TWI743987B - 行為分析方法、電子設備和電腦儲存媒體 - Google Patents

行為分析方法、電子設備和電腦儲存媒體 Download PDF

Info

Publication number
TWI743987B
TWI743987B TW109131473A TW109131473A TWI743987B TW I743987 B TWI743987 B TW I743987B TW 109131473 A TW109131473 A TW 109131473A TW 109131473 A TW109131473 A TW 109131473A TW I743987 B TWI743987 B TW I743987B
Authority
TW
Taiwan
Prior art keywords
target object
information
interest
point
captured image
Prior art date
Application number
TW109131473A
Other languages
English (en)
Other versions
TW202115648A (zh
Inventor
黃瀟瑩
李蔚琳
李曉通
楊松
Original Assignee
中國商深圳市商湯科技有限公司
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 中國商深圳市商湯科技有限公司 filed Critical 中國商深圳市商湯科技有限公司
Publication of TW202115648A publication Critical patent/TW202115648A/zh
Application granted granted Critical
Publication of TWI743987B publication Critical patent/TWI743987B/zh

Links

Images

Classifications

    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申請實施例提出了一種行為分析方法、電子設備和電腦儲存媒體，該方法包括：獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點；基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域；基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料。

Description

行為分析方法、電子設備和電腦儲存媒體
本申請基於申請號為201910944310.1、申請日為2019年09月30日的中國專利申請提出，並要求該中國專利申請的優先權，該中國專利申請的全部內容在此引入本申請作為參考。本申請實施例涉及電腦視覺技術領域，涉及但不限於一種行為分析方法、電子設備和電腦儲存媒體。
傳統的案件偵查方式往往是基於某個已發案件，透過尋找相關線索確認嫌疑人及其身份，同時追蹤嫌疑人行蹤，進而宣告破案，然而上面這種「由案到人」的偵查方式只能在案件事發後進行。
同時，警政機關目前對人員的管控主要透過人工查看影像監控資料或定期巡邏重點場所、人員的方式實現，管控難度大，並且需要花費大量的人力資源以及時間成本。如何在案發前智慧的做好人員管控，預防犯罪是公共安全管理亟需解決的一個問題。
本申請實施例期望提供一種行為分析方法、電子設備和電腦儲存媒體。
本申請實施例提供了一種行為分析方法，包括： 獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點； 基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域； 基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料。
在本申請的一些實施例中，所述興趣點資訊包括第一興趣點，所述基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料，包括： 獲取所述目標物件在所述第一興趣點的所述拍攝圖像的第一拍攝次數； 在所述第一拍攝次數大於或等於第一預設閾值的情況下，確定所述第一興趣點為所述目標物件的第一預設地點。
可以理解地，在第一拍攝次數大於或等於第一預設閾值的情況下，說明目標物件在第一興趣點經常出現，此時，將第一興趣點作為目標物件的第一預設地點，有利於對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述拍攝圖像資訊還包括拍攝時間，所述興趣點資訊包括第二興趣點，所述基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料，包括： 獲取所述目標物件在所述第二興趣點的所述拍攝圖像的拍攝時間和第二拍攝次數； 在所述拍攝時間在預設時間範圍內且所述第二拍攝次數大於或等於第二預設閾值的情況下，確定所述第二興趣點為所述目標物件的第二預設地點。
可以理解地，在拍攝時間在預設時間範圍內且第二拍攝次數大於或等於第二預設閾值的情況下，說明目標物件在預設時間範圍內經常在第二興趣點出現，此時，將第二興趣點作為目標物件的第二預設地點，有利於對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述興趣點資訊包括第三興趣點，所述基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料，包括： 在所述目標物件的檔案資訊的類別為第一庫類別，且所述目標物件在所述第三興趣點的所述拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，確定所述目標物件為預設目標物件。
可以理解地，在目標物件在第三興趣點的拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，說明目標物件在第三興趣點經常出現，在此基礎上，如果目標物件的檔案資訊的類別為第一庫類別，則可以直接地判定目標物件的類別，進而，透過判定目標物件為預設目標物件，有利於對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述目標物件的人員資訊包括：所述目標物件的身份資訊。
這樣，有利於結合目標物件的身份資訊對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述獲取目標物件的檔案資訊，包括： 以目標特徵為聚類依據，將獲取的各拍攝圖像以及所述各拍攝圖像的拍攝圖像資訊進行聚類，得到至少一組聚類結果； 將所述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行關聯，得到所述目標物件的檔案資訊。
可以理解地，透過將獲取的各拍攝圖像以及各拍攝圖像的拍攝圖像資訊進行聚類，可以將相同人員的目標特徵聚合在一起，進而，便於透過後續目標特徵的比對，快速的得出同一目標物件的檔案資訊。
在本申請的一些實施例中，所述獲取目標物件的檔案資訊，包括： 以目標特徵為聚類依據，將獲取的各拍攝圖像、所述各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，得到所述目標物件的檔案資訊。
可以看出，由於將各拍攝圖像、各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，便可以直接得到目標物件的檔案資訊，具有便於實現的特點。
在本申請的一些實施例中，所述目標特徵包括以下至少之一：人臉特徵、人體特徵、機動車特徵、非機動車特徵。
這樣，有利於從人臉特徵、人體特徵、機動車特徵、非機動車特徵等方面對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述方法還包括： 根據所述目標物件的行為資料，確定預警條件，所述預警條件表示人員出現異常行為的條件； 響應於再次獲取所述目標物件的行為資料，且再次獲取的所述目標物件的行為資料滿足所述預警條件，生成預警資訊。
可以看出，本申請實施例可以根據預警條件，對人員的異常行為進行預警。
本申請實施例還提供了一種行為分析裝置，包括獲取模組和處理模組，其中， 獲取模組，配置為獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點； 處理模組，配置為基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域；基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料。
在本申請的一些實施例中，所述興趣點資訊包括第一興趣點，所述處理模組，配置為獲取所述目標物件在所述第一興趣點的所述拍攝圖像的第一拍攝次數；在所述第一拍攝次數大於或等於第一預設閾值的情況下，確定所述第一興趣點為所述目標物件的第一預設地點。
可以理解地，在第一拍攝次數大於或等於第一預設閾值的情況下，說明目標物件在第一興趣點經常出現，此時，將第一興趣點作為目標物件的第一預設地點，有利於對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述拍攝圖像資訊還包括拍攝時間，所述興趣點資訊包括第二興趣點；所述處理模組，配置為獲取所述目標物件在所述第二興趣點的所述拍攝圖像的拍攝時間和第二拍攝次數；在所述拍攝時間在預設時間範圍內且所述第二拍攝次數大於或等於第二預設閾值的情況下，確定所述第二興趣點為所述目標物件的第二預設地點。
可以理解地，在拍攝時間在預設時間範圍內且第二拍攝次數大於或等於第二預設閾值的情況下，說明目標物件在預設時間範圍內經常在第二興趣點出現，此時，將第二興趣點作為目標物件的第二預設地點，有利於對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述興趣點資訊包括第三興趣點，所述處理模組，配置為在所述目標物件的檔案資訊的類別為第一庫類別，且所述目標物件在所述第三興趣點的所述拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，確定所述目標物件為預設目標物件。
可以理解地，在目標物件在第三興趣點的拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，說明目標物件在第三興趣點經常出現，在此基礎上，如果目標物件的檔案資訊的類別為第一庫類別，則可以直接地判定目標物件的類別，進而，透過判定目標物件為預設目標物件，有利於對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述目標物件的人員資訊包括：所述目標物件的身份資訊。
這樣，有利於結合目標物件的身份資訊對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述獲取模組，配置為以目標特徵為聚類依據，將獲取的各拍攝圖像以及所述各拍攝圖像的拍攝圖像資訊進行聚類，得到至少一組聚類結果；將所述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行關聯，得到所述目標物件的檔案資訊。
可以理解地，透過將獲取的各拍攝圖像以及各拍攝圖像的拍攝圖像資訊進行聚類，可以將相同人員的目標特徵聚合在一起，進而，便於透過後續目標特徵的比對，快速的得出同一目標物件的檔案資訊。
在本申請的一些實施例中，所述獲取模組，配置為以目標特徵為聚類依據，將獲取的各拍攝圖像、所述各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，得到所述目標物件的檔案資訊。
可以看出，由於將各拍攝圖像、各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，便可以直接得到目標物件的檔案資訊，具有便於實現的特點。
在本申請的一些實施例中，所述目標特徵包括以下至少之一：人臉特徵、人體特徵、機動車特徵、非機動車特徵。
這樣，有利於從人臉特徵、人體特徵、機動車特徵、非機動車特徵等方面對目標物件的行為規律進行進一步分析。
在本申請的一些實施例中，所述處理模組，還配置為根據所述目標物件的行為資料，確定預警條件，所述預警條件表示人員出現異常行為的條件；響應於再次獲取所述目標物件的行為資料，且再次獲取的所述目標物件的行為資料滿足所述預警條件，生成預警資訊。
可以看出，本申請實施例可以根據預警條件，對人員的異常行為進行預警。
本申請實施例還提出了一種電子設備，包括處理器和配置為儲存能夠在處理器上運行的電腦程式的記憶體；其中， 所述處理器配置為運行所述電腦程式以執行上述任意一種行為分析方法。
本申請實施例還提出了一種電腦儲存媒體，其上儲存有電腦程式，該電腦程式被處理器執行時實現上述任意一種行為分析方法。
本申請實施例還提出了一種電腦程式，包括電腦可讀代碼，當所述電腦可讀代碼在電子設備中運行時，所述電子設備中的處理器執行用於實現上述任意一種行為分析方法。
本申請實施例提出的行為分析方法、電子設備和電腦儲存媒體，獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點；基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域；基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料。如此，在本申請實施例中，可以根據目標物件的檔案資訊和拍攝地點的周邊區域的興趣點資訊，對目標物件進行行為分析；也就是說，本申請實施例無需在案件發生後查找目標物件的行蹤，而是可以預先對目標物件的行為進行分析，有利於在案件發生前根據目標物件的行為資料，對目標物件進行管控。
應當理解的是，以上的一般描述和後文的細節描述僅是示例性和解釋性的，而非限制本申請。
以下結合附圖及實施例，對本申請進行進一步詳細說明。應當理解，此處所提供的實施例僅僅用以解釋本申請，並不用於限定本申請。另外，以下所提供的實施例是用於實施本申請的部分實施例，而非提供實施本申請的全部實施例，在不衝突的情況下，本申請實施例記載的技術方案可以任意組合的方式實施。
需要說明的是，在本申請實施例中，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的方法或者裝置不僅包括所明確記載的要素，而且還包括沒有明確列出的其他要素，或者是還包括為實施方法或者裝置所固有的要素。在沒有更多限制的情況下，由語句「包括一個…」限定的要素，並不排除在包括該要素的方法或者裝置中還存在另外的相關要素(例如方法中的步驟或者裝置中的單元，例如的單元可以是部分電路、部分處理器、部分程式或軟體等等)。
例如，本申請實施例提供的行為分析方法包含了一系列的步驟，但是本申請實施例提供的行為分析方法不限於所記載的步驟，同樣地，本申請實施例提供的行為分析裝置包括了一系列模組，但是本申請實施例提供的裝置不限於包括所明確記載的模組，還可以包括為獲取相關資訊、或基於資訊進行處理時所需要設置的模組。
本文中術語「和/或」，僅僅是一種描述關聯物件的關聯關係，表示可以存在三種關係，例如，A和/或B，可以表示：單獨存在A，同時存在A和B，單獨存在B這三種情況。另外，本文中術語「至少一種」表示多種中的任意一種或多種中的至少兩種的任意組合，例如，包括A、B、C中的至少一種，可以表示包括從A、B和C構成的集合中選擇的任意一個或多個元素。
本申請實施例可以應用於終端和伺服器組成的電腦系統中，並可以與眾多其它通用或專用計算系統環境或配置一起操作。這裡，終端可以是瘦客戶機、厚客戶機、手持或膝上設備、基於微處理器的系統、機上盒、可程式設計消費電子產品、網路個人電腦、小型電腦系統，等等，伺服器可以是伺服器電腦系統小型電腦系統、大型電腦系統和包括上述任何系統的分散式雲計算技術環境，等等。
終端、伺服器等電子設備可以在由電腦系統執行的電腦系統可執行指令(諸如程式模組)的一般語境下描述。通常，程式模組可以包括常式、程式、目的程式、元件、邏輯、資料結構等等，它們執行特定的任務或者實現特定的抽象資料類型。電腦系統/伺服器可以在分散式雲計算環境中實施，分散式雲計算環境中，任務是由透過通訊網路連結的遠端處理設備執行的。在分散式雲計算環境中，程式模組可以位於包括存放裝置的本地或遠端計算系統儲存媒體上。
在本申請的一些實施例中，提出了一種行為分析方法，可以應用於智慧影像分析、安防監控、大數據分析等場景。
第1圖為本申請實施例的行為分析方法的流程圖，如第1圖所示，該流程可以包括： 步驟101：獲取目標物件的檔案資訊，檔案資訊包括目標物件的人員資訊、目標物件的拍攝圖像以及拍攝圖像的拍攝圖像資訊，拍攝圖像資訊包括拍攝地點。
本申請實施例中，目標物件可以是預先確定的需要監控的人員；在本申請的一些實施例中，目標物件的人員資訊可以包括目標物件的目標物件的人臉特徵、目標物件的人體特徵、目標物件的機動車特徵、目標物件的非機動車特徵、目標物件的身份資訊中的至少一種，例如，目標物件的身份資訊可以是目標物件的人臉特徵、目標物件的人臉圖像、目標物件的身份證號等資訊；在實際應用中，目標物件的人臉特徵可以從目標物件的人臉圖像中提取。
在本申請的一些實施例中，目標物件的人員資訊可以從通緝人員資訊庫、違法犯罪人員資訊庫中獲取，目標物件的人員資訊可以儲存於管控人員資料庫中。這裡目標物件可以是一個，也可以是多個。
在實際應用中，目標物件的拍攝圖像可以由監控設備採集，監控設備可以是拍攝機等用於採集圖像的設備，也可以是攝影機等用於採集影像的設備；監控設備的數量可以是一個，也可以是多個；在本申請的一些實施例中，監控設備可以是警政機關部建的監控設備。
在實際應用中，在監控設備為用於採集影像的設備時，可以將採集到的影像進行解碼，然後從解碼後的影像流抽取出至少一幅圖像（至少一幀圖像）。
這裡，拍攝地點表示監控設備的位置資訊，監控設備的位置資訊可以用經緯度進行表示。在本申請的一些實施例中，拍攝圖像資訊還可以包括拍攝時間，拍攝時間表示監控設備採集圖像的時間點。
在實際應用中，在監控設備採集到至少一幅圖像時，可以從監控設備採集的至少一幅圖像中確定出目標物件的拍攝圖像；而對於監控設備採集的每幅圖像，均可以確定拍攝時間和拍攝地點；因而，對於目標物件的拍攝圖像，可以確定出拍攝圖像的拍攝圖像資訊。在一個示例中，在獲取目標物件的拍攝圖像以及拍攝圖像的拍攝圖像資訊後，可以將目標物件的拍攝圖像以及拍攝圖像的拍攝圖像資訊進行關聯，將關聯後的資料儲存於拍攝資料庫中。
對於獲取目標物件的檔案資訊的實現方式，在一個示例中，以目標特徵為聚類依據，將獲取的各拍攝圖像以及各拍攝圖像的拍攝圖像資訊進行聚類，得到至少一組聚類結果； 在本申請的一些實施例中，目標特徵可以包括以下至少之一：人臉特徵、人體特徵、機動車特徵、非機動車特徵。在實際實施時，可以採用基於深度學習的目標識別方法對監控設備採集的圖像進行目標識別，得到目標特徵；本申請實施例中，並不對採用的目標識別方法進行限定。
本申請實施例中，目標特徵（人臉特徵、人體特徵、機動車特徵或非機動車特徵）包括特徵值和特徵屬性兩個維度的資料，其中，特徵值用於進行特徵比對，例如，可以用於一個特徵值與M個特徵值的比對，M可以是大於或等於1的整數；M個特徵值可以是預先儲存的特徵值。特徵屬性用於表示目標特徵的屬性，示例性地，人體特徵用於表示以下至少之一：性別、年齡、鬍型、髮型、上下裝樣式、上下裝顏色；機動車特徵用於表示以下至少之一：機動車類型、車牌號、機動車形狀、機動車尺寸；非機動車特徵用於表示以下至少之一：非機動車類型、非機動車形狀、非機動車尺寸；在實際應用中，特徵屬性便於後續根據目標特徵進行資料篩選，例如，在確定可疑人員的體貌特徵後，可以根據特徵屬性中人體體貌特徵，對監控設備採集的圖像進行篩選過濾。
在本申請的一些實施例中，在對監控設備採集的圖像進行目標識別後，可以根據人體、人臉、機動車、非機動車在一幅圖像中的位置，將處於同一位置區域的目標特徵進行關聯，得到同一物件的目標特徵。
這裡，各拍攝圖像表示監控設備採集的各圖像，各拍攝圖像的任意一幅圖像可以包括目標物件，也可以不包括目標物件；可以看出，透過對獲取的各拍攝圖像以及各拍攝圖像的拍攝圖像資訊進行目標特徵的聚類，可以將相同人員的目標特徵聚合在一起；在實際實施時，在透過聚類得到至少一組聚類結果後，可以將上述至少一組聚類結果儲存於聚類資料庫中。
在得到至少一組聚類結果後，可以將上述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行關聯，得到所述目標物件的檔案資訊；在本申請的一些實施例中，可以將上述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行目標特徵的比對，獲取比對成功的目標特徵對應的拍攝圖像和拍攝圖像資訊、以及比對成功的目標特徵對應的目標物件的人員資訊；這裡，在將上述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行目標特徵的比對時，如果目標特徵的相似度超過設定相似度閾值，則可以認為比對成功，否則，如果目標特徵的相似度未超過設定相似度閾值，則可以認為比對失敗；設定相似度閾值可以根據實際應用場景進行設置，例如，設定相似度閾值可以是90%、95%等。
可以理解地，透過將獲取的各拍攝圖像以及各拍攝圖像的拍攝圖像資訊進行聚類，可以將相同人員的目標特徵聚合在一起，進而，便於透過後續目標特徵的比對，快速的得出同一目標物件的檔案資訊。
對於獲取目標物件的檔案資訊的實現方式，在本申請的一些實施例中，在獲取監控設備採集的各拍攝圖像、各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊後，直接以目標特徵為聚類依據，將獲取的各拍攝圖像、所述各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，得到目標物件的檔案資訊。
可以看出，由於將各拍攝圖像、各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，便可以直接得到目標物件的檔案資訊，具有便於實現的特點。
在實際應用中，在獲取目標物件的檔案資訊後，可以將目標物件的檔案資訊儲存於人員檔案資料庫中。
步驟102：基於地圖資料獲取拍攝地點的周邊區域的興趣點資訊，周邊區域表示預設的包括拍攝地點的地理區域。
示例性地，拍攝地點的周邊區域可以是：以拍攝地點為中心，半徑為設定距離的一個區域，設定距離可以根據實際應用場景進行設置，例如，設定距離為100m、150m、50m等。
這裡，興趣點資訊可以是預先設定的資訊，例如，興趣點可以是醫院、居民社區、酒店、火車站等；拍攝地點周邊區域的興趣點可以是一個，也可以是多個。
進一步地，還可以根據拍攝地點的周邊區域的興趣點資訊，為對應的監控設備添加地點類型標籤，這樣，在獲取監控設備採集的圖像後，還可以獲取監控設備的地點類型標籤，以便於後續分析；例如，監控設備D周圍100m內範圍存在火車站、酒店、餐廳三個興趣點資訊，則為監控設備D增加火車站、酒店、餐廳三個標籤。
步驟103：基於興趣點資訊以及目標物件的檔案資訊獲取目標物件的行為資料。
本申請實施例中，目標物件的行為資料可以表示目標物件的行為規律和/或目標物件的類別資訊；示例性地，目標物件的行為規律可以表徵目標物件在興趣點的出現次數、以及在興趣點的出現時間；目標物件的類別資訊可以表示目標物件屬於哪一類需要監控的人員，例如，目標物件的類別資訊可以表示目標物件屬於職業醫鬧或票販子等人員。在實際應用中，可以根據目標物件的檔案資訊，確定目標物件的歷史活動軌跡，這裡，目標物件的歷史活動軌跡可以表示目標物件的出現時間和/或出現地點等資訊；在得到目標物件的歷史活動軌跡後，可以根據目標物件的歷史活動軌跡和興趣點資訊，得出目標物件的行為資料。
下面對本步驟的實現方式進行示例性說明。
在第一個示例中，上述興趣點資訊包括第一興趣點，在這種情況下，獲取目標物件在第一興趣點的拍攝圖像的第一拍攝次數；在第一拍攝次數大於或等於第一預設閾值的情況下，確定第一興趣點為目標物件的第一預設地點。
這裡，第一興趣點可以是預先設置的興趣點，例如，第一興趣點可以是醫院、居民社區、酒店或火車站等。
在獲取目標物件的檔案資訊後，可以根據拍攝地點查找到拍攝地點的周邊區域的第一興趣點，進而，可以獲取到第一興趣點的拍攝圖像，透過對第一興趣點的拍攝圖像進行分析，可以得到目標物件在第一興趣點的拍攝圖像的第一拍攝次數。
本申請實施例中，第一預設閾值可以根據實際應用場景進行設置。另外，在第一拍攝次數小於第一預設閾值的情況下，可以忽略目標物件在所述第一興趣點的拍攝圖像。
可以理解地，在第一拍攝次數大於或等於第一預設閾值的情況下，說明目標物件在第一興趣點經常出現，此時，將第一興趣點作為目標物件的第一預設地點，有利於對目標物件的行為規律進行進一步分析。
本申請實施例中，第一預設地點包括但不限於分析居住地、工作地、常現地等。
下面透過兩個示例進行說明。
示例1：根據人員E的檔案資訊，統計人員E在指定地區（如深圳市區內）的活動軌跡，確定人員E出現在商辦、辦公區的出現時間和地點，並按不同的商辦、辦公區統計人員E的被拍攝次數，按照被拍攝次數從高到低的順序進行排列，當被拍攝次數超過第一預設閾值時，可判斷相應的商辦或辦公區為人員E的疑似工作地；例如，第一預設閾值設置為80，人員E在商辦1出現了100次、商辦2出現了10次、商辦3出現了8次，那麼人員E的疑似工作地為商辦1。
