CN115203477A - 一种人员轨迹检索方法、装置、电子设备及存储介质 - Google Patents

一种人员轨迹检索方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115203477A
CN115203477A CN202210880243.3A CN202210880243A CN115203477A CN 115203477 A CN115203477 A CN 115203477A CN 202210880243 A CN202210880243 A CN 202210880243A CN 115203477 A CN115203477 A CN 115203477A
Authority
CN
China
Prior art keywords
target
retrieval
characteristic information
information
personnel
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.)
Pending
Application number
CN202210880243.3A
Other languages
English (en)
Inventor
谷晓霞
黄永祯
刘麒赟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Watrix Technology Beijing Co ltd
Original Assignee
Watrix Technology Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Watrix Technology Beijing Co ltd filed Critical Watrix Technology Beijing Co ltd
Priority to CN202210880243.3A priority Critical patent/CN115203477A/zh
Publication of CN115203477A publication Critical patent/CN115203477A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种人员轨迹检索方法、装置、电子设备及存储介质，该方法包括：响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；响应针对检索控件的触发操作，根据目标人员特征信息以及预设的目标资源库，确定出目标人员和关联人员特征信息；使用第一检索方法对目标人员特征信息进行检索，得到第一点位集；使用第二检索方法对该关联人员特征信息进行检索，得到第二点位集；根据预设的多个不同的筛选规则，从第一点位集和第二点位集中，筛选出目标点位集，进而生成并展示目标人员的行动轨迹集。本申请通过多种检索方法分别对多种对应的人员特征信息进行检索，进而生成多种行动轨迹，提高了精确度，满足不同的筛选需求。

Description

一种人员轨迹检索方法、装置、电子设备及存储介质
技术领域
本申请涉及轨迹检索技术领域，具体而言，涉及一种人员轨迹检索方法、装置、电子设备及存储介质。
背景技术
随着生活水平的不断提高，人们的安全意识也在不断提升。为了保证人们的人身和财产，在一定的情况下需要对某些特定人员进行轨迹检索，确定出该特定人员的活动轨迹，进而采取相关措施。
现有技术中在进行人员轨迹检索的时候，由于各个检索系统的局限性，导致仅能通过单一技术进行人员的轨迹检索。由于环境等因素的影响，单一的技术手段均存在各自的局限性。通过单一技术得到了轨迹信息，遗失信息较多，导致准确率不高。从另一方面来说，现有的检索方法对于使用人员来说，操作复杂，需要使用人员频繁诊断信息，大大限制了轨迹检索的效率。
发明内容
有鉴于此，本申请的目的在于提供一种人员轨迹检索方法、装置、电子设备及存储介质，通过多种检索方法分别对多种对应的人员特征信息进行检索，进而生成多种行动轨迹，提高了精确度，满足不同的筛选需求。
第一方面，本申请实施例提供了一种人员轨迹检索方法，应用于目标检索系统，所述目标检索系统进行了预配置，所述预配置包括：构建目标资源库、设置筛选规则；目标检索系统提供一图形用户界面，所述图形用户界面显示有检索控件；所述方法包括：
响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；
响应针对所述检索控件的触发操作，根据所述目标人员特征信息以及预设的目标资源库，确定出目标人员和所述目标人员的关联人员特征信息；其中，所述关联人员特征信息的类型均与所述目标人员特征信息的类型不同；
使用与第一类型的目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员出现过的第二点位集；
根据预设的多个不同的筛选规则，从所述第一点位集和所述第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集；所述筛选规则预先根据所述用户的筛选条件配置。
在本申请一些技术方案中，上述在响应用户的第一输入操作的同时，所述方法还包括：
响应用户的第二输入操作，获取时空限定信息；
通过以下方式得到所述第一点位集和所述第二点位集：
在所述时空限定信息限定的第一检索范围内，使用与第一类型的所述目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员在所述第一检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员在所述第一检索范围内出现过的第二点位集。
在本申请一些技术方案中，上述方法还包括：
方法还包括：
若在所述时空限定信息限定的第一检索范围内未能检索到得到所述第一点位集和所述第二点位集，根据预设的扩展规则和所述时空限定信息，对所述第一检索范围进行扩展，得到扩展后的第二检索范围；
在所述第二检索范围内，使用与第一类型的所述目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员在所述第二检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员在所述第二检索范围内出现过的第二点位集。
在本申请一些技术方案中，上述用户输入的检索信息的类型为多种类型，每种类型的检索信息对应获取一种或多种类型的目标人员特征信息；所述检索信息的多种类型包括以下至少之一：文字类型、图片类型和视频类型；
当所述检索信息为视频类型的时候，响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息，包括：
响应用户的第一输入操作，获取用户输入的视频类型的检索信息；
响应用户的选择操作，根据所述选择操作的时间和在图形用户界面上对应的坐标，从所述视频类型的检索信息中确定初选人员特征信息；
基于所述初选人员特征信息，从所述视频类型的检索信息中匹配与所述初选人员特征信息具有关联关系的再选人员特征信息；
将所述初选人员特征信息和所述再选人员特征信息作为目标人员特征信息。
在本申请一些技术方案中，上述筛选规则的数量为多个；通过以下方式生成所述目标人员的行动轨迹集：
根据各个所述筛选规则，从所述第一点位集和所述第二点位集中筛选出与该筛选规则对应包含预设数量点位的目标点位集；
基于与所述筛选规则对应包含预设数量点位的目标点位集，进而生成各个筛选规则对应的所述目标人员的行动轨迹集。
在本申请一些技术方案中，上述筛选规则包括算法规则；所述第一检索方法和所述第二检索方法分别对应一权重，通过第一检索方法或所述第二检索方法检索得到的所述第一点位集或所述第二点位集中包含的待选点位对应一比对相似度；
当所述筛选规则为算法规则的时候，算法规则包括基于随机森林算法模型、决策树算法模型、逻辑回归算法模型，通过以下方式确定目标点位集：
针对任一所述待选点位，根据得到该待选点位的各个检索方法对应的权重和该检索方法得到该待选点位的比对相似度，计算得到该待选点位的可靠度；
根据所述待选点位的可靠度，从所述待选点位中选出目标点位，并构成目标点位集。
在本申请一些技术方案中，上述展示所述目标人员的行动轨迹，包括：
以多种不同维度的地图形式展示所述目标人员的行动轨迹集；所述不同维度包括二维和三维；
或者，以多种不同层级结构的列表形式展示所述目标人员的行动轨迹集。
在本申请一些技术方案中，上述目标检索系统包括实时检索模式，在所述目标检索系统为实时检索模式时，所述方法还包括：
根据所述目标人员在所述目标点位出现的时间信息，从所述目标点位中确定出当前点位，并分析所述目标人员处于所述当前点位的行动属性信息；所述行为属性信息包括：交通工具信息、携带物品信息和个人着装信息；
若检测到所述目标人员的行动属性信息发生了改变，根据所述目标人员改变后的行动属性信息，确定所述目标人员的改变后的人员特征信息；
使用与所述改变后的人员特征信息相匹配的第三检索方法对所述改变后的人员特征信息进行检索，得到所述目标人员出现过的第三点位集；
使用所述第三点位集更新所述目标人员的行动轨迹集。
在本申请一些技术方案中，上述目标检索系统包括离线检索模式，在所述目标检索系统为离线检索模式时，所述目标资源库连接外部资源库；所述方法还包括：
将所述目标人员特征信息发送给所述外部资源库，以使外部资源库对所述目标人员特征信息进行检索，得到多组目标点位集；
接收所述外部资源库发送的多组目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集。
第二方面，本申请实施例提供了一种人员轨迹检索装置，装置驻留于目标检索系统，所述目标检索系统进行了预配置，所述预配置包括：构建目标资源库、设置筛选规则；目标检索系统提供一图形用户界面，所述图形用户界面显示有检索控件；所述装置包括：
获取模块，用于响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；
确定模块，用于响应针对所述检索控件的触发操作，根据所述目标人员特征信息以及预设的目标资源库，确定出目标人员和所述目标人员的关联人员特征信息；其中，所述关联人员特征信息的类型均与所述目标人员特征信息的类型不同；
检索模块，用于使用与第一类型的目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员出现过的第二点位集；
筛选模块，用于根据预设的多个不同的筛选规则，从所述第一点位集和所述第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集；所述筛选规则预先根据所述用户的筛选条件配置。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的人员轨迹检索方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的人员轨迹检索方法的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请方法包括：响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；响应针对所述检索控件的触发操作，根据所述目标人员特征信息以及预设的目标资源库，确定出目标人员和所述目标人员的关联人员特征信息；其中，所述关联人员特征信息的类型均与所述目标人员特征信息的类型不同；使用与第一类型的目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员出现过的第二点位集；根据预设的多个不同的筛选规则，从所述第一点位集和所述第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集；所述筛选规则预先根据所述用户的筛选条件配置。本申请通过多种检索方法分别对多种对应的人员特征信息进行检索，进而生成多种行动轨迹，不仅提高了检索的精确度，还能够满足用户不同的筛选需求。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例所提供的一种人员轨迹检索方法的流程示意图；
图2示出了本申请实施例所提供的一种用户输入界面示意图；
图3示出了本申请实施例所提供的另一种用户输入界面示意图；
图4示出了本申请实施例所提供的第一种行动轨迹展示示意图；
图5示出了本申请实施例所提供的第二种行动轨迹展示示意图；
图6示出了本申请实施例所提供的第三种行动轨迹展示示意图；
图7示出了本申请实施例所提供的第四种行动轨迹集展示示意图；
图8示出了本申请实施例所提供的一种目标检索系统的示意图；
图9示出了本申请实施例所提供的一种人员轨迹检索装置示意图；
图10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
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
随着生活水平的不断提高，人们的安全意识也在不断提升。为了保证人们的人身和财产，在一定的情况下需要对某些特定人员进行轨迹检索，确定出该特定人员的活动轨迹，进而采取相关措施。
现有技术中在进行人员轨迹检索的时候，由于各个检索系统的局限性，导致仅能通过单一技术进行人员的轨迹检索。由于环境等因素的影响，单一的技术手段均存在各自的局限性。通过单一技术得到了轨迹信息，遗失信息较多，导致准确率不高。从另一方面来说，现有的检索方法对于使用人员来说，操作复杂，需要使用人员频繁诊断信息，大大限制了轨迹检索的效率。
基于此，本申请实施例提供了一种人员轨迹检索方法、装置、电子设备及存储介质，下面通过实施例进行描述。
图1示出了本申请实施例所提供的一种人员轨迹检索方法的流程示意图，应用于目标检索系统，所述目标检索系统进行了预配置，所述预配置包括：构建目标资源库、设置筛选规则；目标检索系统提供一图形用户界面，所述图形用户界面显示有检索控件；其中，该方法包括步骤S101-S104；具体的：
S101、响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；
S102、响应针对检索控件的触发操作，根据目标人员特征信息以及预设的目标资源库，确定出目标人员和目标人员的关联人员特征信息；其中，关联人员特征信息的类型均与目标人员特征信息的类型不同；
S103、使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员出现过的第二点位集；
S104、根据预设的多个不同的筛选规则，从第一点位集和第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据目标点位集生成并展示目标人员的行动轨迹集；筛选规则预先根据用户的筛选条件配置。
本申请通过多种检索方法分别对多种对应的人员特征信息进行检索，进而生成多种行动轨迹，不仅提高了检索的精确度，还能够满足用户不同的筛选需求。
下面对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本申请中的人员轨迹检索方法应用于目标检索系统，如图8所示，本申请中的目标检索系统是对多种已有检索系统的融合，本申请中的目标检索系统包括资源层、配置层和应用层。其中，资源层包括算法引擎、视频资源、手机基站、底库资源、关联数据和算力资源等。具体的，算法引擎包括且不仅限于人脸识别算法、步态识别算法、REID算法、车牌识别算法、设备定位引擎、知识图谱算法、决策算法。视频资源，包括且不仅限于人脸卡口摄像机、国标摄像机、车牌卡口摄像机、普通高清摄像机等；底库资源，包括且不仅限于人脸库、车牌库、步态库等；手机基站，包括且不仅限于联通基站、移动基站等；关联数据，包括且不仅限于支付数据、扫描数据等；算力资源，包括且不仅限于人脸检索服务器、步态检索服务器、车牌检索服务器、综合服务器等。
配置层用于对目标检索系统进行预配置；配置层包括且不仅限于触发配置、决策管理、地图配置、检索配置、资源管理。触发配置指各种检索方法(包括且不仅限于人脸识别、步态识别、REID、手机定位、车牌识别)触发条件的配置，包括且不仅限于当搜索到目标人员的人脸信息时，触发人脸识别；当从包含目标人员的视频信息中提取步态序列时，触发步态识别；当从包含目标人员的视频信息中提取人物着装属性时，触发REID；当通过人脸信息从人脸信息库或身份证信息库获取目标人员手机号时，触发手机定位；当通过人口数据库或车辆数据库获取目标人员手机关联车辆信息时，触发车牌识别。决策管理指轨迹生成时会面临正确轨迹和错误轨迹混杂的问题，如果追求轨迹正确率，针对人脸识别、步态识别、REID、车牌识别等多模态技术手段，可根据模态特性设置高识别阈值或前TopN，比如步态识别阈值设为90％，或者取Top30；如果追求点位全面，设置各种技术手段的最低可接受阈值，展现各种具有可能性的点位。也可由实际运行的数据训练决策算法模型，基于决策算法模型进行目标人员点位和轨迹的决策。地图配置指嵌入地图包括且不仅限于二维平面图、三维空间图，嵌入地图包括室外地图和室内地图，在地图上配置设备点位展示。检索配置包括且不仅限于实时检索和离线/历史检索，实时检索包括且不仅限于对现有正在运行的监控设备实时拍摄的视频资源进行实时解析，对当下手机信号进行实时定位，绘制目标人员当下轨迹。从优化算力资源视角考虑，目标人员的检索空间范围可以目标人员最新点位为中心点进行动态调整，目标人员的检索时间可以以当下时间开始到出现下一个点位时间结束。从轨迹追踪准确率视角考虑，支持点位出现分支时，多技术手段并行追踪，比如目标人员从地铁下站，而将随身携带手机留在地铁上。手机信号保持追踪，地铁站监控保持对目标人员的解析识别。离线/历史检索包括且不仅限于对离线/历史视频资源进行解析，对历史手机信号定位记录进行收集，绘制目标人员以往轨迹。从轨迹检索效率视角考虑，支持离线/历史视频分段同时传输、解码和解析；支持包括但不仅限于人脸识别算法、步态识别算法、Reid算法的视图解析服务器与离线/历史视频存储服务器直接对接，节省大量视频数据压缩、传输、解码时间。资源配置指检索任务及所需算力资源的匹配。资源管理指接入所有资源层设备、数据，并对设备状态和使用情况进行监控。
在设置好了资源层和配置层之后，本申请的方法在目标检索系统的应用层实现。本申请中的方法具体如下所示：
S101、响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息。
本申请目标检索系统提供一图形用户界面，图形用户界面显示有检索控件和检索输入区域。用户可以针对检索输入区域进行第一输入操作，用户通过第一输入操作，在检索输入区域中输入检索信息。这里用户输入的检索信息的类型为一种或者多种，每种类型的检索信息对应获取一种或多种类型的目标人员特征信息；检索信息的多种类型包括以下至少之一：文字类型、图片类型和视频类型。文字类型的检索信息包括：姓名、手机号、身份证号、车牌号等。图片类型的检索信息包括：照片、画像等。视频类型的检索信息包括视频等。不同类型的目标人员特征信息表征的是不同的人员特征信息。例如，本申请将姓名和手机号认为是不同类型的人员特征信息。
用户通过在输入区域输入上述检索信息之后，本申请通过对用户输入的检索信息进行分析，从用户输入的检索信息中确定出目标人员特征信息。这里的分析包括目标检索系统的分析和用户的认为选定分析。例如，当用户输入的检索信息是人名的时候，目标检索系统就直接将该人名作为目标人员特征信息。当用户输入的检索信息为图片的时候，如果图片上包括多个人员的时候，用户可以通过对照片上包含的多个人进行选择，进而将选中的该人员的人脸作为目标人员特征信息。
本申请中的目标人员特征信息(下文出现的关联人员特征信息和改变后的人员特征信息)均表征能够将该人员与其他人员进行区分的信息。例如，不同人员之间的身份证号不同，则身份证号能够作为人员特征信息。车牌号(车上承载的人是确定的)能够将该车内的人员与其他车辆的人员进行区分，则车牌号能够作为人员特征信息。在得到了目标人员特征信息之后，通过检索能够得到目标人员的行动轨迹。在检索的时候，如果输入的是文字类型的检索信息的时候，就在目标检索系统所有的可检索的范围内进行检索。如果输入的图片类型或者视频类型的检索信息的时候，如果能够根据图片和视频中自带的时空信息确定一个检索范围的话，就在该检索范围内进行检索，否则在目标检索系统所有的可检索的范围内进行检索。例如，将图片或者视频中包含的某个地点作为检索的起始点。
本申请在获取目标人员特征信息的时候，为了能够高效的检索得到目标人员的行动轨迹，本申请在响应用户的第一输入操作的同时，方法还包括：响应用户的第二输入操作，获取时空限定信息。用户在检索输入区域输入检索信息的时候，还在检索输入区域输入了便于检索的时空限定信息。时空限定信息通过限定检索的范围，能够提高检索的效率。图形用户界面具体的显示方式如图2和图3所示。
当检索信息为视频类型的时候，响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息，包括：响应用户的第一输入操作，获取用户输入的视频类型的检索信息；响应用户的选择操作，根据选择操作的时间和在图形用户界面上对应的坐标，从视频类型的检索信息中确定初选人员特征信息；基于初选人员特征信息，从视频类型的检索信息中匹配与初选人员特征信息具有关联关系的再选人员特征信息；将初选人员特征信息和再选人员特征信息作为目标人员特征信息。
当检索信息为视频类型的时候，用户将视频类型的检索信息输入到目标检索系统之后，用户还可以对视频中的人员特征信息进行选择。例如，一段五分钟的时候，在播放的时候，用户可以通过点击图形用户界面进行选择操作。在用户点击图形用户界面时，根据用户的点击的时间，确定该点击时间视频对应的目标帧图像。此时的图像中可能包含有多个人或者一个人包含有多个人员特征信息，在根据用户点击的具体位置(在图形用户界面上可以用具体的坐标表示)，从多个人中确定出用户或者一个人包含有多个人员特征信息中，确定出初选人员特征信息。在得到了初选特征之后，本申请还根据初选人员特征信息从该视频中除目标帧图像以外的图像中去匹配与该初选人员特征信息具有关联关系的再选人员特征信息。这里的关联关系的再选人员特征信息表征同一人员的除初选人员特征信息以外的其他人员特征信息。将选人员特征信息和再选人员特征信息作为目标人员特征信息。本申请针对视频类型的检索信息，从视频中获取多个目标特征信息，通过对多个目标特征信息进行检索，能够提高轨迹检索的精确度。
由于用户输入了时空限定信息，本申请中目标检索系统在从用户输入的检索信息获取目标人员特征信息的时候，如果检索信息为视频类型的时候，本申请针对视频类型的检索信息提供一种较优的获取方式。视频类型的检索信息中大部分都包含有多种类型的人员特征信息(人脸、步态等)，为进一步的提高检索的效果，本申请在从视频类型的检索信息获取目标人员特征信息的时候，需要考虑时空限定信息对于人员特征信息的影响。也就是说，本申请是根据时空限定信息，从视频类型包含的多种类型的人员特征信息中，确定出检索效果最优的目标人员特征信息。例如，视频类型的检索信息中包含了人脸和步态，当时空限定信息限定为白天的时候，人脸特征较为清晰，人脸的检索效果较步态检索效果好(不同人员之间人脸的差距较步态的差距大)，本申请则将人脸作为目标人员特征信息。当时空限定信息限定为晚上的时候，人脸特征较为模糊，人脸的检索效果较步态检索效果差(模糊的人脸准确度较步态的准确度低)，本申请则将步态作为目标人员特征信息。
S102、响应针对检索控件的触发操作，根据目标人员特征信息以及预设的目标资源库，确定出目标人员和目标人员的关联人员特征信息；其中，关联人员特征信息的类型均与目标人员特征信息的类型不同。
本申请在确定了目标人员特征信息之后，响应用户对于检索控件的触发操作，本申请根据目标人员特征信息确定出目标人员。也就是说，本申请在用户点击了用户图形界面上显示的“一键检索”的控件之后，在预设的目标资源库(即上述的目标检索系统的资源层)对目标人员特征信息进行匹配检索，检索到包含该目标人员特征信息的目标人员。在确定了目标人员之后，进而能够确定出该目标人员其他的关联人员特征信息。换句话说，本申请根据目标人员特征信息通过找到目标人员，进而找到了更多的关联人员特征信息。这里的关联人员特征信息的数量包括零个、一个或者多个。需要注意的是，如果根据用户输入的检索信息获取的目标人员特征信息足够多的话，存在确定出来的目标人员的关联人员特征信息为零的情况。这里的足够多是以预设的目标资源库中包含的目标人员的特征信息为基础，也就是说，从用户输入的检索信息中获取的目标人员特征信息与目标资源库中包含目标人员的特征信息是一致的话，那么该目标人员的关联人员特征信息的数量就为零。本申请通过多种人员特征信息进行检索，得到每种人员特征对应的行动轨迹。
S103、使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员出现过的第二点位集。
在得到了目标人员特征信息和关联人员特征信息之后，由于不同类型的人员特征信息使用的检索方法是不同的，所以本申请需要从预设的目标资源库中找到能够检索各个人员特征信息的检索方法。通过在预设的目标资源库中进行匹配，确定与第一类型的目标人员特征信息相匹配的第一检索方法，与第二类型的关联人员特征信息相匹配的第二检索方法。这里的目标(或者关联)人员特征信息都可能为多种类型，即目标(或者关联)人员特征信息都可能为多个(两两之间不相同)，当目标(或者关联)人员特征信息为多种类型的时候，需要匹配与各个类型的目标(或者关联)人员特征信息相匹配的目标(或者关联)检索方法。每种检索方法对应一种人员特征信息，使用该种检索对该人员特征信息进行检索才能够得到检索结果(点位)。
通过第一检索方法对目标人员特征信息进行检索，得到目标人员出现过的第一点位集。通过第二检索方法对关联人员特征信息进行检索，得到目标人员出现过的第二点位集。
例如，张三的目标人员特征信息包括手机号、人脸，通过手机号检索方法对手机号进行检索，得到张三出现在了A座大厦、B座大厦、C座大厦；通过人脸检索方法对人脸进行检索，得到张三出现在了A座大厦、B座大厦、D座大厦。则张三的第一点位集包括两组分别为A座大厦、B座大厦、C座大厦和A座大厦、B座大厦、D座大厦。
本申请实施例中，作为一可选实施例，由于本申请中用户在输入检索信息的时候还输入了便于检索的时空限定信息，所以本申请还能够通过以下方式得到第一点位集和第二点位集：
在时空限定信息限定的第一检索范围内，使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员在第一检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员在第一检索范围内出现过的第二点位集。
本申请根据用户输入的时空限定信息，确定了一个与该时空限定信息对应的第一检索范围，在确定了第一检索范围之后，通过在更小的范围内进行检索，提高了检索效率。进而确定了在第一检索范围内、目标人员出现过的第一点位集和第二点位集，具体的检索方式与上述实施例中的检索方式相同，此处不再赘述。
在具体检索的时候，若在时空限定信息限定的第一检索范围内未能检索到得到第一点位集和第二点位集，根据预设的扩展规则和时空限定信息，对第一检索范围进行扩展，得到扩展后的第二检索范围；
在第二检索范围内，使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员在第二检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员在第二检索范围内出现过的第二点位集。
由于用户的输入的时空限定信息较为苛刻等原因，可能会有在时空限定信息确定的第一检索范围内没有检索到第一点位集和/或第二点位集的情况。为了确保检索时的准确性和丰富性，本申请基于预设的扩展规则和时空限定信息，对第一检索范围进行了扩展，得到扩展后的第二检索范围，并在扩展后的第二检索范围内进行检索得到第一点位集和/或第二点位集。如果在第二检索范围内还为能够检索到第一点位集和/或第二点位集的话，则继续对第二检索范围进行扩展，直至检索到第一点位集和/或第二点位集位置。
例如，以第一检索范围的起始点为圆心以预设的距离进行自动扩大检索范围，直到找到目标人员出现过的点位。然后，以目标人员最接近当下时间的点位为中心，再次检索。
S104、根据预设的多个不同的筛选规则，从第一点位集和第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据目标点位集生成并展示目标人员的行动轨迹集；筛选规则预先根据用户的筛选条件配置。
本申请在检索得到了第一点位集和第二点位集之后，需要根据第一点位集和第二点位集生成目标人员的行动轨迹。在生成行动轨迹的时候，本申请根据预设的多个不同的筛选规则生成的。本申请中的筛选规则是根据用户的筛选条件预先在目标检索系统中配置好的。筛选规则的数量为多个；通过以下方式生成目标人员的行动轨迹集：根据各个筛选规则，从第一点位集和第二点位集中筛选出与该筛选规则对应包含预设数量点位的目标点位集；基于与筛选规则对应包含预设数量点位的目标点位集，进而生成各个筛选规则对应的目标人员的行动轨迹集。
具体的，预设的多个不同的筛选规则包括：普通规则和决策算法模型；目标点位集包括第三点位集、第四点位集；行动轨迹集包括：第一轨迹、第二轨迹；
预设的多个不同的筛选规则，从第一点位集和第二点位集进行中，筛选出目标人员出现过的目标点位集，包括：
根据普通规则，分别从第一点位集和第二点位集中，筛选出第一预设数量的第三点位集；
根据决策算法模型，分别从第一点位集和第二点位集进行中，筛选出第二预设数量的第四点位集；
进而生成并展示目标人员的行动轨迹集，包括：
根据第三点位集，进而生成并展示目标人员的第一轨迹；如图4所示；
根据第四点位集，进而生成并展示目标人员的第二轨迹；如图5所示；
根据第三点位集、第四点位集，进而生成并展示目标人员的第一轨迹、第二轨迹,同时每条轨迹展示生成概率；如图6所示。
也就是说，本申请在得到了第一点位集和第二点位集之后，通过不同的筛选规则生成了不同的行动轨迹，并将所有的轨迹都展示给用户，满足用户不同的需求，减少了用户对于生成轨迹时的操作。本申请中用户在触发检索控件之后，无需其他操作即可能到目标人员的多种行动轨迹。
本申请实施例中，作为一可选实施例，为了进一步提高生成行动轨迹集的准确度，本申请通过以下方式得到目标点位集：
从第一点位集和第二点位集中，筛选出满足用户筛选条件的初始点位集；
响应针对初始点位的调整操作，生成目标人员出现过的目标点位集。
即本申请先根据用户的筛选条件，从第一点位集和第二点位集中筛选出初始点位，进而确定出目标点位集，基于目标点位集生成的行动轨迹集。
本申请实施例中，作为一可选实施例，筛选规则包括算法规则；所述第一检索方法和所述第二检索方法分别对应一权重，通过第一检索方法或所述第二检索方法检索得到的所述第一点位集或所述第二点位集中包含的待选点位对应一比对相似度；
当所述筛选规则为算法规则的时候，算法规则包括基于随机森林算法模型、决策树算法模型、逻辑回归算法模型，通过以下方式确定目标点位集：
针对任一所述待选点位，根据得到该待选点位的各个检索方法对应的权重和该检索方法得到该待选点位的比对相似度，计算得到该待选点位的可靠度；
根据所述待选点位的可靠度，从所述待选点位中选出目标点位，并构成目标点位集。
本申请在筛选目标点位集，预设的筛选规则为算法规则的时候，本申请通过每个检索方法的比对相似度计算得到该待选点位的可靠度。在具体实施的时候，可以将算法规则包括基于随机森林算法模型、决策树算法模型、逻辑回归算法模型训练为一个决策模型进行使用。在使用的时候，直接将待选点位的检索方法和比对相似度输入到决策模型中，就能够得到决策模型输出的针对该待选点位的确定结果。
具体的，如下表所示，待选点位X0：检索方法包括步态、人脸、手机定位等，对应的相似度分别为0.91、0.8、0.9等。待选点位X1：检索方法包括步态、人脸、手机定位等，对应的相似度分别为0.3、0、0等。
Figure BDA0003763889690000141
以逻辑回归决策模型为例，将Xi(X0，X1，X2……)作为模型输入、Y作为模型输出，求解W(可靠度)，使误差能够最小。
决策模型应用：
Figure BDA0003763889690000142
假设步态权重W0＝0.3，人脸权重W1＝0.4，手机定位权重W2＝0.5。
以X0数据为例，Y0＝W0*0.91+W1*0.8+W2*0.9＝1.043，基于X0数据输入，可以预测此点位可确定。
以X1数据为例，Y1＝W0*0.3+W1*0+W2*0＝0.09，基于X1数据输入，可以预测此点位不可靠。
模型优化应用：W
增加逻辑决策，如果同一目标同一时间出现A、B两个点位，可以通过模型评分比对，判断点位可靠或不可靠。
假设A点YA＝0.9，B点YB＝0.8，因YA＞YB，所以A点位为可靠点位，B点位为不可控点位。
本申请实施例中，作为一可选实施例，本申请在得到了目标人员的行动轨迹集之后，在图形用户界面上，展示目标人员的行动轨迹集(包括显示行动轨迹中每个目的点位的可靠度)。为了用户便于观察行动轨迹集，在展示行动轨迹集的时候，本申请以多种不同维度的地图形式展示目标人员的行动轨迹集；或者，以多种不同层级结构的列表形式展示目标人员的行动轨迹集。如图4和图7所示。
本申请实施例中，作为一可选实施例，目标检索系统包括实时检索模式，在目标检索系统为实时检索模式时，根据目标人员在目标点位出现的时间信息，从目标点位中确定出当前点位，并分析目标人员处于当前点位的行动属性信息；行为属性信息包括：交通工具信息、携带物品信息和个人着装信息；
若检测到目标人员的行动属性信息发生了改变，根据目标人员改变后的行动属性信息，确定目标人员的改变后的人员特征信息；
使用与改变后的人员特征信息相匹配的第三检索方法对改变后的人员特征信息进行检索，得到目标人员出现过的第三点位集；
使用第三点位集更新目标人员的行动轨迹集。
本申请在检索到目标人员的行动轨迹集之后，如果检测到目标人员还在继续移动的话，会对该目标人员继续进行检索。具体的，从已得到的行动轨迹集中确定出当前点位。这里的当前点位表征的是已得到的行动轨迹集中的最后一个点位，即目标人员最后出现的点位。如果目标人员行为属性信息没有发生改变的话，则使用上述的方法继续进行检索得到第三点位集，并使用点位更新已有的行动轨迹集。如果目标人员的行动属性信息发生了改变的话，需要根据目标人员改变后的行动属性信息，确定目标人员的改变后的人员特征信息。例如，目标人员从步行改变为了开车，这里的根据步态信息已经不能够检索到目标人员了，但是可以根据车牌号检索得到该目标人员，此时需要将车牌号作为新的改变后的人员特征信息。使用与改变后的人员特征信息相匹配的第三检索方法对改变后的人员特征信息进行检索，得到目标人员出现过的第三点位集，将第三点位集与上述得到的行动轨迹集进行叠加得到新的行动轨迹集。在使用第三点位集更新行动轨迹集的时候，也可以使用预设的筛选轨迹从第三点位集中选出部分点位进行更新。
本申请实施例中，作为一可选实施例，目标检索系统包括离线检索模式，在目标检索系统为离线检索模式时，目标资源库连接外部资源库；方法还包括：
将所述目标人员特征信息发送给所述外部资源库，以使外部资源库对所述目标人员特征信息进行检索，得到多组目标点位集；
接收所述外部资源库发送的多组目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集。
本申请中目标检索系统在离线检索模式的时候，需要检索离线视频库或者历史视频库，本申请为了提高检索效率，在进行离线检索模式的时候，直接通过目标检索系统连接了外部资源库。使用外部资源库对目标人员特征信息进行检索，直接接收外部资源库检索得到了目标点位集。通过外部资源库分担检索工作，大大提高了检索效率。
本申请实施例中，作为一可选实施例，在具体实施的时候，可以根据本申请的方式将目标检索系统设置为不同的模式。
实时检索模式：
用户输入一段视频，可在视频播放过程中通过点击视频，确定待检索的目标人员，启用步态检索，捕获目标人员步态数据。将视频自带空间位置设置为初始检索起点，或手输初始检索起点，点击一键检索。
用户输入时空限定信息，如果检索时间是夜间，光线昏暗，目标人员的视频信息自动触发步态检索；如果检索时间是白天，光线明亮，目标人员的视频信息自动触发步态检索和REID检索；如果第一次检索没有目标人员点位信息，则系统以起始点为圆心自动扩大检索范围，直到找到目标人员点位信息。然后以目标人员最接近当下时间的点位为中心，再次检索。同时将步态信息与步态底库进行比对，确认目标人员身份、身份证号码，再关联交易数据或支付数据，检索目标人员手机信息或车牌信息，系统自动触发手机定位跟踪与车牌检索。如果视频检索到目标人员的清晰人脸信息或与身份证数据库、步态底库信息碰撞时检索到目标人员清晰人脸，系统自动触发人脸检索。
可以根据实时情况，删除或增加检索条件，比如发现目标人员关联手机出现点位与目标人员不一致，可以删除手机定位检索。比如发现目标人员乘坐了出租车，可以增加乘坐出租车的车牌检索。
离线/历史检索模式：
输入目标人员的一段视频，明确检索时间范围和空间范围，比如说时间范围确定为2022年5月1日08:00到2022年5月2日12:00，空间范围确定为北京市海淀区。点击一键检索。
根据检索信息系统自动触发各种技术手段进行检索，丰富目标人员的点位信息，按时间序列排列形成各种技术手段进行检索得到目标人员轨迹，进而构成目标人员的轨迹集。
目标人员轨迹集包括且不仅限于基于相似度高的决策机制确定点位，基于点位丰富的决策机制确定点位，基于决策算法模型确定点位。
根据具体需要生成目标人员轨迹集，并保存或导出目标人员轨迹集。
离线/历史检索模式：
输入目标人员的一张照片，明确检索时间范围和空间范围，比如说时间范围确定为2022年5月1日08:00到2022年5月2日12:00，空间范围确定为北京市朝阳区。点击一键检索。
根据输入的人脸信息，系统自动触发人脸检索，同时将人脸信息与人脸底库进行比对，确认目标人员身份及身份证号码，再关联交易数据或支付数据，检索目标人员手机信息或车牌信息，系统自动触发手机定位跟踪与车牌检索。在人脸检索的过程中，获取目标人员全身视频信息，系统自动触发步态检索和REID检索。最后，根据检索信息系统自动触发各种技术手段后，目标人员的点位信息不断丰富充实，按时间序列排列形成目标人员轨迹集。
目标人员轨迹集包括且不仅限于基于相似度高的决策机制确定点位，基于点位丰富的决策机制确定点位，基于决策算法模型确定点位。
根据具体需要生成目标人员轨迹集，并保存或导出目标人员轨迹集。
离线/历史检索模式：
输入目标人员的手机号，明确检索时间范围和空间范围，比如说时间范围确定为2022年5月1日08:00到2022年5月2日12:00，空间范围确定为北京市朝阳区。点击一键检索。
根据手机定位检索目标人员的点位信息。同时，将手机号关联实名认证信息，检索手机号持有人身份信息、人脸信息，从而触动车牌检索、人脸检索，在人脸检索的过程中，获取目标人员全身视频信息，系统自动触发步态检索和REID检索。最后，根据检索信息系统自动触发各种技术手段后，目标人员的点位信息不断丰富充实，按时间序列排列形成目标人员轨迹集。
目标人员轨迹集包括且不仅限于基于相似度高的决策机制确定点位，基于点位丰富的决策机制确定点位，基于决策算法模型确定点位。
根据具体需要生成目标人员轨迹集，并保存或导出目标人员轨迹集。
图9示出了本申请实施例所提供的一种人员轨迹检索装置的结构示意图，所述装置驻留于目标检索系统，目标检索系统进行了预配置，预配置包括：构建目标资源库、设置筛选规则；目标检索系统提供一图形用户界面，图形用户界面显示有检索控件；装置包括：
获取模块，用于响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；
确定模块，用于响应针对检索控件的触发操作，根据目标人员特征信息以及预设的目标资源库，确定出目标人员和目标人员的关联人员特征信息；其中，关联人员特征信息的类型均与目标人员特征信息的类型不同；
检索模块，用于使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员出现过的第二点位集；
筛选模块，用于根据预设的多个不同的筛选规则，从第一点位集和第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据目标点位集生成并展示目标人员的行动轨迹集；筛选规则预先根据用户的筛选条件配置。
在响应用户的第一输入操作的同时，获取模块，还用于：在响应用户的第一输入操作的同时，方法还包括：
响应用户的第二输入操作，获取时空限定信息；
通过以下方式得到第一点位集和第二点位集：
在时空限定信息限定的第一检索范围内，使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员在第一检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员在第一检索范围内出现过的第二点位集。
若在时空限定信息限定的第一检索范围内未能检索到得到第一点位集和第二点位集，根据预设的扩展规则和时空限定信息，对第一检索范围进行扩展，得到扩展后的第二检索范围；
在第二检索范围内，使用与第一类型的目标人员特征信息相匹配的第一检索方法对目标人员特征信息进行检索，得到目标人员在第二检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到目标人员在第二检索范围内出现过的第二点位集。
所述用户输入的检索信息的类型为多种类型，每种类型的检索信息对应获取一种或多种类型的目标人员特征信息；检索信息的多种类型包括以下至少之一：文字类型、图片类型和视频类型；
当检索信息为视频类型的时候，响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息，包括：
响应用户的第一输入操作，获取用户输入的视频类型的检索信息；
响应用户的选择操作，根据选择操作的时间和在图形用户界面上对应的坐标，从视频类型的检索信息中确定初选人员特征信息；
基于初选人员特征信息，从视频类型的检索信息中匹配与初选人员特征信息具有关联关系的再选人员特征信息；
将初选人员特征信息和再选人员特征信息作为目标人员特征信息。
筛选规则的数量为多个；通过以下方式生成目标人员的行动轨迹集：
根据各个筛选规则，从第一点位集和第二点位集中筛选出与该筛选规则对应包含预设数量点位的目标点位集；
基于与筛选规则对应包含预设数量点位的目标点位集，进而生成各个筛选规则对应的目标人员的行动轨迹集。
筛选规则包括算法规则；第一检索方法和第二检索方法分别对应一权重，通过第一检索方法或第二检索方法检索得到的第一点位集或第二点位集中包含的待选点位对应一比对相似度；
当筛选规则为算法规则的时候，包括基于随机森林算法模型、决策树算法模型、逻辑回归算法模型，通过以下方式确定目标点位集：
针对任一待选点位，根据得到该待选点位的各个检索方法对应的权重和该检索方法得到该待选点位的比对相似度，计算得到该待选点位的可靠度；
根据待选点位的可靠度，从待选点位中选出目标点位，并构成目标点位集。
所述展示目标人员的行动轨迹集，包括：
以多种不同维度的地图形式展示目标人员的行动轨迹集；不同维度包括二维和三维；
或者，以多种不同层级结构的列表形式展示目标人员的行动轨迹集。
目标检索系统包括实时检索模式，在目标检索系统为实时检索模式时，检索模块还用于：
根据目标人员在目标点位出现的时间信息，从目标点位中确定出当前点位，并分析目标人员处于当前点位的行动属性信息；行为属性信息包括：交通工具信息、携带物品信息和个人着装信息；
若检测到目标人员的行动属性信息发生了改变，根据目标人员改变后的行动属性信息，确定目标人员的改变后的人员特征信息；
使用与改变后的人员特征信息相匹配的第三检索方法对改变后的人员特征信息进行检索，得到目标人员出现过的第三点位集；
使用第三点位集更新目标人员的行动轨迹集。
目标检索系统包括离线检索模式，在目标检索系统为离线检索模式时，目标资源库连接外部资源库；检索模块还用于：
将所述目标人员特征信息发送给所述外部资源库，以使外部资源库对所述目标人员特征信息进行检索，得到多组目标点位集；
接收所述外部资源库发送的多组目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集。
如图10所示，本申请实施例提供了一种电子设备，用于执行本申请中的人员轨迹检索方法，该设备包括存储器、处理器、总线及存储在该存储器上并可在该处理器上运行的计算机程序，其中，上述处理器执行上述计算机程序时实现上述的人员轨迹检索方法的步骤。
具体地，上述存储器和处理器可以为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机程序时，能够执行上述的人员轨迹检索方法。
对应于本申请中的人员轨迹检索方法，本申请实施例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上存储有计算机程序，该计算机程序被处理器运行时执行上述的人员轨迹检索方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述的人员轨迹检索方法。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种人员轨迹检索方法，其特征在于，应用于目标检索系统，所述目标检索系统进行了预配置，所述预配置包括：构建目标资源库、设置筛选规则；目标检索系统提供一图形用户界面，所述图形用户界面显示有检索控件；所述方法包括：
响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；
响应针对所述检索控件的触发操作，根据所述目标人员特征信息以及预设的目标资源库，确定出目标人员和所述目标人员的关联人员特征信息；其中，所述关联人员特征信息的类型均与所述目标人员特征信息的类型不同；
使用与第一类型的目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员出现过的第二点位集；
根据预设的多个不同的筛选规则，从所述第一点位集和所述第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集；所述筛选规则预先根据所述用户的筛选条件配置。
2.根据权利要求1所述的方法，其特征在于，在响应用户的第一输入操作的同时，所述方法还包括：
响应用户的第二输入操作，获取时空限定信息；
通过以下方式得到所述第一点位集和所述第二点位集：
在所述时空限定信息限定的第一检索范围内，使用与第一类型的所述目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员在所述第一检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员在所述第一检索范围内出现过的第二点位集。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若在所述时空限定信息限定的第一检索范围内未能检索到得到所述第一点位集和所述第二点位集，根据预设的扩展规则和所述时空限定信息，对所述第一检索范围进行扩展，得到扩展后的第二检索范围；
在所述第二检索范围内，使用与第一类型的所述目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员在所述第二检索范围内出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员在所述第二检索范围内出现过的第二点位集。
4.根据权利要求2所述的方法，其特征在于，所述用户输入的检索信息的类型为多种类型，每种类型的检索信息对应获取一种或多种类型的目标人员特征信息；所述检索信息的多种类型包括以下至少之一：文字类型、图片类型和视频类型；
当所述检索信息为视频类型的时候，响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息，包括：
响应用户的第一输入操作，获取用户输入的视频类型的检索信息；
响应用户的选择操作，根据所述选择操作的时间和在图形用户界面上对应的坐标，从所述视频类型的检索信息中确定初选人员特征信息；
基于所述初选人员特征信息，从所述视频类型的检索信息中匹配与所述初选人员特征信息具有关联关系的再选人员特征信息；
将所述初选人员特征信息和所述再选人员特征信息作为目标人员特征信息。
5.根据权利要求1所述的方法，其特征在于，通过以下方式生成所述目标人员的行动轨迹集：
根据各个所述筛选规则，从所述第一点位集和所述第二点位集中筛选出与该筛选规则对应包含预设数量点位的目标点位集；
基于与所述筛选规则对应包含预设数量点位的目标点位集，进而生成各个筛选规则对应的所述目标人员的行动轨迹集。
6.根据权利要求1所述的方法，其特征在于，所述筛选规则包括算法规则；所述第一检索方法和所述第二检索方法分别对应一权重，通过第一检索方法或所述第二检索方法检索得到的所述第一点位集或所述第二点位集中包含的待选点位对应一比对相似度；
当所述筛选规则为算法规则的时候，算法规则包括基于随机森林算法模型、决策树算法模型、逻辑回归算法模型，通过以下方式确定目标点位集：
针对任一所述待选点位，根据得到该待选点位的各个检索方法对应的权重和该检索方法得到该待选点位的比对相似度，计算得到该待选点位的可靠度；
根据所述待选点位的可靠度，从所述待选点位中选出目标点位，并构成目标点位集。
7.根据权利要求1所述的方法，其特征在于，所述展示所述目标人员的行动轨迹集，包括：
以多种不同维度的地图形式展示所述目标人员的行动轨迹集；所述不同维度包括二维和三维；
或者，以多种不同层级结构的列表形式展示所述目标人员的行动轨迹集。
8.根据权利要求1所述的方法，其特征在于，所述目标检索系统包括实时检索模式，在所述目标检索系统为实时检索模式时，所述方法还包括：
根据所述目标人员在所述目标点位出现的时间信息，从所述目标点位中确定出当前点位，并分析所述目标人员处于所述当前点位的行动属性信息；所述行为属性信息包括：交通工具信息、携带物品信息和个人着装信息；
