CN114550255A - 一种未知身份人员的身份确定方法及储存介质 - Google Patents

Abstract

本申请涉及人脸识别技术领域，尤其是涉及一种未知身份人员的身份确定方法，其先获取人脸抓拍机中的人脸抓拍数据，然后对未知身份人员抓拍记录进行过滤并形成未知身份人员档案聚集数据，之后获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后一段时间内的未知身份人员抓拍记录和已识别人员抓拍记录，将获取的所述未知身份人员抓拍记录与所述已识别人员抓拍记录建立同一设备相邻抓拍时间的同行关系，最后通过所述未知身份人员同行关系网络，查找与未知身份人员具有同行关系的已识别人员的身份以确定未知身份人员的身份，从而实现对未知身份人员的轨迹进行聚集分析，获取未知身份人员同行关系的相关轨迹记录并确定未知身份人员的身份。

Description

一种未知身份人员的身份确定方法及储存介质

技术领域

本申请涉及人脸识别技术领域，尤其是涉及一种未知身份人员的身份确定方法及储存介质。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

现有技术中通过对人脸抓拍机的抓拍人脸进行人脸识别，并对已识别身份人员的抓拍轨迹进行聚集，且对这些已识别人员抓拍轨迹进行聚合处理，实现已识别人员之间的同行关系建立。但是，现有技术无法对未知身份人员的轨迹进行聚集分析，无法获取未知身份人员同行关系的相关轨迹记录以确定未知身份人员的身份。

发明内容

针对上述现有技术无法对未知身份人员的轨迹进行聚集分析，无法获取未知身份人员同行关系的相关轨迹记录以确定未知身份人员的身份的问题，本申请提供了一种未知身份人员的身份确定方法及储存介质。

第一方面，本申请提供了一种未知身份人员的身份确定方法，其特征在于，包括以下步骤：

S1：获取人脸抓拍数据,将所述人脸抓拍数据与人脸抓拍机中的Elasticsearch人脸比对引擎底库进行对比，对未知身份人员抓拍记录进行过滤并形成未知身份人员档案聚集数据；

所述S1具体包括以下步骤：

S11：获取人脸抓拍数据,将所述人脸抓拍数据与人脸抓拍机中的Elasticsearch人脸比对引擎底库对比，获取对比结果满足和已识别人员相似度小于80％、图片质量分大于75且年龄介于10～70之间的数据，形成未知身份人员待聚档数据；

S12：将所述未知身份人员待聚档数据与未知身份人员底库中的每个未知身份人员数据分别进行对比，所述未知身份人员底库由所述Elasticsearch人脸比对引擎底库建立，若对比结果为所述未知身份人员待聚档数据与未知身份人员底库中每个未知身份人员数据的相似度均小于80％，则进行S13，否则进行S14；

S13：将所述未知身份人员待聚档数据中的未知身份人员特征数据录入到所述未知身份人员底库，并将所述未知身份人员待聚档数据中的特征抓拍信息录入MongoDB未知身份人员底库表，执行S16；

S14：获取与未知身份人员底库中的未知身份人员数据相似度大于80％的未知身份人员待聚档数据进行轨迹归档；

S15：更新所述MongoDB未知身份人员底库表的抓拍轨迹次数，执行S16；

S16：结束聚档，形成未知身份人员档案聚集数据；

S2：设定时间点gatherTime，获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后一段时间内的未知身份人员抓拍记录，若所述未知身份人员抓拍记录数据为空，则执行S6，否则执行S3；

S3：获取所述时间点gatherTime前后一段时间内的已识别人员抓拍记录；

S4：将获取的所述未知身份人员抓拍记录与所述已识别人员抓拍记录建立同一设备相邻抓拍时间的同行关系；

S5：将所述同行关系录入或更新至Neo4j图数据库；

S6：完成未知身份人员同行关系网络的建立；

S7：通过所述未知身份人员同行关系网络，查找与未知身份人员具有同行关系的已识别人员的身份以确定未知身份人员的身份。

通过采用上述技术方案，先获取人脸抓拍机中的人脸抓拍数据，然后对未知身份人员抓拍记录进行过滤并形成未知身份人员待聚档数据，之后将所述未知身份人员待聚档数据与未知身份人员底库中的每个未知身份人员数据分别进行对比，根据相似度对未知身份人员底库中的未知身份人员数据进行更新以形成未知身份人员档案聚集数据，之后获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后一段时间内的未知身份人员抓拍记录和已识别人员抓拍记录，将获取的所述未知身份人员抓拍记录与所述已识别人员抓拍记录建立同一设备相邻抓拍时间的同行关系，然后将所述同行关系录入或更新至Neo4j图数据库，最后通过所述未知身份人员同行关系网络，查找与未知身份人员具有同行关系的已识别人员的身份以确定未知身份人员的身份，从而实现对未知身份人员的轨迹进行聚集分析，获取未知身份人员同行关系的相关轨迹记录并确定未知身份人员的身份。

优选的，所述S14具体包括以下步骤：

S141：获取与未知身份人员底库中的未知身份人员数据相似度大于80％的数据进行轨迹归档，并执行S142；

S142：若获取的未知身份人员待聚档数据的质量分大于所述MongoDB未知身份人员底库表的未知身份人员数据的质量分，则执行S143，否则执行S15；

S143：将获取的未知身份人员待聚档数据的特征抓拍信息更新到所述MongoDB未知身份人员底库表，然后将获取的未知身份人员待聚档数据的人脸特征更新到所述未知身份人员底库，执行S15。

通过采用上述技术方案，通过比未知身份人员待聚档数据的质量分和MongoDB未知身份人员底库表的未知身份人员数据的质量分进行对比，然后根据判定条件更新MongoDB未知身份人员底库表的特征抓拍信息和未知身份人员底库人脸特征，有利于提高未知身份人员档案聚集数据的质量。

优选的，所述S2具体包括以下步骤：设定时间点gatherTime，获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后20秒内的未知身份人员抓拍记录，若所述未知身份人员抓拍记录数据为空，则执行S6，否则执行S3。

通过采用上述技术方案，通过获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后20秒内的未知身份人员抓拍记录，用于提高未知身份人员抓拍记录的有效性。

优选的，所述S3具体包括以下步骤：以存在已识别人员身份且与未知身份人员抓拍记录相似度大于80％为条件，获取所述时间点gatherTime前后20秒内的已识别人员抓拍记录。

通过采用上述技术方案，以存在已识别人员身份且与未知身份人员抓拍记录相似度大于80％为条件，获取所述时间点gatherTime前后20秒内的已识别人员抓拍记录，用于提高已识别人员抓拍记录的有效性。

优选的，所述S5中的同行关系包括未知身份人员与已识别人员的同行关系和未知身份人员与未知身份人员的同行关系。

通过采用上述技术方案，由于同行关系包括未知身份人员与已识别人员的同行关系和未知身份人员与未知身份人员的同行关系，方便后续对未知身份人员的轨迹进行聚集分析。

优选的，所述未知身份人员与已识别人员的同行关系的存储节点结构具体为：

(n1:UnPerson)-[r:CameraRel]-(n2:Person)；

所述未知身份人员与未知身份人员的同行关系存储节点结构具体为：

(n1:UnPerson)-[r:CameraRel]-(n2:UnPerson)；

其中n1和n2为节点名称，UnPerson表示未知身份人员标签，Person表示已识别人员标签；r表示关系名称，CameraRel表示关系标签。

通过采用上述技术方案，通过上述未知身份人员与已识别人员的同行关系的存储节点结构与未知身份人员与未知身份人员的同行关系存储节点结构方便后续对未知身份人员的同行关系进行查询。

优选的，所述关系r包括同行次数count、最后同行时间lastTime和同行抓拍记录together。

通过采用上述技术方案，由于关系r包括同行次数count、最后同行时间lastTime和同行抓拍记录together，从而能够有效的对未知身份人员的同行关系进行查询。

优选的，所述S14中的轨迹归档具体为：将获取的所述未知身份人员待聚档数据中的轨迹抓拍信息录入MongoDB未知身份人员轨迹表。

通过采用上述技术方案，通过将获取的所述未知身份人员待聚档数据中的轨迹抓拍信息录入MongoDB未知身份人员轨迹表以实现轨迹归档。

优选的，所述轨迹抓拍信息包括未知身份人员底库ID、抓拍ID、抓拍设备ID、相似度以及抓拍时间。

第二方面，本申请提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。

本申请提出了一种未知身份人员的身份确定方法，通过获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后一段时间内的未知身份人员抓拍记录和已识别人员抓拍记录，将获取的所述未知身份人员抓拍记录与所述已识别人员抓拍记录建立同一设备相邻抓拍时间的同行关系，然后将所述同行关系录入或更新至Neo4j图数据库，最后通过所述未知身份人员同行关系网络，查找与未知身份人员具有同行关系的已识别人员的身份以确定未知身份人员的身份，从而实现对未知身份人员的轨迹进行聚集分析，获取未知身份人员同行关系的相关轨迹记录并确定未知身份人员的身份。

附图说明

包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。

图1是本申请实施例一种未知身份人员的身份确定方法的流程图。

图2是本申请一个实施例中的未知身份人员的身份确定方法的步骤S1的具体流程示意图。

图3是本申请一个实施例中的一种未知身份人员的身份确定方法的步骤S14的具体流程示意图。

图4是本申请一个实施例中的未知身份人员与已识别人员的同行关系以及未知身份人员与未知身份人员的同行关系的结构示意图。

图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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。

参照图1，本申请实施例公开的一种未知身份人员的身份确定方法，包括以下步骤：

S1：获取人脸抓拍数据,将所述人脸抓拍数据与人脸抓拍机中的Elasticsearch人脸比对引擎底库进行对比，对未知身份人员抓拍记录进行过滤并形成未知身份人员档案聚集数据。

在本实施例的一些可选的实现方式中，如图2所示，上述执行主体可以按照如下步骤完成步骤S1的过程：

S11：获取人脸抓拍数据,将所述人脸抓拍数据与人脸抓拍机中的Elasticsearch人脸比对引擎底库对比，获取对比结果满足和已识别人员相似度小于80％、图片质量分大于75且年龄介于10～70之间的数据，形成未知身份人员待聚档数据。

Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，具有实时搜索，稳定，可靠，快速以及安装使用方便的优点。

S12：将所述未知身份人员待聚档数据与未知身份人员底库中的每个未知身份人员数据分别进行对比，所述未知身份人员底库由所述Elasticsearch人脸比对引擎底库建立，若对比结果为所述未知身份人员待聚档数据与未知身份人员底库中每个未知身份人员数据的相似度均小于80％，则进行S13，否则进行S14。

其中，将所述未知身份人员待聚档数据与未知身份人员底库中的每个未知身份人员数据分别进行对比,从而实现将所述未知身份人员待聚档数据未知身份人员底库进行1:N搜索。

S13：将所述未知身份人员待聚档数据中的未知身份人员特征数据录入到所述未知身份人员底库，并将所述未知身份人员待聚档数据中的特征抓拍信息录入MongoDB未知身份人员底库表，执行S16。其中，特征抓拍信息包括未知身份人员ID、抓拍ID、抓拍设备ID、特征、抓拍轨迹次数、质量分等。

在本实施例中，MongoDB未知身份人员底库表的结构如下：

MongoDB数据库是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。

S14：获取与未知身份人员底库中的未知身份人员数据相似度大于80％的未知身份人员待聚档数据进行轨迹归档；

在本实施例的一些可选的实现方式中，参照图3，上述执行主体可以按照如下步骤完成步骤S14的过程：

S141：获取与未知身份人员底库中的未知身份人员数据相似度大于80％的数据进行轨迹归档，并执行S142；

在具体的实施例中，步骤S14中的轨迹归档具体为：将获取的所述未知身份人员待聚档数据中的轨迹抓拍信息录入MongoDB未知身份人员轨迹表。其中，轨迹抓拍信息包括未知身份人员底库ID、抓拍ID、抓拍设备ID、相似度以及抓拍时间等。

在具体的实施例中，MongoDB未知身份人员轨迹表的结构具体为：

S142：若获取的未知身份人员待聚档数据的质量分大于所述MongoDB未知身份人员底库表的未知身份人员数据的质量分，则执行S143，否则执行S15；

S143：将获取的未知身份人员待聚档数据的特征抓拍信息更新到所述MongoDB未知身份人员底库表，然后将获取的未知身份人员待聚档数据的人脸特征更新到所述未知身份人员底库，执行S15。

