CN114998839A - 一种基于层级分布的数据管理方法以及系统 - Google Patents

Abstract

本发明适用于计算机领域，提供了一种基于层级分布的数据管理方法以及系统，所述方法包括：获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；识别异常影像片段中的相似子片段；将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；检测输入的目标关键词之间的关联度，本发明的有益效果在于：极大地提高了用户对历史监控数据中异常情况甄选的效率，能够增进用户之间对于极有可能存在关联异常情况的进一步相互了解，为关注不同的层级区域相似子片段中的不同可疑目标提供了可靠参考。

Description

一种基于层级分布的数据管理方法以及系统

技术领域

本发明属于计算机领域，尤其涉及一种基于层级分布的数据管理方法以及系统。

背景技术

数据是程序的操作对象，用于描述客观事物，数据可以输入到计算机、可以被计算机程序处理，数据中的概念包括：1、数据元素：组成数据的基本单位；2、数据项：一个数据元素由若干数据项组成；3、数据对象：性质相同的数据元素的集合。

监控数据是数据的一种，在当今社会中，监控数据和智能识别分析已经占据越来越重要的地位，在社会安全和社会基础设施资源调度等很多领域，都需要对目标地点通过监控设备进行监控，以获取监控数据，监控数据可以随着人为的设定进行实时定点采集或者定点定时采集，随着时间的增加和覆盖面积的扩大，监控数据的容量也会变大，造成大量的监控数据累积，形成海量监控数据，现有技术中对这些海量监控数据的管理一般都是通过人工逐个逐帧查看的。

发明人通过实施上述现有技术发现，对监控数据中异常情况进行查看时，面对海量监控数据，特别是涉及到两个以上的用户时，用户之间对监控数据中异常情况的查看效率低下。

发明内容

本发明实施例的目的在于提供一种基于层级分布的数据管理方法以及系统，旨在解决上述背景技术中提出的问题。

本发明实施例是这样实现的，一方面，一种基于层级分布的数据管理方法，所述方法包括以下步骤：

获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；

识别异常影像片段中的相似子片段；

将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；

检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；

当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；

允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存。

作为本发明的再进一步方案，所述获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的具体包括：

获取设定时间段内的监控数据；

获取若干正常照片，对监控数据中视频进行分帧处理，得到监控图像集合，分别检测监控图像集合中每帧图像、监控数据中照片与正常照片之间目标特征值的差异；

当所述差异超过预设差异阈值时，获取对应的监控图像子集合和照片，根据对应的照片截取满足第一设定时长的原监控数据，得到第一异常影像片段，根据对应的监控图像子集合获取满足第二设定时长的原监控数据，得到第二异常影像片段，所述异常影像片段包括第一异常影像片段和第二异常影像片段。

作为本发明的又进一步方案，所述目标特征值包括活动目标的特征数据和/或静止目标的特征数据。

作为本发明的进一步方案，所述识别异常影像片段中的相似子片段具体包括：

按照活动目标和静止目标组合的特征数据、活动目标的特征数据和静止目标的特征数据分别对异常影像片段进行识别归类，生成第一相似子片段；

按照第一相似子片段中对应的活动目标和静止目标之间的不同组合，对第一相似子片段中对应的相似子片段进行归类，生成第二相似子片段，其中，第二子片段中其它相似子片段的归类不变。

作为本发明的进一步方案，所述将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段具体包括：

根据历史监控数据溯源监控设备所在的网络传输地址，根据网络传输地址确定不同区域的地理位置；

将所述地理位置的距离差值不超过预设距离阈值的不同区域进行层级划分，生成层级区域；

将所有相似子片段按照层级区域进行排布，生成若干层级区域相似子片段。

作为本发明的进一步方案，所述方法还包括：

将若干层级区域相似子片段按照同等分帧条件进行分帧处理，得到层级区域图像集合；

统计不同层级区域对应的层级区域图像集合中活动目标和静止目标组合、活动目标以及静止目标分别出现的频次，建立不同层级区域中包含三者的可疑目标出现次数排名；

选取可疑目标出现次数排名中频次超过设定频次的可疑目标出现次数子排名，将可疑目标出现次数子排名与对应的若干层级区域相似子片段一一进行关联，得到若干层级区域相似子片段的子排名；

按照不同层级区域，按照所述子排名从高到低的顺序依次展示若干层级区域相似子片段，并且发出相应的关于可疑目标出现频次的预警提示；

接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段，选定的层级区域相似子片段来源于展示的若干层级区域相似子片段。

作为本发明的进一步方案，所述方法还包括：

当活动目标和静止目标组合出现频次排名第一时，发出一级预警提示；

当静止目标出现频次排名第一时，发出二级预警提示；

当活动目标出现频次排名第一时，发出三级预警提示。

作为本发明的进一步方案，另一方面，一种基于层级分布的数据管理系统，所述系统包括：

获取和检测模块，用于获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；

识别分类模块，用于识别异常影像片段中的相似子片段；

层级排布模块，用于将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；

关联度检测模块，用于检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；

接收模块，用于当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；

共享和输入模块，用于允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存。

所述获取和检测模块具体包括：

获取单元，用于获取设定时间段内的监控数据；

差异检测单元，用于获取若干正常照片，对监控数据中视频进行分帧处理，得到监控图像集合，分别检测监控图像集合中每帧图像、监控数据中照片与正常照片之间目标特征值的差异；

异常影像片段识别单元，用于当所述差异超过预设差异阈值时，获取对应的监控图像子集合和照片，根据对应的照片截取满足第一设定时长的原监控数据，得到第一异常影像片段，根据对应的监控图像子集合获取满足第二设定时长的原监控数据，得到第二异常影像片段，所述异常影像片段包括第一异常影像片段和第二异常影像片段。

本发明实施例提供的一种基于层级分布的数据管理方法以及系统，通过获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；识别异常影像片段中的相似子片段；将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存，极大地提高了用户对历史监控数据中异常情况甄选的效率，能够增进用户之间对于极有可能存在关联异常情况的进一步了解，方便联合监控；进一步的，有级别差异的预警提示，能够为工作人员对于层级区域相似子片段的选定起到较好的提示作用，为关注不同的层级区域相似子片段中的不同可疑目标提供了可靠参考。

附图说明

图1是一种基于层级分布的数据管理方法的主流程图。

图2是一种基于层级分布的数据管理方法中识别异常影像片段中的相似子片段的流程图。

图3是一种基于层级分布的数据管理方法中生成不同区域阶段距离差值对应的若干层级区域相似子片段的流程图。

图4是一种基于层级分布的数据管理方法中将若干层级区域相似子片段按照同等分帧条件进行分帧处理相关的流程图。

图5是一种基于层级分布的数据管理方法中发出相应级别的预警提示的流程图。

图6是一种基于层级分布的数据管理系统的主结构图。

图7是一种基于层级分布的数据管理系统中获取和检测模块的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述。

本发明提供的一种基于层级分布的数据管理方法以及系统，解决了背景技术中的技术问题。

如图1所示，为本发明的一个实施例提供的一种基于层级分布的数据管理方法的主流程图，所述一种基于层级分布的数据管理方法包括：

步骤S10：获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；

步骤S11：识别异常影像片段中的相似子片段；

步骤S12：将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；

步骤S13：检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；

步骤S14：当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；

步骤S15：允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存；保存后的数据便于后续回放和查看。

可以理解，这里的监控数据可不涉及到“人”，当涉及到“人”时，首先需要获取一定的数据处理权限或者隐私许可，在此不做赘述。

所述关联度达到预设关联度阈值时，表明两个用户需要了解的异常情况之间极有可能存在关联，异常情况包含于监控数据中；这里的关联度包括相似度和/或组合关联度，相似度，表示关键词之间的相似度，例如失窃和偷盗，表明偷盗造成失窃，或者，偷盗和失窃同时发生，具体的，例如深夜大门的打开以及有活动目标者手持撬棍；组合关联度，表示关键词之间的组合关联度，例如：遗失（物品）和拾取（物品），具体的，一处遗失物品、另一处有人捡到了物品等，在此不在举例，组合关联度实质可以理解为一种组合相似度，因为关键词之间均关联到了同一中心关键词，如上个例子中的物品，因此组合相似度是围绕中心关键词的相似。