若检测到所述目标人员的行动属性信息发生了改变，根据所述目标人员改变后的行动属性信息，确定所述目标人员的改变后的人员特征信息；
使用与所述改变后的人员特征信息相匹配的第三检索方法对所述改变后的人员特征信息进行检索，得到所述目标人员出现过的第三点位集；
使用所述第三点位集更新所述目标人员的行动轨迹集。
9.根据权利要求1所述的方法，其特征在于，所述目标检索系统包括离线检索模式，在所述目标检索系统为离线检索模式时，所述目标资源库连接外部资源库；所述方法还包括：
将所述目标人员特征信息发送给所述外部资源库，以使外部资源库对所述目标人员特征信息进行检索，得到多组目标点位集；
接收所述外部资源库发送的多组目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集。
10.一种人员轨迹检索装置，其特征在于，所述装置驻留于目标检索系统，所述目标检索系统进行了预配置，所述预配置包括：构建目标资源库、设置筛选规则；目标检索系统提供一图形用户界面，所述图形用户界面显示有检索控件；所述装置包括：
获取模块，用于响应用户的第一输入操作，基于用户输入的检索信息获取目标人员特征信息；
确定模块，用于响应针对所述检索控件的触发操作，根据所述目标人员特征信息以及预设的目标资源库，确定出目标人员和所述目标人员的关联人员特征信息；其中，所述关联人员特征信息的类型均与所述目标人员特征信息的类型不同；
检索模块，用于使用与第一类型的目标人员特征信息相匹配的第一检索方法对所述目标人员特征信息进行检索，得到所述目标人员出现过的第一点位集；以及，使用与第二类型的关联人员特征信息相匹配的第二检索方法对该关联人员特征信息进行检索，得到所述目标人员出现过的第二点位集；
筛选模块，用于根据预设的多个不同的筛选规则，从所述第一点位集和所述第二点位集中，筛选出满足各个用户筛选条件的目标点位集，并根据各个所述目标点位集生成并展示所述目标人员的行动轨迹集；所述筛选规则预先根据所述用户的筛选条件配置。
11.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至9任一所述的人员轨迹检索方法的步骤。
12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至9任一所述的人员轨迹检索方法的步骤。
CN202210880243.3A 2022-07-25 2022-07-25 一种人员轨迹检索方法、装置、电子设备及存储介质 Pending CN115203477A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210880243.3A CN115203477A (zh) 2022-07-25 2022-07-25 一种人员轨迹检索方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210880243.3A CN115203477A (zh) 2022-07-25 2022-07-25 一种人员轨迹检索方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115203477A true CN115203477A (zh) 2022-10-18

Family

ID=83583328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210880243.3A Pending CN115203477A (zh) 2022-07-25 2022-07-25 一种人员轨迹检索方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115203477A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118012908A (zh) * 2023-12-20 2024-05-10 曙光云计算集团股份有限公司 识别方法、装置、计算机设备、存储介质和程序产品

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118012908A (zh) * 2023-12-20 2024-05-10 曙光云计算集团股份有限公司 识别方法、装置、计算机设备、存储介质和程序产品

Similar Documents

Publication Publication Date Title
JP5976237B2 (ja) 映像検索システム及び映像検索方法
CN105243060B (zh) 一种检索图片的方法及装置
US20210382933A1 (en) Method and device for archive application, and storage medium
CN111046235B (zh) 基于人脸识别的声像档案搜索方法、系统、设备及介质
CN111222373B (zh) 一种人员行为分析方法、装置和电子设备
CN111581423B (zh) 一种目标检索方法及装置
JP6064793B2 (ja) プログラム及び情報共有支援システム
CN107862072B (zh) 基于大数据技术分析车辆入城套牌作案的方法
WO2020103293A1 (zh) 一种人员检索信息的呈现方法、装置和电子设备
CN111954175A (zh) 一种兴趣点到访判别方法和相关装置
CN109255042A (zh) 基于大规模街景数据的实时图片匹配地理定位方法和系统
CN110609879A (zh) 兴趣点判重方法、装置、计算机设备及存储介质
KR20190124436A (ko) 영상 기반 건물 검색 방법 및 장치
CN115203477A (zh) 一种人员轨迹检索方法、装置、电子设备及存储介质
CN104965859B (zh) 一种用于获取地图中的候选地址信息的方法和装置
JP7298090B2 (ja) 地理位置点の空間関係を抽出する方法及び装置
CN114707685A (zh) 一种基于大数据建模分析的事件预测方法及装置
US20210026881A1 (en) System, method, and computer-readable medium for managing image
CN113313062A (zh) 路径获取方法、装置、系统、电子设备及存储介质
CN114020960A (zh) 音乐推荐方法、装置、服务器及存储介质
CN114547386A (zh) 基于Wi-Fi信号的定位方法、装置，以及电子设备
CN113378005B (zh) 事件处理方法、装置、电子设备以及存储介质
CN112333182B (zh) 档案处理方法、装置、服务器及存储介质
CN113449130A (zh) 一种图像检索方法、装置、一种计算机可读存储介质和计算设备
CN111367942B (zh) 通讯录检索方法及装置

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