CN115470250B - 人员信息处理方法、装置、电子设备和计算机可读介质 - Google Patents
人员信息处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115470250B CN115470250B CN202211421147.9A CN202211421147A CN115470250B CN 115470250 B CN115470250 B CN 115470250B CN 202211421147 A CN202211421147 A CN 202211421147A CN 115470250 B CN115470250 B CN 115470250B
- Authority
- CN
- China
- Prior art keywords
- information
- house
- target
- floating population
- vehicle identification
- 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.)
- Active
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了人员信息处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:确定常住人口信息集合和流动人口信息集合;从房屋信息集合中剔除满足剔除条件的房屋信息;响应于确定流动人口信息对应的人员为已进行房屋信息登记的人员,将流动人口信息与对应的候选房屋信息进行一致性校验;响应于未通过一致性校验,对流动人口信息对应的人员进行居住地核验;响应于确定流动人口信息对应的人员为未进行房屋信息登记的人员,确定流动人口信息对应的候选房屋信息;将目标房屋信息和流动人口信息进行匹配性校验;响应于通过匹配性校验,将流动人口信息与目标房屋信息进行信息绑定。该实施方式提高了信息处理效率和核验效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及人员信息处理方法、装置、电子设备和计算机可读介质。
背景技术
随着城市人口的规模逐渐增长和扩大,因此,对城市人口,尤其是流动人口的管理要求越来越高。目前在进行城市人口管理时,通常采用的方式为:采用人工的方式手动对城市人口相关的信息进行管理。
然而,当采用上述方式时,经常会存在如下技术问题:
第一、由于流动人口基数大,采用人工的方式进行流动人口的信息处理,处理效率低下;
第二、由于流动人口往往具有流动性,采用人工的方式进行流动人口的核验,往往存在滞后性,从而导致信息核验效率低下。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了人员信息处理方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种人员信息处理方法,该方法包括:确定目标区域对应的常住人口信息集合和流动人口信息集合;从上述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息;对于上述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验;响应于未通过一致性校验,对上述流动人口信息对应的人员进行居住地核验;响应于确定上述流动人口信息对应的人员为未进行房屋信息登记的人员,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息;将上述目标房屋信息和上述流动人口信息进行匹配性校验;响应于通过匹配性校验,将上述流动人口信息与上述目标房屋信息进行信息绑定。
第二方面,本公开的一些实施例提供了一种人员信息处理装置,装置包括:确定单元,被配置成确定目标区域对应的常住人口信息集合和流动人口信息集合;剔除单元,被配置成从上述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息;执行单元,被配置成对于上述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验;响应于未通过一致性校验,对上述流动人口信息对应的人员进行居住地核验;响应于确定上述流动人口信息对应的人员为未进行房屋信息登记的人员,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息;将上述目标房屋信息和上述流动人口信息进行匹配性校验;响应于通过匹配性校验,将上述流动人口信息与上述目标房屋信息进行信息绑定。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
