110096606B (zh) | 一种外籍人员管理方法、装置和电子设备 | |
CN112349016A (zh) | 一种基于大数据分析的智能门禁管理系统 | |
CN112699328A (zh) | 网点服务数据处理方法、装置、系统、设备及存储介质 | |
JP2010108166A (ja) | 追跡装置、追跡方法及び追跡プログラム | |
CN112597880B (zh) | 客流批次识别方法、装置、计算机设备及可读存储介质 | |
CN113221725A (zh) | 一种风险处理方法和系统 | |
US20190122228A1 (en) | Examination device | |
CN109871456B (zh) | 一种看守所人员关系分析方法、装置和电子设备 | |
CN113780115B (zh) | 一种异常人员组分析方法、装置、电子设备及存储介质 | |
CN112258707A (zh) | 一种基于人脸识别的智能门禁管理系统 | |
CN112183380A (zh) | 基于人脸识别的客流量分析方法和系统、电子设备 | |
CN111488519A (zh) | 用户性别识别的方法、装置、电子设备及存储介质 | |
CN116386086A (zh) | 人员定位方法、装置、电子设备及存储介质 | |
CN110516097A (zh) | 一种图像数据关联分析方法、装置及存储介质 | |
CN111145514B (zh) | 一种多维度预警策略方法 | |
US10515243B1 (en) | Controlled-environment facility location analytics system | |
CN110163158B (zh) | 一种可智能感知的场景人脸识别系统 | |
CN115470250B (zh) | 人员信息处理方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |