CN114491148B

CN114491148B - 目标人员搜索方法、装置、计算机设备及存储介质

Info

Publication number: CN114491148B
Application number: CN202210391165.0A
Authority: CN
Inventors: 程文高; 任明; 王雷; 朱博
Original assignee: Wuhan Zhongke Tongda High New Technology Co Ltd
Current assignee: Wuhan Zhongke Tongda High New Technology Co Ltd
Priority date: 2022-04-14
Filing date: 2022-04-14
Publication date: 2022-07-12
Anticipated expiration: 2042-04-14
Also published as: CN114491148A

Abstract

本申请实施例提供了一种目标人员搜索方法、装置、计算机设备及存储介质，该方法通过从人员档案库中确定至少一个研判人员标识，获取历史参考人员数据库，计算研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度，若存在大于预设第一相似度阈值的第一相似度，则在人员档案库中获取研判人员标识对应的轨迹确定为搜索轨迹，根据搜索轨迹确定目标人员，通过对第一时空范围下的人员档案库进行初步搜索，缩小了搜索范围，并结合初步搜索结果和目标人员的特征，在历史参考人员数据库进行中碰撞比对后，根据轨迹进行分析判定，保证了搜索线索的完整性，提升了目标搜索人员的线索发现率和实时性，并提高了搜索的精准性和搜索效率。

Description

目标人员搜索方法、装置、计算机设备及存储介质

技术领域

本申请涉及计算机技术领域，具体涉及一种目标人员搜索方法、装置、计算机设备及存储介质。

背景技术

人员搜索在与视频监控相关的应用中具有巨大潜力，通常应用在公共安全领域，以查找涉及公共安全的目标对象为例，传统的搜索方法通常是维护安全的工作人员通过肉眼、人工的方式寻找案发地附近的监控视频，在海量的监控视频、图像中逐帧查找、比对蛛丝马迹，这种方式不仅耗时费力，而且效率极低。同时，在目标对象以不同的步态或姿势在摄像头徘徊的情况下，这对工作人员的水平提出了更高的要求，加大了人工视频排查回溯的人力和时间成本，降低目标人员的搜索效率及实时性。

发明内容

本申请实施例提供一种目标人员搜索方法、装置、计算机设备及存储介质，以解决相关技术中对于目标人员的搜索效率低且实时性低，对专业人员水平要求高的技术问题。

一方面，本申请提供一种目标人员搜索方法，包括：

从人员档案库中确定至少一个人员标识，作为研判人员标识，其中，所述人员档案库为第一时空范围下的人员档案库，所述人员档案库包括多个人员标识、每个人员标识对应的标准识别信息及每个人员标识对应的轨迹；

获取历史参考人员数据库，所述历史参考人员数据库包括多个参考人员对应的参考识别信息，所述历史参考人员数据库是所述第一时空范围之前搜索到的人员的识别信息组成的；

计算所述研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度；

若多个所述第一相似度中存在大于预设第一相似度阈值的第一相似度，则在所述人员档案库中获取所述研判人员标识对应的轨迹确定为搜索轨迹；

根据所述搜索轨迹确定目标人员。

一方面，本申请提供一种目标人员搜索装置，包括：

第一确定模块，用于从人员档案库中确定至少一个人员标识，作为研判人员标识，其中，所述人员档案库为第一时空范围下的人员档案库，所述人员档案库包括多个人员标识、每个人员标识对应的标准识别信息及每个人员标识对应的轨迹；

获取模块，用于获取历史参考人员数据库，所述历史参考人员数据库包括多个参考人员对应的参考识别信息，所述历史参考人员数据库是所述第一时空范围之前搜索到的人员的识别信息组成的；

计算模块，用于计算所述研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度；

第二确定模块，用于若多个所述第一相似度中存在大于预设第一相似度阈值的第一相似度，则在所述人员档案库中获取所述研判人员标识对应的轨迹确定为搜索轨迹；

第三确定模块，用于根据所述搜索轨迹确定目标人员。

一方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述目标人员搜索方法中的步骤。

一方面，本申请提供一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时，实现上述目标人员搜索方法中的步骤。