具体的，应用到实际中，关键词之间的相似度识别的方式在此不做限定，目前，为了能够计算关键词之间的相似度，可以通过关键词匹配技术实现相似度的计算，其涉及的原理包括杰卡德相似系数，余弦距离，欧式距离，TFIDF等，具体选用哪一种方式进行识别，在此不做限定，且识别方式本身均为现有技术；

综上所述，上述具体实例表明两个用户需要了解的异常情况之间极有可能存在关联，此时通过接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段，极大地提高了用户对历史监控数据中异常情况甄选的效率，一般而言，层级区域内的异常情况有可能会接二连三的发生，其异常情况表现也比较相似，例如“作案”手法类似；

进一步的，通过允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存，能够增进用户之间对于极有可能存在关联异常情况的进一步了解，促进思维碰撞，提升用户交互体验，能够为层级区域内用户对关联异常情况提供良好的参考和导向，方便用户之间对极有可能存在关联异常情况形成联合监控，从而提高监控效率。

作为本发明的一种优选实施例，所述获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的具体包括：

步骤S101：获取设定时间段内的监控数据；

步骤S102：获取若干正常照片，对监控数据中视频进行分帧处理，得到监控图像集合，分别检测监控图像集合中每帧图像、监控数据中照片与正常照片之间目标特征值的差异；这里对目标特征值的差异的检测实际上涉及到图片之间的识别和检测，正常照片是检测的基准，正常照片包含活动目标的特征数据和/或静止目标在正常状态下的特征数据（下一个实施例将会详细介绍，在此不再叙述）。

步骤S103：当所述差异超过预设差异阈值时，获取对应的监控图像子集合和照片，根据对应的照片截取满足第一设定时长的原监控数据，得到第一异常影像片段，根据对应的监控图像子集合获取满足第二设定时长的原监控数据，得到第二异常影像片段，所述异常影像片段包括第一异常影像片段和第二异常影像片段。预设差异阈值可以表现为特征数据的有无或者设定的特征数据的差值，对于满足第一设定时长的原监控数据，一般以对应的照片为中心，前后延伸一段时长；对于满足第二设定时长的原监控数据，一般以对应的监控图像子集合为中心，前后延伸一段时长。

本实施例在应用时，考虑到监控数据由于部分卡顿等原因有可能会得到包含视频和图片的监控数据，并且分别截取满足第一设定时长的原监控数据和获取满足第二设定时长的原监控数据，保证减少异常情况的遗漏。

进一步的，所述目标特征值包括活动目标的特征数据和/或静止目标的特征数据。具体的，特征数据可以包括特征属性，例如活动目标的动作特征，静态目标的静态特征。活动目标可以包括人和/或者活动的物体，其中活动的物体，例如无人机；此时人的特征属性表现为人的举止动作的异常，如手持危险物体，无人机的异常动作可以表现为在晚上的异常侦察、摄像；而静态目标的静态特征，可以表现为：例如凌晨某位置大门的打开、公共建筑的异常损坏等；

如图2所示，作为本发明的一种优选实施例，所述识别异常影像片段中的相似子片段具体包括：

步骤S111：按照活动目标和静止目标组合的特征数据、活动目标的特征数据和静止目标的特征数据分别对异常影像片段进行识别归类，生成第一相似子片段；活动目标和静止目标组合，通俗来讲，就是在异常影像片段中不同的活动目标和静止目标的逐一组合，其可能是可疑的活动目标的异常动作正在造成静止目标异常情况发生；

步骤S112：按照第一相似子片段中对应的活动目标和静止目标之间的不同组合，对第一相似子片段中对应的相似子片段进行归类，生成第二相似子片段，其中，第二子片段中其它相似子片段的归类不变。

本实施例在应用时，识别异常影像片段中的相似子片段，实际是按照特征数据的不同对异常影像片段进行分类，得到第一相似子片段，进而按照活动目标和静止目标之间的不同组合，得到第二相似子片段。

相似子片段的识别可以是通过训练好的神经网络模型进行识别，识别的依据是预先训练好的特征数据（异常情况下的特征数据），具体的识别过程在此不做叙述，且识别本身的原理为现有技术；也可以通过对分帧后的图片一一进行识别，即相似图片的识别，其识别的模型可以是神经网络模型，也可以是其他现有技术中的技术模型，在此不做限定。

如图3所示，作为本发明的一种优选实施例，所述将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段具体包括：

步骤S121：根据历史监控数据溯源监控设备所在的网络传输地址，根据网络传输地址确定不同区域的地理位置；网络传输地址优选为IP地址，IP地址（IP Address），即互联网协议地址（Internet Protocol Address，又译为网际协议地址），是IP协议提供的一种统一的地址格式；也可以是对各个子区域的监控设备事先标记的区域地址；

步骤S122：将所述地理位置的距离差值不超过预设距离阈值的不同区域进行层级划分，生成层级区域；

步骤S123：将所有相似子片段按照层级区域进行排布，生成若干层级区域相似子片段。

根据网络传输地址确定不同区域的地理位置，进而将所述地理位置的距离差值不超过预设距离阈值的不同区域进行层级划分，生成层级区域，提高层级区域区分的运算效率，因为不同的监控数据经过传输时有对应的网络传输地址，因此只需要识别网络传输地址就可确定地理位置。当然，还可以通过层级区域内的标志物来识别地理位置，例如标志建筑物，在此不再赘述。

如图4所示，作为本发明的一种优选实施例，所述方法还包括：

步骤S201：将若干层级区域相似子片段按照同等分帧条件进行分帧处理，得到层级区域图像集合；这里的同等分帧条件包括：对相同清晰度的相似子片段按照相同的帧率或者差别不大的帧率划分，保证后续可疑目标出现频次统计的可靠性，例如17FPS，FPS（Frame per Second）即每秒显示帧数，FPS 是图像领域中的定义，是指画面每秒传输帧数，通俗来讲就是指动画或视频的画面数。

步骤S202：统计不同层级区域对应的层级区域图像集合中活动目标和静止目标组合、活动目标以及静止目标分别出现的频次，建立不同层级区域中包含三者的可疑目标出现次数排名；层级区域图像集合中的活动目标和静止目标组合表示有可能是可疑的活动目标的异常动作正在导致静止目标异常情况发生；层级区域图像集合中的活动目标表示活动目标有异常动作，其行为比较可疑；层级区域图像集合中的静止目标表示已经可能有异常情况发生；这里的统计应当理解为：先识别后计算活动目标和静止目标组合、活动目标以及静止目标分别出现的频次。

步骤S203：选取可疑目标出现次数排名中频次超过设定频次的可疑目标出现次数子排名，将可疑目标出现次数子排名与对应的若干层级区域相似子片段一一进行关联，得到若干层级区域相似子片段的子排名；也就是说，将可疑目标出现次数子排名赋予给若干层级区域相似子片段；设定频次可以根据经验进行设定，例如2次。

步骤S204：按照不同层级区域，按照所述子排名从高到低的顺序依次展示若干层级区域相似子片段，并且发出相应的关于可疑目标出现频次的预警提示；这里的展示可以是播放相关层级区域相似子片段；

步骤S205：接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段，选定的层级区域相似子片段来源于展示的若干层级区域相似子片段。

如图5所示，在本实施例的一种情况中，所述方法还包括：

步骤S301：当活动目标和静止目标组合出现频次排名第一时，发出一级预警提示；活动目标和静止目标组合出现频次排名第一，表明在该层级区域内，已经出现异常情况的可能性极大，需要重点关注；

步骤S302：当静止目标出现频次排名第一时，发出二级预警提示；静止目标出现频次排名第一，表明在该层级区域内，静止目标有可能是活动目标造成的异常情况，需要引起警戒和关注；

步骤S303：当活动目标出现频次排名第一时，发出三级预警提示。活动目标出现频次排名第一，表明在该层级区域内，活动目标有造成或者引起异常情况发生的嫌疑，需要引起关注。

本实施例是对前述实施例进一步的拓展，可以理解的是，一级预警提示、二级预警提示、三级预警提示的预警级别依次降低，具体的预警提示的形式在此不做限定，可以是颜色预警提示，例如用红色、橙色和黄色表示，也可以是声音预警提示，例如音量的大小依次降低，总之，只要是能够体现预警级别之间的差异即可，这种有级别差异的预警提示，在工作人员对于层级区域相似子片段的选定时起到较好的提示作用，为关注不同的层级区域相似子片段中的不同可疑目标提供了可靠参考。

如图6所示，作为本发明的另一种优选实施例，另一方面，一种基于层级分布的数据管理系统，所述系统包括：

获取和检测模块100，用于获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；

识别分类模块200，用于识别异常影像片段中的相似子片段；

层级排布模块300，用于将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；

关联度检测模块400，用于检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；

接收模块500，用于当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；

共享和输入模块600，用于允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存。

如图7所示，作为本发明的一种优选实施例，所述获取和检测模块100具体包括：

获取单元1001，用于获取设定时间段内的监控数据；

差异检测单元1002，用于获取若干正常照片，对监控数据中视频进行分帧处理，得到监控图像集合，分别检测监控图像集合中每帧图像、监控数据中照片与正常照片之间目标特征值的差异；

异常影像片段识别单元1003，用于当所述差异超过预设差异阈值时，获取对应的监控图像子集合和照片，根据对应的照片截取满足第一设定时长的原监控数据，得到第一异常影像片段，根据对应的监控图像子集合获取满足第二设定时长的原监控数据，得到第二异常影像片段，所述异常影像片段包括第一异常影像片段和第二异常影像片段。

本发明上述实施例中提供了一种基于层级分布的数据管理方法，并基于该基于层级分布的数据管理方法提供了一种基于层级分布的数据管理系统，通过获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；识别异常影像片段中的相似子片段；将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存，极大地提高了用户对历史监控数据中异常情况甄选的效率，能够增进用户之间对于极有可能存在关联异常情况的进一步了解；进一步的，有级别差异的预警提示，在工作人员对于层级区域相似子片段的选定时起到较好的提示作用，为关注不同的层级区域相似子片段中的不同可疑目标提供了可靠参考。

为了能够加载上述方法和系统能够顺利运行，该系统除了包括上述各种模块之外，还可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。

所称处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述系统的控制中心，利用各种接口和线路连接各个部分。

上述存储器可用于存储计算机以及系统程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述各种功能。存储器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（比如信息采集模板展示功能、产品信息发布功能等）等。存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡（SmartMediaCard,SMC），安全数字（SecureDigital,SD）卡，闪存卡（FlashCard）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

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

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于层级分布的数据管理方法，其特征在于，所述方法包括：

获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；

识别异常影像片段中的相似子片段；

将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；

检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；

当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；

允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存。

2.根据权利要求1所述的基于层级分布的数据管理方法，其特征在于，所述获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的具体包括：

获取设定时间段内的监控数据；

获取若干正常照片，对监控数据中视频进行分帧处理，得到监控图像集合，分别检测监控图像集合中每帧图像、监控数据中照片与正常照片之间目标特征值的差异；

当所述差异超过预设差异阈值时，获取对应的监控图像子集合和照片，根据对应的照片截取满足第一设定时长的原监控数据，得到第一异常影像片段，根据对应的监控图像子集合获取满足第二设定时长的原监控数据，得到第二异常影像片段，所述异常影像片段包括第一异常影像片段和第二异常影像片段。

3.根据权利要求1或2所述的基于层级分布的数据管理方法，其特征在于，所述目标特征值包括活动目标的特征数据和/或静止目标的特征数据。

4.根据权利要求3所述的基于层级分布的数据管理方法，其特征在于，所述识别异常影像片段中的相似子片段具体包括：

按照活动目标和静止目标组合的特征数据、活动目标的特征数据和静止目标的特征数据分别对异常影像片段进行识别归类，生成第一相似子片段；

按照第一相似子片段中对应的活动目标和静止目标之间的不同组合，对第一相似子片段中对应的相似子片段进行归类，生成第二相似子片段，其中，第二子片段中其它相似子片段的归类不变。

5.根据权利要求4所述的基于层级分布的数据管理方法，其特征在于，所述将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段具体包括：

根据历史监控数据溯源监控设备所在的网络传输地址，根据网络传输地址确定不同区域的地理位置；

将所述地理位置的距离差值不超过预设距离阈值的不同区域进行层级划分，生成层级区域；

将所有相似子片段按照层级区域进行排布，生成若干层级区域相似子片段。

6.根据权利要求5所述的基于层级分布的数据管理方法，其特征在于，所述方法还包括：

将若干层级区域相似子片段按照同等分帧条件进行分帧处理，得到层级区域图像集合；

统计不同层级区域对应的层级区域图像集合中活动目标和静止目标组合、活动目标以及静止目标分别出现的频次，建立不同层级区域中包含三者的可疑目标出现次数排名；

选取可疑目标出现次数排名中频次超过设定频次的可疑目标出现次数子排名，将可疑目标出现次数子排名与对应的若干层级区域相似子片段一一进行关联，得到若干层级区域相似子片段的子排名；

按照不同层级区域，按照所述子排名从高到低的顺序依次展示若干层级区域相似子片段，并且发出相应的关于可疑目标出现频次的预警提示；

接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段，选定的层级区域相似子片段来源于展示的若干层级区域相似子片段。

7.根据权利要求6所述的基于层级分布的数据管理方法，其特征在于，所述方法还包括：

当活动目标和静止目标组合出现频次排名第一时，发出一级预警提示；

当静止目标出现频次排名第一时，发出二级预警提示；

当活动目标出现频次排名第一时，发出三级预警提示。

8.一种基于层级分布的数据管理系统，其特征在于，所述系统包括：

获取和检测模块，用于获取历史监控数据，根据正常照片检测历史监控数据中的异常影像片段，其中正常照片是根据目标特征值确定的；

识别分类模块，用于识别异常影像片段中的相似子片段；

层级排布模块，用于将所有相似子片段按照区域阶段距离差值进行层级排布，生成不同区域阶段距离差值对应的若干层级区域相似子片段；

关联度检测模块，用于检测输入的目标关键词之间的关联度，所述输入的目标关键词为至少两个不同用户分别输入的关键词；

接收模块，用于当所述关联度达到预设关联度阈值时，接收至少两个对应的用户中至少一个用户选定的层级区域相似子片段；

共享和输入模块，用于允许至少两个对应的用户对选定的层级区域相似子片段在终端共享时进行数据输入，将输入的数据连同选定的层级区域相似子片段同步保存。

9.根据权利要求8所述的基于层级分布的数据管理系统，其特征在于，所述获取和检测模块具体包括：

获取单元，用于获取设定时间段内的监控数据；

差异检测单元，用于获取若干正常照片，对监控数据中视频进行分帧处理，得到监控图像集合，分别检测监控图像集合中每帧图像、监控数据中照片与正常照片之间目标特征值的差异；

异常影像片段识别单元，用于当所述差异超过预设差异阈值时，获取对应的监控图像子集合和照片，根据对应的照片截取满足第一设定时长的原监控数据，得到第一异常影像片段，根据对应的监控图像子集合获取满足第二设定时长的原监控数据，得到第二异常影像片段，所述异常影像片段包括第一异常影像片段和第二异常影像片段。

Images