随着城市人口规模化和动态化流动已经成为城市建设和发展的常态,其城市居住民的流动规模、流动频次日益增长和扩大,对城市租房管理的精细化程度要求越来越高。当前,城市治理过程中,面向城市级的租房态势感知与预警方面,常采用数据手动录入和人工更新等方式进行信息处理,存在信息处理效率低、房屋登记效率低下等问题。同时,由于缺乏基础信息,使得无法基于基础信息进行有效地进行城市租房管理。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的人员信息处理方法,提高了信息处理效率和信息核验效率。具体来说,造成信息处理效率低下,以及信息核验效率低下的原因在于:第一、由于流动人口基数大,采用人工的方式进行流动人口的信息处理,处理效率低下;第二、由于流动人口往往具有流动性,采用人工的方式进行流动人口的核验,往往存在滞后性,从而导致信息核验效率低下。基于此,本公开的一些实施例的人员信息处理方法,首先,确定目标区域对应的常住人口信息集合和流动人口信息集合。实际情况中,目标区域(如,居民区)往往包含流动人口和常住人口,因此,需要对人员进行划分。接着,从上述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息。实际情况中,目标区域内往往包含多个房屋,因此,要对除常住人扣对应的房屋以外的房屋进行核验。进一步,对于上述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:第一步,响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验。实际情况中,部分流动人口会主动地进行房屋信息的登记,因此,只需要对此类流动人口进行登记信息和实际房屋的校验。第二步,响应于未通过一致性校验,对上述流动人口信息对应的人员进行居住地核验。当不一致时,在对此类流动人口进行实际居住地的核验。第三步,响应于确定上述流动人口信息对应的人员为未进行房屋信息登记的人员,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息。此外,流动人口中存在大量的未进行房屋登记的流动人口,因此,需要先确定其对应的房屋。第四步,将上述目标房屋信息和上述流动人口信息进行匹配性校验。确定完毕后,需要进行房屋和流动人口的匹配性校验,以此确定房屋是否确定无误。第五步,响应于通过匹配性校验,将上述流动人口信息与上述目标房屋信息进行信息绑定。通过此种方式,提高了针对流动人口的,尤其是房屋信息的处理效率。同时,通过增加核验流程,提高了核验效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的人员信息处理方法的一些实施例的流程图;
图2是根据本公开的人员信息处理装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的人员信息处理方法的一些实施例的流程100。该人员信息处理方法,包括以下步骤:
步骤101,确定目标区域对应的常住人口信息集合和流动人口信息集合。
在一些实施例中,人员信息处理方法的执行主体(例如,计算设备)可以确定目标区域对应的常住人口信息集合和流动人口信息集合。其中,上述目标区域可以是包含有至少一个居民楼的区域。实践中,上述目标区域可以是包含有至少一个居民楼的小区。上述目标区域还可以是包含有至少一个小区的区域。上述常住人口信息集合中的常住人口信息可以是户籍所在地在上述目标区域内,且在目标区域内生活的人员的信息。上述流动人口信息集合中的流动人口信息可以是户籍所在地不在上述目标区域内,且在目标区域内生活的人员的信息。
作为示例,首先,上述执行主体可以获取在上述目标区域内居住的人员的信息。然后,将户籍所在地在上述目标区域内的人员的信息,确定为常住人口信息。将户籍所在地不在上述目标区域内的人员的信息,确定为流动人口信息。
需要说明的是,上述计算设备可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。应该理解,计算设备的数目根据实现需要,可以具有任意数目的计算设备。
在一些实施例的一些可选的实现方式中,上述执行主体确定目标区域对应的常住人口信息集合和流动人口信息集合,可以包括以下步骤:
第一步,获取人脸图像集合。
其中,人脸图像集合中的人脸图像是上述目标区域内的摄像头采集的包含有人脸的图像。
作为示例,上述目标区域可以是居民区。上述目标区域内的摄像头可以是居民区出入口设置的摄像头。上述目标区域内的摄像头还可以是居民区内的单元楼入口处的摄像头。
第二步,对于上述人脸图像集合中的每个人脸图像,执行以下信息确定步骤:
第一子步骤,对上述人脸图像进行人脸特征识别,以生成人脸特征信息。
作为示例,上述人脸特征信息可以表征上述人脸图像的面部特征。实践中,上述人脸特征信息可以包括人脸图像的面部特征点。例如,上述执行主体可以通过特征点采集模型,对上述人脸图像进行人脸特征识别,以生成人脸特征信息。上述特征点采集模型可以是CNN(Convolutional Neural Networks,卷积神经网络)模型。
第二子步骤,将上述人脸特征信息与预先构建的人员身份信息库中的人员身份信息进行特征比对,以确定上述人脸特征信息对应的身份信息。
其中,上述人员身份信息库可以是由人员信息管理部门设置信息库。实践中,上述人员信息管理部门可以是公安部门。上述人员身份信息库中可以包括人员的面部特征和人员的身份信息。
第三子步骤,将上述身份信息与上述目标区域对应的初始常住人口信息库中的初始常住人口信息进行比对,以生成比对结果。
其中,上述初始常住人口信息库可以包括户籍所在地为上述目标区域的人员的身份信息。上述比对结果可以表征上述人脸图像对应的身份信息是否位于上述初始常住人口信息库内。
第四子步骤,响应于确定上述比对结果表征上述身份信息对应的人员为常住人口,根据上述身份信息,生成上述人脸图像对应的常住人口信息。
作为示例,当上述身份信息对应的人员为常住人口时,上述执行主体可以将表征人员为常住人口的标识和上述身份信息进行组合,以生成上述人脸图像对应的常住人口信息。例如,表征人员为常住人口的标识可以是“1”。
第五子步骤,响应于确定上述比对结果表征上述身份信息对应的人员为流动人口,根据上述身份信息,生成上述人脸图像对应的流动人口信息。
作为示例,当上述身份信息对应的人员为流动人口时,上述执行主体可以将表征人员为流动人口的标识和上述身份信息进行组合,以生成上述人脸图像对应的流动人口信息。例如,表征人员为常住人口的标识可以是“0”。
步骤102,从目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合。
在一些实施例中,上述执行主体可以从目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合。其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息。目标区域对应的房屋信息集合中的房屋信息可以是上述目标区域内的房屋对应的房屋信息。
步骤103,对于流动人口信息集合中的每个流动人口信息,执行以下处理步骤:
步骤1031,响应于确定流动人口信息对应的人员为已进行房屋信息登记的人员,将流动人口信息与候选房屋信息集合中对应的候选房屋信息进行一致性校验。
在一些实施例中,上述执行主体可以响应于确定流动人口信息对应的人员为已进行房屋信息登记的人员,将流动人口信息与候选房屋信息集合中对应的候选房屋信息进行一致性校验。
作为示例,首先,上述执行主体可以确定上述候选房屋信息集合中是否包含与上述流动人口信息对应的已登记的房屋信息相同的候选房屋信息,响应于包含,则通过一致性校验。响应于不包含,则未通过一致性校验。
在一些实施例的一些可选的实现方式中,响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验,包括:
第一步,根据上述流动人口信息对应的房屋登记信息,确定上述候选房屋信息集合中与上述流动人口信息对应的候选房屋信息,作为目标候选房屋信息。
第二步,获取上述目标候选房屋信息对应房屋的资源使用信息。
其中,上述资源使用信息包括:燃气使用信息、电使用信息和自来水使用信息。实践中,燃气使用信息表征上述流动人口信息对应的人员在一段时间内的燃气使用量。电使用信息表征上述流动人口信息对应的人员在一段时间内的电使用量。自来水使用信息可以是表征上述流动人口信息对应的人员在一段时间内的自来水使用量。
第三步,分别对上述燃气使用信息、上述电使用信息和上述自来水使用信息进行向量化处理,以生成燃气使用信息向量、电使用信息向量和自来水使用信息向量。
实践中,上述执行主体可以通过VGG-16网络分别对上述燃气使用信息、上述电使用信息和上述自来水使用信息进行向量化处理,以生成燃气使用信息向量、电使用信息向量和自来水使用信息向量。其中,上述燃气使用信息向量、上述电使用信息向量和上述自来水使用信息向量的向量长度相同。
第四步,确定上述目标候选房屋信息是否存在对应的车位信息。
作为示例,上述执行主体可以通过查询房屋与车位关联关系信息库,以确定上述目标候选房屋信息对应的房屋是否存在对应的车位。其中,上述房屋与车位关联关系信息库中的数据库记录可以包括:房屋信息和车位信息。
第五步,响应于上述目标候选房屋信息存在对应的车位信息,获取上述车位信息对应的车位的监控视频。
实践中,上述执行主体可以获取能够录制车位信息对应的车位的摄像头拍摄的视频,作为监控视频。
第六步,对上述监控视频中的每帧图像进行车辆识别,以生成车辆识别信息,得到车辆识别信息序列。
其中,上述执行主体可以通过YOLO(You Only Look Once)模型,对上述监控视频中的每帧图像进行车辆识别,以生成车辆识别信息,得到车辆识别信息序列。例如,车辆识别信息可以包括:图像帧编号,是否包含车辆标识,车牌号。
第七步,响应于确定上述车辆识别信息序列中存在大于等于目标比例的、对应相同车辆的车辆识别信息,根据上述车辆识别信息序列,生成车辆识别信息向量。
实践中,上述目标比例可是80%。上述执行主体可以提取大于等于目标比例的、对应相同车辆的车辆识别信息对应的图像内的车辆特征,作为车辆识别信息向量。
可选地,上述执行主体根据上述车辆识别信息序列,生成车辆识别信息向量,包括:
第一子步骤,确定上述车辆识别信息序列中大于等于目标比例的、对应相同车辆的车辆识别信息,作为目标车辆识别信息。
第二子步骤,生成初始车辆识别信息向量。
上述初始车辆识别信息向量的向量长度与上述车辆识别信息序列中的车辆识别信息数量相同。上述初始车辆识别信息向量中的各个向量值中的向量值与初始值相同。实践中,初始值为“0”。
第三子步骤,对于上述车辆识别信息序列中的每个车辆识别信息,响应于上述车辆识别信息对应的车辆与目标车辆识别信息对应的车辆相同,根据上述车辆识别信息在上述车辆识别信息序列中的位置,对上述初始车辆识别信息向量中对应位置的向量值进行更新。
实践中,更新后的值为“1”。
第四子步骤,将向量值更新后的初始车辆识别信息向量,确定为上述车辆识别信息向量。
第八步,对上述流动人口信息进行向量化处理,以生成流动人口信息向量。
其中,上述执行主体可以通过VGG-16网络,对上述流动人口信息进行向量化处理,以生成流动人口信息向量。
第九步,根据上述燃气使用信息向量、上述电使用信息向量、上述自来水使用信息向量、上述车辆识别信息向量、上述流动人口信息向量和预先训练的一致性校验模型,生成一致性校验结果。
其中,校验结果表征流动人口信息与上述候选房屋信息集合中对应的候选房屋信息是否通过一致性校验。上述一致性校验模型为二分类模型。例如,上述一致性校验模型可以是包含有二分类层的卷积神经网络模型。上述一致性校验模型可以通过预先构建的训练样本和对应的样本标签进行末训练。上述训练样本可以是根据常住人口信息对应的人员的燃气使用信息、自来水使用信息、电使用信息和车位信息构建的向量作为训练样本。训练样本对应的标签可以人工设置。
作为示例,首先,上述执行主体可以将燃气使用信息向量、上述电使用信息向量、上述自来水使用信息向量、上述车辆识别信息向量进行拼接,以生成拼接向量。然后,将拼接向量输入上述一致性校验模型,以生成一致性校验结果。
步骤1033中的内容,作为本公开的一个发明点,解决了背景技术提及的技术问题二,即“由于流动人口往往具有流动性,采用人工的方式进行流动人口的核验,往往存在滞后性,从而导致信息核验效率低下”,为了解决这一问题,本公开通过设置一致性校验模型,自动生成一致性校验结果,相较于人工逐一确认,信息核验效率大大提高。此外,为了提高生成的一致性核验结果的准确性,本公开结合燃气使用信息、电使用信息和自来水使用信息以及车位信息,以此进行一致性校验,通过此种方式,大大提高了一致性校验的准确率。
步骤1032,响应于未通过一致性校验,对流动人口信息对应的人员进行居住地核验。
在一些实施例中,响应于未通过一致性校验,对流动人口信息对应的人员进行居住地核验。实践中,上述执行主体可以通知核验人员对流动人口信息对应的人员进行实际居住地的核验。
步骤1033,响应于确定流动人口信息对应的人员为未进行房屋信息登记的人员,确定流动人口信息在候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息。
在一些实施例中,上述执行主体可以通知核验人员,以使得核验人员可以与流动人口信息对应的人员进行联系,以确定流动人口信息对应的人员对应的候选房屋信息。
在一些实施例的一些可选的实现方式中,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息,可以包括以下步骤:
响应于上述目标区域内的摄像头识别到目标人员,执行以下房屋信息确定步骤:
第一步,确定上述目标人员进入的单元楼对应的单元楼信息。
其中,目标人员为上述流动人口信息对应的人员。上述执行主体可以调用目标区域内的摄像头,以此识别目标人员进入的单元楼。
第二步,调用上述单元楼信息对应的单元楼内的摄像头,识别上述目标人员进入的楼层的楼层信息。
第三步,调用上述楼层信息对应的楼层的摄像头,识别上述目标人员的行为轨迹,以确定上述目标人员对应的房屋信息,得到上述目标房屋信息。
实践中,首先,上述执行主体可以通过分析楼层信息对应的楼层的摄像头采集的视频,识别上述目标人员的行为轨迹。然后,上述执行主体可以根据行为轨迹对应的朝向确定目标人员欲到达的房屋,以生成目标房屋信息。
步骤1034,将目标房屋信息和流动人口信息进行匹配性校验。
在一些实施例中,上述执行主体可以通过各种方式将目标房屋信息和流动人口信息进行匹配性校验。
在一些实施例的一些可选的实现方式中,上述执行主体将目标房屋信息和流动人口信息进行匹配性校验,可以包括以下步骤:
第一步,根据上述目标区域内的摄像头采集的包含有上述目标人员的图像,对上述目标人员进行特征分析,以生成上述目标人员的人员信息。
其中,人员信息可以包括:人员年龄,人员性别,人员身高。
第二步,根据上述人员信息和预先训练的资源使用预测模型,生成上述目标人员对应的预测资源使用信息。
其中,预测资源信息可以包括预测的、目标房屋信息对应的房屋的燃气使用信息、电使用信息和自来水使用信息。
作为示例,首先,上述执行主体可以对上述人员信息进行向量化处理,以生成人员信息向量。然后,上述执行主体可以将上述人员信息向量输入上述资源使用预测模型,以生成上述预测资源使用信息。上述资源使用预测模型可以是有监督训练的模型。实践中,资源使用预测模型可以是LSTM(Long Short-Term Memory,长短时记忆)模型。
第三步,获取上述目标房屋信息对应的实际资源使用信息。
其中,实际资源使用信息可以包括目标房屋信息对应的房屋的实际的燃气使用信息、电使用信息和自来水使用信息。
第四步,响应于确定上述预测资源使用信息和上述实际资源使用信息对应的资源使用比对结果一致,生成表征上述目标房屋信息和上述流动人口信息通过匹配性校验的结果。第五步,响应于确定上述预测资源使用信息和上述实际资源使用信息对应的资源使用比对结果不一致,生成表征上述目标房屋信息和上述流动人口信息未通过匹配性校验的结果。
步骤1035,响应于通过匹配性校验,将流动人口信息与目标房屋信息进行信息绑定。
在一些实施例中,上述执行主体可以响应于通过匹配性校验,将流动人口信息与目标房屋信息进行信息绑定。实践中,上述执行主体可以将流动人口信息和目标房屋信息作为一条数据库记录进行数据存储,以实现信息绑定。
在一些实施例的一些可选的实现方式中,上述执行主体还可以执行以下处理步骤:
第一步,确定上述目标区域内的重点人口信息。
实践中,上述执行主体可以从上述常住人口信息集合和上述流动人口信息集合中筛选出属于老弱病残、且独居的人员的信息,作为重点人口信息。
第二步,对上述重点人口信息对应的房屋的资源使用状态进行监控,以生成监控结果。
实践中,监控结果可以包括:重点人口信息对应的房屋的燃气、自来水和电的使用量。
第三步,响应于确定上述监控结果出现异常,通知上述目标区域内的区域管理人员进行人员状态核验。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的人员信息处理方法,提高了信息处理效率和信息核验效率。具体来说,造成信息处理效率低下,以及信息核验效率低下的原因在于:第一、由于流动人口基数大,采用人工的方式进行流动人口的信息处理,处理效率低下;第二、由于流动人口往往具有流动性,采用人工的方式进行流动人口的核验,往往存在滞后性,从而导致信息核验效率低下。基于此,本公开的一些实施例的人员信息处理方法,首先,确定目标区域对应的常住人口信息集合和流动人口信息集合。实际情况中,目标区域(如,居民区)往往包含流动人口和常住人口,因此,需要对人员进行划分。接着,从上述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息。实际情况中,目标区域内往往包含多个房屋,因此,要对除常住人扣对应的房屋以外的房屋进行核验。进一步,对于上述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:第一步,响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验。实际情况中,部分流动人口会主动地进行房屋信息的登记,因此,只需要对此类流动人口进行登记信息和实际房屋的校验。第二步,响应于未通过一致性校验,对上述流动人口信息对应的人员进行居住地核验。当不一致时,在对此类流动人口进行实际居住地的核验。第三步,响应于确定上述流动人口信息对应的人员为未进行房屋信息登记的人员,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息。此外,流动人口中存在大量的未进行房屋登记的流动人口,因此,需要先确定其对应的房屋。第四步,将上述目标房屋信息和上述流动人口信息进行匹配性校验。确定完毕后,需要进行房屋和流动人口的匹配性校验,以此确定房屋是否确定无误。第五步,响应于通过匹配性校验,将上述流动人口信息与上述目标房屋信息进行信息绑定。通过此种方式,提高了针对流动人口的,尤其是房屋信息的处理效率。同时,通过增加核验流程,提高了核验效率。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种人员信息处理装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该人员信息处理装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的人员信息处理装置200包括:确定单元201、剔除单元202和执行单元203。其中,确定单元201,被配置成确定目标区域对应的常住人口信息集合和流动人口信息集合;剔除单元202,被配置成从上述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息;执行单元203,被配置成对于上述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验;响应于未通过一致性校验,对上述流动人口信息对应的人员进行居住地核验;响应于确定上述流动人口信息对应的人员为未进行房屋信息登记的人员,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息;将上述目标房屋信息和上述流动人口信息进行匹配性校验;响应于通过匹配性校验,将上述流动人口信息与上述目标房屋信息进行信息绑定。
可以理解的是,该人员信息处理装置200中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于人员信息处理装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从只读存储器302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读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。在本公开的一些实施例中,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。而在本公开的一些实施例中,计算机可读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介质,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述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:确定目标区域对应的常住人口信息集合和流动人口信息集合;从上述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,上述剔除条件为:房屋信息为上述常住人口信息集合中常住人口信息对应的房屋信息;对于上述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:响应于确定上述流动人口信息对应的人员为已进行房屋信息登记的人员,将上述流动人口信息与上述候选房屋信息集合中对应的候选房屋信息进行一致性校验;响应于未通过一致性校验,对上述流动人口信息对应的人员进行居住地核验;响应于确定上述流动人口信息对应的人员为未进行房屋信息登记的人员,确定上述流动人口信息在上述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息;将上述目标房屋信息和上述流动人口信息进行匹配性校验;响应于通过匹配性校验,将上述流动人口信息与上述目标房屋信息进行信息绑定。
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公开的一些实施例的操作的计算机程序代码,上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,图示了按照本公开各种实施例的系统、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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括确定单元、剔除单元和执行单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“确定目标区域对应的常住人口信息集合和流动人口信息集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种人员信息处理方法,包括:
确定目标区域对应的常住人口信息集合和流动人口信息集合;
从所述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,所述剔除条件为:房屋信息为所述常住人口信息集合中常住人口信息对应的房屋信息;
对于所述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:
响应于确定所述流动人口信息对应的人员为已进行房屋信息登记的人员,将所述流动人口信息与所述候选房屋信息集合中对应的候选房屋信息进行一致性校验;
响应于未通过一致性校验,对所述流动人口信息对应的人员进行居住地核验;
响应于确定所述流动人口信息对应的人员为未进行房屋信息登记的人员,确定所述流动人口信息在所述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息;
将所述目标房屋信息和所述流动人口信息进行匹配性校验;
响应于通过匹配性校验,将所述流动人口信息与所述目标房屋信息进行信息绑定,其中,所述响应于确定所述流动人口信息对应的人员为已进行房屋信息登记的人员,将所述流动人口信息与所述候选房屋信息集合中对应的候选房屋信息进行一致性校验,包括:
根据所述流动人口信息对应的房屋登记信息,确定所述候选房屋信息集合中与所述流动人口信息对应的候选房屋信息,作为目标候选房屋信息;
获取所述目标候选房屋信息对应房屋的资源使用信息,其中,所述资源使用信息包括:燃气使用信息、电使用信息和自来水使用信息;
分别对所述燃气使用信息、所述电使用信息和所述自来水使用信息进行向量化处理,以生成燃气使用信息向量、电使用信息向量和自来水使用信息向量;
确定所述目标候选房屋信息是否存在对应的车位信息;
响应于所述目标候选房屋信息存在对应的车位信息,获取所述车位信息对应的车位的监控视频;
对所述监控视频中的每帧图像进行车辆识别,以生成车辆识别信息,得到车辆识别信息序列;
响应于确定所述车辆识别信息序列中存在大于等于目标比例的、对应相同车辆的车辆识别信息,根据所述车辆识别信息序列,生成车辆识别信息向量;
对所述流动人口信息进行向量化处理,以生成流动人口信息向量;
根据所述燃气使用信息向量、所述电使用信息向量、所述自来水使用信息向量、所述车辆识别信息向量、所述流动人口信息向量和预先训练的一致性校验模型,生成一致性校验结果。
2.根据权利要求1所述的方法,其中,所述确定目标区域对应的常住人口信息集合和流动人口信息集合,包括:
获取人脸图像集合,其中,所述人脸图像集合中的人脸图像是所述目标区域内的摄像头采集的包含有人脸的图像;
对于所述人脸图像集合中的每个人脸图像,执行以下信息确定步骤:
对所述人脸图像进行人脸特征识别,以生成人脸特征信息;
将所述人脸特征信息与预先构建的人员身份信息库中的人员身份信息进行特征比对,以确定所述人脸特征信息对应的身份信息;
将所述身份信息与所述目标区域对应的初始常住人口信息库中的初始常住人口信息进行比对,以生成比对结果;
响应于确定所述比对结果表征所述身份信息对应的人员为常住人口,根据所述身份信息,生成所述人脸图像对应的常住人口信息;
响应于确定所述比对结果表征所述身份信息对应的人员非常住人口,根据所述身份信息,生成所述人脸图像对应的流动人口信息。
3.根据权利要求2所述的方法,其中,所述根据所述车辆识别信息序列,生成车辆识别信息向量,包括:
确定所述车辆识别信息序列中大于等于目标比例的、对应相同车辆的车辆识别信息,作为目标车辆识别信息;