S15：更新所述MongoDB未知身份人员底库表的抓拍轨迹次数，执行S16；

S16：结束聚档，形成未知身份人员档案聚集数据；

S2：设定时间点gatherTime，获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后一段时间内的未知身份人员抓拍记录，若所述未知身份人员抓拍记录数据为空，则执行S6，否则执行S3；

在具体的实施例中，S2具体包括以下步骤：设定时间点gatherTime，获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后20秒内的未知身份人员抓拍记录，若所述未知身份人员抓拍记录数据为空，则执行S6，否则执行S3。

S3：获取所述时间点gatherTime前后一段时间内的已识别人员抓拍记录；

在具体的实施例中，S3具体包括以下步骤：以存在已识别人员身份且与未知身份人员抓拍记录相似度大于80％为条件，获取所述时间点gatherTime前后20秒内的已识别人员抓拍记录。

S4：将获取的所述未知身份人员抓拍记录与所述已识别人员抓拍记录建立同一设备相邻抓拍时间的同行关系；

S5：将所述同行关系录入或更新至Neo4j图数据库；

Neo4j图数据库是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。

在具体的实施例中，S5中的同行关系包括未知身份人员与已识别人员的同行关系以及未知身份人员与未知身份人员的同行关系。

参照图4，所述未知身份人员与已识别人员的同行关系的存储节点结构具体为：

(n1:UnPerson)-[r:CameraRel]-(n2:Person)；

所述未知身份人员与未知身份人员的同行关系存储节点结构具体为：

(n1:UnPerson)-[r:CameraRel]-(n2:UnPerson)；

其中，n1和n2为节点名称，UnPerson表示未知身份人员标签，Person表示已识别人员标签；r表示关系名称，CameraRel表示关系标签。关系r包括同行次数count、最后同行时间lastTime和同行抓拍记录together。

在本实施例中，Neo4j图数据库中存储样式如下：

[{"id":"personId1"},{"lastTime":1619799117000,"count":1,"together":["personId1:captureId；personId2:captureId2"]},{"id":"personId2"}]

S6：完成未知身份人员同行关系网络的建立；

S7：通过所述未知身份人员同行关系网络，查找与未知身份人员具有同行关系的已识别人员的身份以确定未知身份人员的身份。

下面参考图5，其示出了适于用来实现本申请实施例的电子设备的计算机系统100的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统100包括中央处理单元(CPU)101，其可以根据存储在只读存储器(ROM)102中的程序或者从存储部分108加载到随机访问存储器(RAM)103中的程序而执行各种适当的动作和处理。在RAM 103中，还存储有系统100操作所需的各种程序和数据。CPU 101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。

以下部件连接至I/O接口105：包括键盘、鼠标等的输入部分106；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分107；包括硬盘等的存储部分108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分109。通信部分109经由诸如因特网的网络执行通信处理。驱动器110也根据需要连接至I/O接口105。可拆卸介质111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器110上，以便于从其上读出的计算机程序根据需要被安装入存储部分108。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分109从网络上被下载和安装，和/或从可拆卸介质111被安装。在该计算机程序被中央处理单元(CPU)101执行时，执行本申请的方法中限定的上述功能。

作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行时实现如图1中所示的方法。

需要说明的是，本申请所述的计算机可读存储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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中，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。而在本申请中，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存储介质，该计算机可读存储介质可以发送、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。计算机可读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申请的操作的计算机程序代码，所述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服务器上执行。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)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取模块、第一训练模块、第二训练模块和第一确定模块。其中，这些模块的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取模块还可以被描述为“用于获取多个样本图像帧序列的模块”。

虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。

Claims (10)

1.一种未知身份人员的身份确定方法，其特征在于，包括以下步骤：

S1：获取人脸抓拍数据,将所述人脸抓拍数据与人脸抓拍机中的Elasticsearch人脸比对引擎底库进行对比，对未知身份人员抓拍记录进行过滤并形成未知身份人员档案聚集数据；

所述S1具体包括以下步骤：

S11：获取人脸抓拍数据,将所述人脸抓拍数据与人脸抓拍机中的Elasticsearch人脸比对引擎底库对比，获取对比结果满足和已识别人员相似度小于80％、图片质量分大于75且年龄介于10～70之间的数据，形成未知身份人员待聚档数据；

S12：将所述未知身份人员待聚档数据与未知身份人员底库中的每个未知身份人员数据分别进行对比，所述未知身份人员底库由所述Elasticsearch人脸比对引擎底库建立，若对比结果为所述未知身份人员待聚档数据与未知身份人员底库中每个未知身份人员数据的相似度均小于80％，则进行S13，否则进行S14；

S13：将所述未知身份人员待聚档数据中的未知身份人员特征数据录入到所述未知身份人员底库，并将所述未知身份人员待聚档数据中的特征抓拍信息录入MongoDB未知身份人员底库表，执行S16；

S14：获取与所述未知身份人员底库中的未知身份人员数据相似度大于80％的未知身份人员待聚档数据进行轨迹归档；

S15：更新所述MongoDB未知身份人员底库表中的未知身份人员抓拍轨迹次数，执行S16；

S16：结束聚档，形成未知身份人员档案聚集数据；

S2：设定时间点gatherTime，获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后一段时间内的未知身份人员抓拍记录，若所述未知身份人员抓拍记录数据为空，则执行S6，否则执行S3；

S3：获取所述时间点gatherTime前后一段时间内的已识别人员抓拍记录；

S4：将获取的所述未知身份人员抓拍记录与所述已识别人员抓拍记录建立同一设备相邻抓拍时间的同行关系；

S5：将所述同行关系录入或更新至Neo4j图数据库；

S6：完成未知身份人员同行关系网络的建立；

S7：通过所述未知身份人员同行关系网络，查找与未知身份人员具有同行关系的已识别人员的身份以确定未知身份人员的身份。

2.根据权利要求1所述的一种未知身份人员的身份确定方法，其特征在于，所述S14具体包括以下步骤：

S141：获取与所述未知身份人员底库中的未知身份人员数据相似度大于80％的未知身份人员待聚档数据进行轨迹归档，并执行S142；

S142：若获取的所述未知身份人员待聚档数据的质量分大于所述MongoDB未知身份人员底库表的未知身份人员数据的质量分，则执行S143，否则执行S15；

S143：将获取的所述未知身份人员待聚档数据的特征抓拍信息更新到所述MongoDB未知身份人员底库表，然后将获取的所述未知身份人员待聚档数据的人脸特征更新到所述未知身份人员底库，执行S15。

3.根据权利要求1所述的一种未知身份人员的身份确定方法，其特征在于，所述S2具体包括以下步骤：设定时间点gatherTime，获取所述未知身份人员档案聚集数据在所述时间点gatherTime前后20秒内的未知身份人员抓拍记录，若所述未知身份人员抓拍记录数据为空，则执行S6，否则执行S3。

4.根据权利要求3所述的一种未知身份人员的身份确定方法，其特征在于，所述S3具体包括以下步骤：以存在已识别人员身份且与未知身份人员抓拍记录相似度大于80％为条件，获取所述时间点gatherTime前后20秒内的已识别人员抓拍记录。

5.根据权利要求1-4任一所述的一种未知身份人员的身份确定方法，其特征在于，所述S5中的同行关系包括未知身份人员与已识别人员的同行关系以及未知身份人员与未知身份人员的同行关系。

6.根据权利要求5所述的一种未知身份人员的身份确定方法，其特征在于：所述未知身份人员与已识别人员的同行关系的存储节点结构具体为：

(n1:UnPerson)-[r:CameraRel]-(n2:Person)；

所述未知身份人员与未知身份人员的同行关系存储节点结构具体为：

(n1:UnPerson)-[r:CameraRel]-(n2:UnPerson)；

其中n1和n2为节点名称，UnPerson表示未知身份人员标签，Person表示已识别人员标签；r表示关系名称，CameraRel表示关系标签。

7.根据权利要求6所述的一种未知身份人员的身份确定方法，其特征在于，所述关系r包括同行次数count、最后同行时间lastTime和同行抓拍记录together。

8.根据权利要求1所述的一种未知身份人员的身份确定方法，其特征在于：所述S14中的轨迹归档具体为：将获取的所述未知身份人员待聚档数据中的轨迹抓拍信息录入MongoDB未知身份人员轨迹表。

9.根据权利要求8所述的一种未知身份人员的身份确定方法，其特征在于：所述轨迹抓拍信息包括未知身份人员底库ID、抓拍ID、抓拍设备ID、相似度以及抓拍时间。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。

Images