示例2：根據入室竊盜前科人員F的檔案資料，統計入室竊盜前科人員F在指定地區（如深圳市區內）指定時間段（如最近1個月）內的出現時間和地點，確定入室竊盜前科人員F出現在居民社區的時間和地點，並按不同的社區統計入室竊盜前科人員F的被拍攝次數，按照被拍攝次數從高到低的順序進行排列；在已知入室竊盜前科人員F的自身居住社區的情況下，排出入室竊盜前科人員F的自身居住社區；然後，在被拍攝次數超過第一預設閾值時，可判斷相應的社區為入室竊盜前科人員F的疑似踩點地；例如，第一預設閾值設置為5，入室竊盜前科人員F在社區1出現了30次，在社區2出現了10次，在社區3出現了8次，在社區4出現了1次，其中已知社區1是入室竊盜前科人員F的居住地，那麼可得到入室竊盜前科人員F的疑似踩點地為社區2和社區3。
在第二個示例中，拍攝圖像資訊還包括拍攝時間，上述興趣點資訊包括第二興趣點，在這種情況下，獲取目標物件在第二興趣點的拍攝圖像的拍攝時間和第二拍攝次數；在拍攝時間在預設時間範圍內且第二拍攝次數大於或等於第二預設閾值的情況下，確定第二興趣點為所述目標物件的第二預設地點。
這裡，第二興趣點可以是預先設置的興趣點，例如，第二興趣點可以是醫院、居民社區、酒店或火車站等。
在獲取目標物件的檔案資訊後，可以根據拍攝地點查找到拍攝地點的周邊區域的第二興趣點，進而，可以獲取到第二興趣點的拍攝圖像，透過對第一興趣點的拍攝圖像進行分析，可以得到目標物件在第二興趣點的拍攝圖像的拍攝時間和第二拍攝次數。
本申請實施例中，第二預設閾值可以根據實際應用場景進行設置。另外，在拍攝時間不處於預設時間範圍內或者第二拍攝次數小於第二預設閾值的情況下，可以忽略目標物件在第二興趣點的拍攝圖像。
可以理解地，在拍攝時間在預設時間範圍內且第二拍攝次數大於或等於第二預設閾值的情況下，說明目標物件在預設時間範圍內經常在第二興趣點出現，此時，將第二興趣點作為目標物件的第二預設地點，有利於對目標物件的行為規律進行進一步分析。
本申請實施例中，第二預設地點包括但不限於分析居住地、工作地、常現地等。
在本申請的一些實施例中，第二興趣點為商辦4，預設時間範圍為早上9點到下午6點，人員G在預設時間範圍的拍攝次數大於或等於第二預設閾值時，說明人員G的工作地為商辦4，即，第二預設地點為商辦4；例如，第二預設閾值為60，人員G在預設時間範圍的拍攝次數為77，則說明人員G的工作地為商辦4。
在本申請的一些實施例中，第二興趣點為社區5，預設時間範圍為晚上8點至次日早上7點，人員H在預設時間範圍的拍攝次數大於或等於第二預設閾值時，說明人員H的居住地為社區5，即，第二預設地點為社區5；例如，第二預設閾值為80，人員H在預設時間範圍的拍攝次數為88，則說明人員H的居住地為社區5。
在第三個示例中，上述興趣點資訊包括第三興趣點，在這種情況下，在目標物件的檔案資訊的類別為第一庫類別，且目標物件在第三興趣點的拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，確定目標物件為預設目標物件。
這裡，第三興趣點可以是預先設置的興趣點，例如，第三興趣點可以是醫院、居民社區、酒店或火車站等；第一庫類別可以是預先確定的檔案資訊的類別，例如，第一庫類別可以表示犯罪前科人員資料庫、管控人員資料庫等，管控人員表示需要進行監控的人員，管控人員可以是職業醫鬧人員、票販子、銷贓人員、竊盜前科人員等；在實際應用中，透過分析目標物件的檔案資訊中的人員資訊，可以得出目標物件的檔案資訊的類別。
在獲取目標物件的檔案資訊後，可以根據拍攝地點查找到拍攝地點的周邊區域的第三興趣點，進而，可以獲取到第三興趣點的拍攝圖像，透過對第三興趣點的拍攝圖像進行分析，可以得到目標物件在第三興趣點的拍攝圖像的第三拍攝次數。
本申請實施例中，第三預設閾值可以根據實際應用場景進行設置。另外，在目標物件的類別不是第一庫類別，或，目標物件在第三興趣點的拍攝圖像的第三拍攝次數小於第三預設閾值的情況下，可以忽略目標物件在第三興趣點的拍攝圖像。
可以理解地，在目標物件在第三興趣點的拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，說明目標物件在第三興趣點經常出現，在此基礎上，如果目標物件的檔案資訊的類別為第一庫類別，則可以直接地判定目標物件的類別，進而，透過判定目標物件為預設目標物件，有利於對目標物件的行為規律進行進一步分析。
本申請實施例中，預設目標物件包括但不限於職業醫鬧人員、票販子、銷贓人員、竊盜前科人員等。
在本申請的一些實施例中，第三興趣點為醫院P，第一庫類別為管控人員資料庫；根據人員Q的檔案資訊，確定指定時間段（如最近3個月）內地點類型標籤為醫院P的拍攝圖像，統計人員Q在醫院P的拍攝次數，當人員Q在醫院P的拍攝次數超過第三預設閾值時，可以判定人員Q為醫院P的票販子。