本申请实施例提供了一种目标人员搜索方法，该方法通过从人员档案库中确定至少一个人员标识，作为研判人员标识，获取历史参考人员数据库，历史参考人员数据库包括多个参考人员对应的参考识别信息，计算研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度，若多个第一相似度中存在大于预设第一相似度阈值的第一相似度，则在人员档案库中获取研判人员标识对应的轨迹确定为搜索轨迹，根据搜索轨迹确定目标人员，通过对第一时空范围下的人员档案库进行初步搜索，有效缩小了搜索范围，并结合初步搜索结果和目标人员的特征，在历史参考人员数据库进行中碰撞比对后，根据轨迹进行分析判定，保证了搜索线索的完整性，提升了目标搜索人员的线索发现率和实时性，提高了搜索的精准性和搜索效率。

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。

其中：

图1为一个实施例中目标人员搜索方法的流程图；

图2为一个实施例中研判人员标识确定方法的流程图；

图3为一个实施例中目标人员搜索装置的结构框图；

图4为一个实施例中计算机设备的结构框图。

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，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，在一个实施例中，提供了一种目标人员搜索方法，该目标人员搜索方法既可以应用于终端，也可以应用于服务器，本实施例以应用于服务器举例说明。该目标人员搜索方法具体包括以下步骤：

步骤102，从人员档案库中确定至少一个人员标识，作为研判人员标识，其中，人员档案库为第一时空范围下的人员档案库，人员档案库包括多个人员标识、每个人员标识对应的标准识别信息及每个人员标识对应的轨迹。

其中，第一时空范围是指进行目标人员搜索的时间和空间范围，例如，第一预设时空范围可以是当天0时-24时的时间段，火车站附近的区域。值得说明的是，第一时空范围是全量时空范围的一个子集，该第一时空范围可以根据实际搜索场景，采用预设的规则确定，例如，对于当天火车站附近的公共安全事件，可以将第一空间范围设置为当前的前一天至第二天的时间段、火车站中心且半径3公里的区域。人员档案库是指第一时空范围下的各个人员的信息，例如，人员标识、人员标识对应的标准识别信息，即用于识别人员的生物特征信息，例如，人脸图像、声纹信息、指纹信息等，更具体的，标准识别信息可以是人员的相关信息，如性别、年龄、身高、发型、发色、姿态、行为、习惯动作、口罩颜色、帽子款式、眼镜款式、围巾颜色、包款式、上衣款式、裤子款式、裤子颜色、裤子长度、肤色、脸型、体型、体貌、是否戴帽子、是否打伞等。人员标识对应的轨迹是指人员在第一时空范围的活动轨迹。具体地，可以通过采集第一时空范围下的监控视频，对监控视频信息进行检测识别，构建该人员档案库，其人员档案库可以是实名档案，也可以是匿名档案，还可以是实名档案和匿名档案的组合。例如，实名档案，可以展示人员标识、人脸照片、性别、年龄、最早和最晚出现时间等信息，如果是匿名档案，可以展示人员标识、人脸照片和轨迹。为了提高标准识别信息的采集效率和识别效率，本实施例中，将人脸图像作为标准识别信息的优选，以从监控视频中高效采集到人脸图像，且人脸图像的识别相较于声纹信息，其识别技术更加成熟，有利于提高后续搜索效率。研判人员是指初步确定的疑似目标人员，研判人员标识是指人员档案库中确定至少一个人员标识，可以通过预设的人脸图片比对方法、或者对人员档案库中各个人员标识对应的标准识别信息及轨迹进行确定。可以理解地，本实施例中，由于人员档案库是第一时空范围下的，相较于全量人员档案库，缩小了搜索范围，有利于提高后续的搜索效率。

步骤104，获取历史参考人员数据库，历史参考人员数据库包括多个参考人员对应的参考识别信息，历史参考人员数据库是第一时空范围之前搜索到的人员的识别信息组成的。

其中，历史参考人员数据库是第一时空范围之前搜索到的人员的识别信息组成的，即该数据库中的人员是根据历史搜索到的人员信息库，且对目标人员搜索具有参考价值。例如，对于案发地为A火车站的场景，可以预先将对应的场景的涉及公共安全的人员信息进行记录，形成历史参考人员数据库，存储在服务器，后续根据第一时空范围在服务器中查找到该历史参考人员数据库。可以理解地，由于历史参考人员数据库中的人员信息对目标人员搜索具有参考价值，通过获取历史参考人员数据库，以便后续基于历史参考人员数据库进行人员的碰撞分析，为后续的搜索提供全面有效的线索。

步骤106，计算研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度。

其中，第一相似度是指研判人员的标准识别信息与各个参考识别信息之间的相似性程度的度量。当标准识别信息和参考识别信息为人脸图片时，可以采用1：N的人脸比对算法，即计算标准识别信息中人脸图片与各个参考识别信息中的人脸图片的对应的特征的相似度，其中的相似度计算方法包括但不限于是余弦相似度、欧氏距离、汉明距离等。

步骤108，若多个第一相似度中存在大于预设第一相似度阈值的第一相似度，则在人员档案库中获取研判人员标识对应的轨迹确定为搜索轨迹。

其中，预设第一相似度阈值是用于判断研判人员标识对应的研判人员与参考人员数据库中的人员是否为同一人的第一相似度的临界值，若预设第一相似度阈值设置较低，如60%，会导致无效信息增加，如果设置过高，如95%，则会丢失一些具有参考价值的结果，因此，本实施例中，预设第一相似度阈值可根据实际场景设置。当存在大于预设第一相似度阈值的第一相似度，则表明参考人员数据库中存在与研判人员一致的人员信息，则可以确定研判人员标识对应的标准识别信息为有效线索，并在人员档案库中获取研判人员标识对应的轨迹确定为搜索轨迹。

步骤110，根据搜索轨迹确定目标人员。

具体地，针对研判人员标识对应的轨迹，即搜索轨迹进行分析，确定研判人员是否为目标人员。由于在实际场景中，涉及公共安全的目标人员呈现惯犯、事发前踩点的特征，因此，本实施例中，可以对同一个地点的频次进行统计分析，以确定目标人员，实现了目标人员的搜索。通过对第一时空范围下的人员档案库进行初步搜索，有效缩小了搜索范围，并结合初步搜索结果和目标人员的特征，在历史参考人员数据库进行中碰撞比对后，根据轨迹进行分析判定，保证了搜索线索的完整性，提升了目标搜索人员的线索发现率和实时性，提高了搜索的精准性和搜索效率。

值得说明是，还可以研判人员标识、搜索到的目标人员，在对应的轨迹所在的地图上进行标记，进一步为后续搜索提供线索。

上述目标人员搜索方法，通过从人员档案库中确定至少一个人员标识，作为研判人员标识，获取历史参考人员数据库，历史参考人员数据库包括多个参考人员对应的参考识别信息，计算研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度，若多个第一相似度中存在大于预设第一相似度阈值的第一相似度，则在人员档案库中获取研判人员标识对应的轨迹确定为搜索轨迹，根据搜索轨迹确定目标人员，通过对第一时空范围下的人员档案库进行初步搜索，有效缩小了搜索范围，并结合初步搜索结果和目标人员的特征，在历史参考人员数据库进行中碰撞比对后，根据轨迹进行分析判定，保证了搜索线索的完整性，提升了目标搜索人员的线索发现率和实时性，提高了搜索的精准性和搜索效率。

如图2所示，在一个实施例中，从人员档案库中确定至少一个人员标识，作为研判人员标识，包括：

步骤102A，在存在疑似目标人员信息的情况下，获取疑似目标人员信息，疑似目标人员信息包括疑似识别信息；

步骤102B，计算疑似识别信息与人员档案库中各个标准识别信息的多个第二相似度；

步骤102C，若多个第二相似度中存在大于预设第二相似度阈值的第二相似度，则将第二相似度对应的人员标识确定为研判人员标识；

步骤102D，若不存在大于预设第二相似度阈值的第二相似度或不存在疑似目标人员信息，则对每个人员标识对应的轨迹进行分析，确定每个人员标识在预设第一区域的第一频次；

步骤102E，根据各个第一频次确定研判人员标识。

其中，疑似目标人员信息是指服务器接收到的初步怀疑的人员信息，如人员标识和生物特征信息，如人脸图片、步态信息等。疑似识别信息是指生物特征信息。第二相似度是指疑似识别信息与各个标准识别信息之间的相似性程度的度量，预设第二相似度阈值是用于判断疑似目标人员信息与人员档案库中的人员是否一致的第二相似度的临界值，例如，预设第二相似度阈值为90%。当存在大于预设第二相似度阈值的第二相似度，则表明人员档案库中存在与疑似人员一致的人员信息，则可以确定疑似目标人员信息为有效线索，并将大于预设第二相似度阈值的第二相似度对应的人员标识确定为研判人员标识，当不存在大于预设第二相似度阈值的第二相似度，表明人员档案库中没有与疑似人员一致的人员信息，若不存在疑似目标人员信息，则直接对第一时空范围下的人员档案库进行分析，更具体地，对每个人员标识对应的轨迹进行分析，确定每个人员标识在预设第一区域的第一频次，根据第一频次的大小确定研判人员标识，例如，将第一频次大于等于预设频次的人员标识确定为研判人员标识。本实施例中，根据是否提供疑似目标人员信息的不同情况，分别采用相似度计算和人员档案库数据分析的方式，实现了研判人员标识的判定，即实现了在人员档案库中的初步搜索。

在一个实施例中，人员档案库为第一时空范围下的人员档案库，在从人员档案库中确定至少一个人员标识，作为研判人员标识之前，该方法还包括：采集当前时空范围下的全量视频数据，并获取搜索时空范围；根据搜索时空范围确定第一时空范围；提取全量视频数据中包含的生物特征；对生物特征进行聚类分析，得到人员档案库。

其中，全量视频数据是指当前时空范围下的所有视频数据，包括异构视频数据、结构化视频数据和非结构视频数据等，为了提高数据处理效率，提取视频数据中人脸图片，并建立人脸图片与采集视频的设备的映射关系。搜索时空范围是指服务器接收到的用于搜索目标人员的区域和时间段，例如，一公共安全事件B的报案时间是当天15时30分、地点是火车站，即为一个搜索时空范围，为了提高第一时空范围得准确性，根据搜索时空范围确定第一时空范围，且第一时空范围大于搜索时空范围，避免线索遗漏。在本实施例中，生物特征优选人脸图片，对人脸图片进行聚类分析，即将相似度满足条件的人脸图片归类为同一人，减少后续与同一人的重复冗余比对操作，并且使得人脸档案库更加简化准确。值得说明的是，可以对全量视频数据中质量不满足要求，如清晰度较低的人脸图片进行筛除，并为各个人员标识配置一张标准人脸图片（如证件照），还可以对人员档案库进行实时更新。

在一个实施例中，获取疑似目标人员信息，疑似目标人员信息包括疑似识别信息，包括：当接收到搜索线索信息时，从搜索线索信息中提取疑似目标人员的画像元素；基于画像元素进行画像，生成疑似目标人员信息。

其中，画像元素是指用于人脸画像的元素，如性别、脸型、肤色、发型、五官特点等信息或者人脸图像的特征信息，如轮廓特征信息。具体地，可以通过机器学习模型进行人脸画像，即将画像元素作为机器学习模型的输入，将模型输出结果作为疑似目标人员信息，从而生成疑似目标人员信息。

在一个实施例中，根据搜索轨迹确定目标人员，包括：对搜索轨迹进行分析，统计在预设第二区域的第二频次；根据第二频次和第一相似度，确定研判人员的嫌疑度；根据嫌疑度确定目标人员。

其中，嫌疑度是指研判人员属于目标人员的概率，具体地，对搜索轨迹进行分析，统计在预设第二区域的第二频次，根据第二频次和第一相似度，可以采用如下方式计算研判人员的嫌疑度：

Y=max(P/N,X);

上述公式中，Y为研判人员的嫌疑度，P为第二频次，N为预设频次阈值，为已知常量，max为取最大值的数学符号。也可以通过已训练的嫌疑度预测模型预测研判人员的嫌疑度，已训练的嫌疑度预测模型为基于机器学习的线性模型，具体为：Y＝a+b*max(P/N,X)，其中，a和b均为已训练的嫌疑度预测模型的系数，通过多个历史第二频次、历史第一相似度和历史嫌疑度进行拟合得出。然后，根据嫌疑度的大小判定研判人员是否为目标人员。本实施例中，通过对第二频次和第一相似度进行分析，实现了对嫌疑度的量化计算，使得目标人员的确定方式更加直观准确。

在一个实施例中，根据搜索时空范围确定第一时空范围，包括：确定搜索时空范围对应的时间段和区域；将时间段和区域作为已训练的时空范围预测模型的输入，将已训练的时空范围预测模型输出结果确定为第一时空范围。

具体地，为了避免无效搜索或者有价值信息的遗漏，第一时空范围中的时间段的跨度和区域跨度需要保证合适，如果设置过大（全城或者跨市），需要调取或采集的视频或者图像数据越多，影响分析结果速度；如果区域设置过小，使得分析出的线索较少，对目标人员搜索的参考价值较小。因此，需要保证选择第一时空范围的合理性，可以采用已训练的时空范围预测模型进行预测，通过构建历史搜索时空范围和历史第一时空范围的训练数据对，利用该训练数据对对预先选定的机器学习模型，如LSTM（长短时记忆模型）、 BF（贝叶斯滤波模型）等进行训练，从而得到基于搜索时空范围对应的时间段和区域即可确定第一时空范围的时空范围预测模型，实现了对第一时空范围的预测。

需要说明的是，还可以针对实际场景，当搜索时空范围包括案发工具时，还可以基于电子地图和案发工具，确定购买案发工具的商店，将商店所在的区域输入模型进行训练，提高时空范围预测模型的泛化性，进而得到更为合理的第一时空范围。

在一个实施例中，生物特征包括人脸图像，对生物特征进行聚类分析，得到人员档案库，包括：从全量视频数据中获取人脸图像集合；从人脸图像集合中随机选取一个参考人脸图像；将参考人脸图像与人脸图像集合中剩余的人脸图像分别进行相似度计算；若存在相似度大于预设第三相似度阈值的人脸图像，则将相似度大于预设第三相似度阈值的人脸图像确定为参考人脸图像的关联人脸图像；将参考人脸图像以及参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库；重复参考人脸图像的执行步骤，直至人脸图像集合中的各人脸图像存储至初始人脸聚类库；对初始人脸聚类库中各个参考人脸分类组确定人员标识，并确定每个人员标识的对应的轨迹，得到人员档案库。

具体地，从人脸图像集合中随机选取一个参考人脸图像，然后，将参考人脸图像与人脸图像集合中剩余的人脸图像分别进行相似度计算，其计算公式为：

其中，x_k,y_k分别表示参考人脸图像中第k个特征向量、剩余的一个人脸图像的第k个特征向量，d(x,y)表示为参考人脸图像与人脸图像集合中剩余的一个人脸图像中的相似度。其中的特征向量可以采用人工特征提取对人脸图像进行提取得到，如，主成分分析特征（PCA）、局部二值模式特征（LBP）等。若存在相似度大于预设第三相似度阈值的人脸图像，则将相似度大于预设第三相似度阈值的人脸图像确定为参考人脸图像的关联人脸图像，将参考人脸图像以及参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库。并且重复参考人脸图像的执行步骤，在人脸图像集合中不再剩下人脸图像的情况下，说明人脸图像集合中的所有人脸图像全部分类完毕，对初始人脸聚类库中各个参考人脸分类组确定人员标识，并确定每个人员标识的对应的轨迹，可以基于电子地图确定每个人员标识的轨迹，得到人员档案库，从而实现了人员档案库的构建。

如图3所示，在一个实施例中，提出了一种目标人员搜索装置，包括：

第一确定模块302，用于从人员档案库中确定至少一个人员标识，作为研判人员标识，其中，所述人员档案库为第一时空范围下的人员档案库，所述人员档案库包括多个人员标识、每个人员标识对应的标准识别信息及每个人员标识对应的轨迹；

获取模块304，用于获取历史参考人员数据库，所述历史参考人员数据库包括多个参考人员对应的参考识别信息，所述历史参考人员数据库是所述第一时空范围之前搜索到的人员的识别信息组成的；

计算模块306，用于计算所述研判人员标识对应的标准识别信息与各个参考识别信息的多个第一相似度；

第二确定模块308，用于若多个所述第一相似度中存在大于预设第一相似度阈值的第一相似度，则在所述人员档案库中获取所述研判人员标识对应的轨迹确定为搜索轨迹；

第三确定模块310，用于根据所述搜索轨迹确定目标人员。

在一个实施例中，第一确定模块包括：

第一获取单元，用于在存在疑似目标人员信息的情况下，获取疑似目标人员信息，所述疑似目标人员信息包括疑似识别信息；

计算单元，用于计算所述疑似识别信息与所述人员档案库中各个所述标准识别信息的多个第二相似度；

第一确定单元，用于若多个所述第二相似度中存在大于预设第二相似度阈值的第二相似度，则将所述第二相似度对应的所述人员标识确定为研判人员标识；

分析单元，用于若不存在大于所述预设第二相似度阈值的所述第二相似度或不存在疑似目标人员信息，则对每个人员标识对应的轨迹进行分析，确定每个人员标识在预设第一区域的第一频次；

第二确定单元，用于根据各个所述第一频次确定所述研判人员标识。

在一个实施例中，该目标人员搜索装置还包括：

第二获取模块，用于采集当前时空范围下的全量视频数据，并获取搜索时空范围；

第四确定模块，用于根据所述搜索时空范围确定第一时空范围；

提取模块，用于提取所述全量视频数据中包含的生物特征；

聚类模块，用于对所述生物特征进行聚类分析，得到所述人员档案库。

在一个实施例中，第一获取单元包括：

提取子单元，用于当接收到搜索线索信息时，从所述搜索线索信息中提取疑似目标人员的画像元素；

画像子单元，用于基于所述画像元素进行画像，生成所述疑似目标人员信息。

在一个实施例中，第三确定模块包括：

第二计算单元，用于对所述搜索轨迹进行分析，统计在预设第二区域的第二频次；

第三确定单元，用于根据所述第二频次和所述第一相似度，确定所述研判人员的嫌疑度；

第四确定单元，用于根据所述嫌疑度确定所述目标人员。

在一个实施例中，第四确定模块包括：

第五确定单元，用于确定所述搜索时空范围对应的时间段和区域；

第六确定单元，用于将所述时间段和所述区域作为已训练的时空范围预测模型的输入，将所述已训练的时空范围预测模型输出结果确定为所述第一时空范围。

在一个实施例中，聚类模块包括：

第三获取单元，用于从所述全量视频数据中获取人脸图像集合；

选取单元，用于从所述人脸图像集合中随机选取一个参考人脸图像；

第三计算单元，用于将所述参考人脸图像与所述人脸图像集合中剩余的人脸图像分别进行相似度计算；

第七确定单元，用于若存在相似度大于预设第三相似度阈值的人脸图像，则将相似度大于预设第三相似度阈值的人脸图像确定为所述参考人脸图像的关联人脸图像；

存储单元，用于将所述参考人脸图像以及所述参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库；

第四计算单元，用于重复所述参考人脸图像的执行步骤，直至所述人脸图像集合中的各人脸图像存储至所述初始人脸聚类库；

第八确定单元，用于对所述初始人脸聚类库中各个所述参考人脸分类组确定所述人员标识，并确定每个人员标识的对应的轨迹，得到所述人员档案库。

图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器，所述服务器包括但不限于高性能计算机和高性能计算机集群。如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现目标人员搜索方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行目标人员搜索方法。本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的目标人员搜索方法可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成目标人员搜索装置的各个程序模板。比如，第一确定模块302，获取模块304，计算模块306，第二确定模块308，第三确定模块310。

一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述目标人员搜索方法中的步骤。

一种计算机可读存储介质，计算机可读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上述目标人员搜索方法中的步骤。

本领域普通技术人员可以理解实现上述实施例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，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims

1.一种目标人员搜索方法，其特征在于，包括：

从人员档案库中确定至少一个人员标识，作为研判人员标识，其中，所述人员档案库为第一时空范围下的人员档案库，所述人员档案库包括多个人员标识、每个人员标识对应的标准识别信息及每个人员标识对应的轨迹，包括：在存在疑似目标人员信息的情况下，获取疑似目标人员信息，所述疑似目标人员信息包括疑似识别信息；