生成初始车辆识别信息向量,其中,所述初始车辆识别信息向量的向量长度与所述车辆识别信息序列中的车辆识别信息数量相同,所述初始车辆识别信息向量中的各个向量值中的向量值与初始值相同;
对于所述车辆识别信息序列中的每个车辆识别信息,响应于所述车辆识别信息对应的车辆与目标车辆识别信息对应的车辆相同,根据所述车辆识别信息在所述车辆识别信息序列中的位置,对所述初始车辆识别信息向量中对应位置的向量值进行更新;
将向量值更新后的初始车辆识别信息向量,确定为所述车辆识别信息向量。
4.根据权利要求3所述的方法,其中,所述确定所述流动人口信息在所述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息,包括:
响应于所述目标区域内的摄像头识别到目标人员,其中,所述目标人员为所述流动人口信息对应的人员,执行以下房屋信息确定步骤:
确定所述目标人员进入的单元楼对应的单元楼信息;
调用所述单元楼信息对应的单元楼内的摄像头,识别所述目标人员进入的楼层的楼层信息;
调用所述楼层信息对应的楼层的摄像头,识别所述目标人员的行为轨迹,以确定所述目标人员对应的房屋信息,得到所述目标房屋信息。
5.根据权利要求4所述的方法,其中,所述将所述目标房屋信息和所述流动人口信息进行匹配性校验,包括:
根据所述目标区域内的摄像头采集的包含有所述目标人员的图像,对所述目标人员进行特征分析,以生成所述目标人员的人员信息;
根据所述人员信息和预先训练的资源使用预测模型,生成所述目标人员对应的预测资源使用信息;
获取所述目标房屋信息对应的实际资源使用信息;
响应于确定所述预测资源使用信息和所述实际资源使用信息对应的资源使用比对结果一致,生成表征所述目标房屋信息和所述流动人口信息通过匹配性校验的结果;
响应于确定所述预测资源使用信息和所述实际资源使用信息对应的资源使用比对结果不一致,生成表征所述目标房屋信息和所述流动人口信息未通过匹配性校验的结果。
6.根据权利要求5所述的方法,其中,所述方法还包括:
确定所述目标区域内的重点人口信息;
对所述重点人口信息对应的房屋的资源使用状态进行监控,以生成监控结果;
响应于确定所述监控结果出现异常,通知所述目标区域内的区域管理人员进行人员状态核验。
7.一种人员信息处理装置,包括:
确定单元,被配置成确定目标区域对应的常住人口信息集合和流动人口信息集合;
剔除单元,被配置成从所述目标区域对应的房屋信息集合中剔除满足剔除条件的房屋信息,得到候选房屋信息集合,其中,所述剔除条件为:房屋信息为所述常住人口信息集合中常住人口信息对应的房屋信息;
执行单元,被配置成对于所述流动人口信息集合中的每个流动人口信息,执行以下处理步骤:响应于确定所述流动人口信息对应的人员为已进行房屋信息登记的人员,将所述流动人口信息与所述候选房屋信息集合中对应的候选房屋信息进行一致性校验;响应于未通过一致性校验,对所述流动人口信息对应的人员进行居住地核验;响应于确定所述流动人口信息对应的人员为未进行房屋信息登记的人员,确定所述流动人口信息在所述候选房屋信息集合中的对应的候选房屋信息,作为目标房屋信息;将所述目标房屋信息和所述流动人口信息进行匹配性校验;响应于通过匹配性校验,将所述流动人口信息与所述目标房屋信息进行信息绑定,其中,所述响应于确定所述流动人口信息对应的人员为已进行房屋信息登记的人员,将所述流动人口信息与所述候选房屋信息集合中对应的候选房屋信息进行一致性校验,包括:
根据所述流动人口信息对应的房屋登记信息,确定所述候选房屋信息集合中与所述流动人口信息对应的候选房屋信息,作为目标候选房屋信息;
获取所述目标候选房屋信息对应房屋的资源使用信息,其中,所述资源使用信息包括:燃气使用信息、电使用信息和自来水使用信息;
分别对所述燃气使用信息、所述电使用信息和所述自来水使用信息进行向量化处理,以生成燃气使用信息向量、电使用信息向量和自来水使用信息向量;
确定所述目标候选房屋信息是否存在对应的车位信息;
响应于所述目标候选房屋信息存在对应的车位信息,获取所述车位信息对应的车位的监控视频;
对所述监控视频中的每帧图像进行车辆识别,以生成车辆识别信息,得到车辆识别信息序列;
响应于确定所述车辆识别信息序列中存在大于等于目标比例的、对应相同车辆的车辆识别信息,根据所述车辆识别信息序列,生成车辆识别信息向量;
对所述流动人口信息进行向量化处理,以生成流动人口信息向量;
根据所述燃气使用信息向量、所述电使用信息向量、所述自来水使用信息向量、所述车辆识别信息向量、所述流动人口信息向量和预先训练的一致性校验模型,生成一致性校验结果。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211421147.9A CN115470250B (zh) | 2022-11-15 | 2022-11-15 | 人员信息处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211421147.9A CN115470250B (zh) | 2022-11-15 | 2022-11-15 | 人员信息处理方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115470250A CN115470250A (zh) | 2022-12-13 |