在實際應用中，步驟101至步驟103可以利用行為分析裝置中的處理器實現，上述行為分析裝置可以是使用者設備（User Equipment，UE）、移動設備、使用者終端、終端、蜂窩電話、無線電話、個人數位文書助理（Personal Digital Assistant，PDA）、手持設備、計算設備、車載設備、可穿戴設備等；上述處理器可以為特定用途積體電路（Application Specific Integrated Circuit ，ASIC）、數位訊號處理器（Digital Signal Processor，DSP）、數位訊號處理裝置（Digital Signal Processing Device，DSPD）、可程式設計邏輯裝置（Programmable Logic Device，PLD）、現場可程式設計閘陣列（Field－Programmable Gate Array，FPGA）、中央處理器（Central Processing Unit，CPU）、控制器、微控制器、微處理器中的至少一種。
在本申請實施例中，可以根據目標物件的檔案資訊和拍攝地點的周邊區域的興趣點資訊，對目標物件進行行為分析；也就是說，本申請實施例無需在案件發生後查找目標物件的行蹤，而是可以預先對目標物件的行為進行分析，有利於在案件發生前根據目標物件的行為資料，對目標物件進行管控。
在本申請的一些實施例中，在獲取目標物件的行為資料後，可以根據目標物件的行為資料，確定預警條件，預警條件表示人員出現異常行為的條件；響應於再次獲取所述目標物件的行為資料，且再次獲取的目標物件的行為資料滿足所述預定條件，生成預警資訊。
在本申請的一些實施例中，可以根據目標物件的行為資料，確定目標物件的行為規律，進而，確定預警條件，例如，預警條件可以是指定時間段內非法上訪人員出現在火車站、竊盜電動車前科人員與銷贓人員同時出現在二手電動車市場等等；然後，如果目標物件的行為資料滿足預警條件時，則可以生成預警資訊，及時通知警政機關民警關注相關資訊。
可以看出，本申請實施例可以根據預警條件，對人員的異常行為進行預警。
本申請實施例可以適用於需要進行人員管控的場景，例如，在醫院場景，可以識別職業醫鬧人員，並對職業醫鬧人員的出現、聚集等行為進行識別，以實現對職業醫鬧人員的管控。
第2圖為本申請實施例的一個應用場景的示意圖，如第2圖所示，可以拍攝機21獲取拍攝圖像22，這裡，拍攝圖像22中的人體為目標物件；然後，可以將拍攝圖像22輸入至上述行為分析裝置23中；在行為分析裝置23中，透過前述實施例記載的行為分析方法進行處理，可以得到目標物件的行為資料，例如，可以得到某個人的行為規律。需要說明的是，第2圖所示的場景僅僅是本申請實施例的一個示例性場景，本申請對具體的應用場景不作限制。
本領域技術人員可以理解，在具體實施方式的上述方法中，各步驟的撰寫順序並不意味著嚴格的執行順序而對實施過程構成任何限定，各步驟的具體執行順序應當以其功能和可能的內在邏輯確定
在前述實施例提出的行為分析方法的基礎上，本申請實施例提出了一種行為分析裝置。
第3圖為本申請實施例的行為分析裝置的組成結構示意圖，如第3圖所示，所述裝置包括：獲取模組201和處理模組202，其中， 獲取模組201，配置為獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點； 處理模組202，配置為基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域；基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料。
在本申請的一些實施例中，所述興趣點資訊包括第一興趣點，所述處理模組202，配置為獲取所述目標物件在所述第一興趣點的所述拍攝圖像的第一拍攝次數；在所述第一拍攝次數大於或等於第一預設閾值的情況下，確定所述第一興趣點為所述目標物件的第一預設地點。
在本申請的一些實施例中，所述拍攝圖像資訊還包括拍攝時間，所述興趣點資訊包括第二興趣點；所述處理模組202，配置為獲取所述目標物件在所述第二興趣點的所述拍攝圖像的拍攝時間和第二拍攝次數；在所述拍攝時間在預設時間範圍內且所述第二拍攝次數大於或等於第二預設閾值的情況下，確定所述第二興趣點為所述目標物件的第二預設地點。
在本申請的一些實施例中，所述興趣點資訊包括第三興趣點，所述處理模組202，配置為在所述目標物件的檔案資訊的類別為第一庫類別，且所述目標物件在所述第三興趣點的所述拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，確定所述目標物件為預設目標物件。
在本申請的一些實施例中，所述目標物件的人員資訊包括：所述目標物件的身份資訊。
在本申請的一些實施例中，所述獲取模組201，配置為以目標特徵為聚類依據，將獲取的各拍攝圖像以及所述各拍攝圖像的拍攝圖像資訊進行聚類，得到至少一組聚類結果；將所述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行關聯，得到所述目標物件的檔案資訊。
在本申請的一些實施例中， 所述獲取模組201，配置為以目標特徵為聚類依據，將獲取的各拍攝圖像、所述各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，得到所述目標物件的檔案資訊。