计算所述疑似识别信息与所述人员档案库中各个所述标准识别信息的多个第二相似度；

若多个所述第二相似度中存在大于预设第二相似度阈值的第二相似度，则将所述第二相似度对应的所述人员标识确定为研判人员标识；

若不存在大于所述预设第二相似度阈值的所述第二相似度或不存在疑似目标人员信息，则对每个人员标识对应的轨迹进行分析，确定每个人员标识在预设第一区域的第一频次；

根据各个所述第一频次确定所述研判人员标识；

获取历史参考人员数据库，所述历史参考人员数据库包括多个参考人员对应的参考识别信息，所述历史参考人员数据库是所述第一时空范围之前搜索到的人员的识别信息组成的，其中，所述识别信息是指生物特征信息；

根据所述搜索轨迹确定目标人员，包括：对所述搜索轨迹进行分析，统计在预设第二区域的第二频次；

根据所述第二频次和所述第一相似度，确定所述研判人员的嫌疑度；

根据所述嫌疑度确定所述目标人员。

2.如权利要求1所述的目标人员搜索方法，其特征在于，所述人员档案库为第一时空范围下的人员档案库，在所述从人员档案库中确定至少一个人员标识，作为研判人员标识之前，所述方法还包括：

采集当前时空范围下的全量视频数据，并获取搜索时空范围；

根据所述搜索时空范围确定第一时空范围；

提取所述全量视频数据中包含的生物特征；

对所述生物特征进行聚类分析，得到所述人员档案库。

3.如权利要求1所述的目标人员搜索方法，其特征在于，所述获取疑似目标人员信息，所述疑似目标人员信息包括疑似识别信息，包括：

当接收到搜索线索信息时，从所述搜索线索信息中提取疑似目标人员的画像元素；

基于所述画像元素进行画像，生成所述疑似目标人员信息。

4.如权利要求2所述的目标人员搜索方法，其特征在于，根据所述搜索时空范围确定第一时空范围，包括：

确定所述搜索时空范围对应的时间段和区域；

将所述时间段和所述区域作为已训练的时空范围预测模型的输入，将所述已训练的时空范围预测模型输出结果确定为所述第一时空范围。

5.如权利要求2所述的目标人员搜索方法，其特征在于，所述生物特征包括人脸图像，所述对所述生物特征进行聚类分析，得到所述人员档案库，包括：

从所述全量视频数据中获取人脸图像集合；

从所述人脸图像集合中随机选取一个参考人脸图像；

将所述参考人脸图像与所述人脸图像集合中剩余的人脸图像分别进行相似度计算；

若存在相似度大于预设第三相似度阈值的人脸图像，则将相似度大于预设第三相似度阈值的人脸图像确定为所述参考人脸图像的关联人脸图像；

将所述参考人脸图像以及所述参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库；

重复所述参考人脸图像的执行步骤，直至所述人脸图像集合中的各人脸图像存储至所述初始人脸聚类库；

对所述初始人脸聚类库中各个所述参考人脸分类组确定所述人员标识，并确定每个人员标识的对应的轨迹，得到所述人员档案库。

6.一种目标人员搜索装置，其特征在于，所述目标人员搜索装置包括：

第一确定模块，用于从人员档案库中确定至少一个人员标识，作为研判人员标识，其中，所述人员档案库为第一时空范围下的人员档案库，所述人员档案库包括多个人员标识、每个人员标识对应的标准识别信息及每个人员标识对应的轨迹，包括：在存在疑似目标人员信息的情况下，获取疑似目标人员信息，所述疑似目标人员信息包括疑似识别信息；

根据各个所述第一频次确定所述研判人员标识；

获取模块，用于获取历史参考人员数据库，所述历史参考人员数据库包括多个参考人员对应的参考识别信息，所述历史参考人员数据库是所述第一时空范围之前搜索到的人员的识别信息组成的，其中，所述识别信息是指生物特征信息；

第三确定模块，用于根据所述搜索轨迹确定目标人员，包括：对所述搜索轨迹进行分析，统计在预设第二区域的第二频次；

根据所述嫌疑度确定所述目标人员。

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至5任一项所述目标人员搜索方法的步骤。

8.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述目标人员搜索方法的步骤。