CN115470250B true CN115470250B (zh) | 2023-03-24 |
Family
ID=84338048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211421147.9A Active CN115470250B (zh) | 2022-11-15 | 2022-11-15 | 人员信息处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115470250B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761616B (zh) * | 2014-01-22 | 2017-02-15 | 东华大学 | 一种基于设备功率和工作时间的产品耗电量的分配方法 |
CN103810648B (zh) * | 2014-03-05 | 2017-03-01 | 东华大学 | 基于区域与季节水资源压力指数产品工业水足迹核算方法 |
CN107993179B (zh) * | 2018-01-04 | 2021-11-23 | 南京市公安局栖霞分局 | 一种警务平台人口房屋数据筛查登记方法 |
CN112579593A (zh) * | 2019-09-30 | 2021-03-30 | 华为技术有限公司 | 人口库分库方法和装置 |
CN114049658A (zh) * | 2021-09-18 | 2022-02-15 | 特斯联科技集团有限公司 | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 |
-
2022
- 2022-11-15 CN CN202211421147.9A patent/CN115470250B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115470250A (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7849041B2 (en) | Intent prediction and response employing sensing, networking, and communication among distributed devices | |
WO2017012236A1 (zh) | 用于人群风险预警的方法及装置 | |
CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
CN110705494A (zh) | 人流量监测方法、装置、电子设备及计算机可读存储介质 | |
CN113192624B (zh) | 紧急救治系统、紧急救治方法及电子设备 | |
CN116932919B (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
CN111227789A (zh) | 人体健康监护方法和装置 | |
CN112001322A (zh) | 一种用于确定标签人员聚集的方法、装置及存储介质 | |
CN113362852A (zh) | 一种用户属性识别方法和装置 | |
CN115470250B (zh) | 人员信息处理方法、装置、电子设备和计算机可读介质 | |
CN114022841A (zh) | 人员监控识别方法、装置、电子设备及可读存储介质 | |
CN115966061A (zh) | 基于5g消息的灾情预警处理方法、系统和装置 | |
WO2019187107A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN114639072A (zh) | 人流量信息生成方法、装置、电子设备和计算机可读介质 | |
CN115393895A (zh) | 一种校车安全管理方法、装置、设备及介质 | |
CN115312040A (zh) | 语音唤醒方法、装置、电子设备和计算机可读存储介质 | |
CN111428851B (zh) | 救援计划的确定方法、装置、服务器和存储介质 | |
KR102514735B1 (ko) | 건강 검진 보조 장치 및 방법 | |
CN116402050B (zh) | 一种地址归一化及补充方法、装置、电子设备及存储介质 | |
CN111986794B (zh) | 基于人脸识别的防冒挂号方法、装置、计算机设备及介质 | |
Omweri et al. | Using a mobile based web service to search for missing people–a case study of Kenya | |
CN117495063B (zh) | 警力资源调度方法、装置、电子设备和计算机可读介质 | |
CN114639071A (zh) | 图像人群计数模型训练方法、人数信息生成方法和装置 | |
CN117011037A (zh) | 风险账号的识别方法、装置、设备、存储介质及程序产品 | |
JP2023008378A (ja) | 監護サービスシステム |
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 |