在本申請的一些實施例中，所述目標特徵包括以下至少之一：人臉特徵、人體特徵、機動車特徵、非機動車特徵。
在本申請的一些實施例中，所述處理模組202，還配置為根據所述目標物件的行為資料，確定預警條件，所述預警條件表示人員出現異常行為的條件；響應於再次獲取所述目標物件的行為資料，且再次獲取的所述目標物件的行為資料滿足所述預警條件，生成預警資訊。
實際應用中，獲取模組201和處理模組202均可以利用電子設備中的處理器實現，上述處理器可以為ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微處理器中的至少一種。
另外，在本實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用軟體功能模組的形式實現。
所述集成的單元如果以軟體功能模組的形式實現並非作為獨立的產品進行銷售或使用時，可以儲存在一個電腦可讀取儲存媒體中，基於這樣的理解，本實施例的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存媒體中，包括若干指令用以使得一台電腦設備（可以是個人電腦，伺服器，或者網路設備等）或處理器（processor）執行本實施例所述方法的全部或部分步驟。而前述的儲存媒體包括：硬碟、行動硬碟、唯讀記憶體（Read Only Memory ，ROM）、隨機存取記憶體（Random Access Memory，RAM）、磁碟或者光碟等各種可以儲存程式碼的媒體。
具體來講，本實施例中的一種行為分析方法對應的電腦程式指令可以被儲存在光碟，硬碟，隨身碟等儲存媒體上，當儲存媒體中的與一種行為分析方法對應的電腦程式指令被一電子設備讀取或被執行時，實現前述實施例的任意一種行為分析方法。
基於前述實施例相同的技術構思，參見第4圖，其示出了本申請實施例提供的一種電子設備30，可以包括：記憶體31和處理器32；其中，
所述記憶體31，配置為儲存電腦程式和資料；
所述處理器32，配置為執行所述記憶體中儲存的電腦程式，以實現前述實施例的任意一種行為分析方法。
在實際應用中，上述記憶體31可以是易失性記憶體（volatile memory），例如RAM；或者非易失性記憶體（non-volatile memory），例如ROM，快閃記憶體（flash memory），硬碟（Hard Disk Drive，HDD）或固態硬碟（Solid-State Drive，SSD）；或者上述種類的記憶體的組合，並向處理器32提供指令和資料。
上述處理器32可以為ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微處理器中的至少一種。可以理解地，對於不同的設備，用於實現上述處理器功能的電子器件還可以為其它，本申請實施例不作具體限定。
在一些實施例中，本申請實施例提供的裝置具有的功能或包含的模組可以用於執行上文方法實施例描述的方法，其具體實現可以參照上文方法實施例的描述，為了簡潔，這裡不再贅述。
上文對各個實施例的描述傾向於強調各個實施例之間的不同之處，其相同或相似之處可以互相參考，為了簡潔，本文不再贅述
本申請所提供的各方法實施例中所揭露的方法，在不衝突的情況下可以任意組合，得到新的方法實施例。
本申請所提供的各產品實施例中所揭露的特徵，在不衝突的情況下可以任意組合，得到新的產品實施例。
本申請所提供的各方法或設備實施例中所揭露的特徵，在不衝突的情況下可以任意組合，得到新的方法實施例或設備實施例。
透過以上的實施方式的描述，本領域的技術人員可以清楚地瞭解到上述實施例方法可借助軟體加必需的通用硬體平臺的方式來實現，當然也可以透過硬體，但很多情況下前者是更佳的實施方式。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存媒體（如ROM/RAM、磁碟、光碟）中，包括若干指令用以使得一台終端（可以是手機，電腦，伺服器，空調器，或者網路設備等）執行本發明各個實施例所述的方法。
上面結合附圖對本發明的實施例進行了描述，但是本發明並不局限於上述的具體實施方式，上述的具體實施方式僅僅是示意性的，而不是限制性的，本領域的普通技術人員在本發明的啟示下，在不脫離本發明宗旨和請求項所保護的範圍情況下，還可做出很多形式，這些均屬於本發明的保護之內。 工業實用性
本申請實施例提供了一種行為分析方法、電子設備和電腦儲存媒體，該方法包括：獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點；基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域；基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料。如此，無需在案件發生後查找目標物件的行蹤，而是可以預先對目標物件的行為進行分析，有利於在案件發生前根據目標物件的行為資料，對目標物件進行管控。
S101,S102,S103:步驟 21:拍攝機 22:拍攝圖像 23:行為分析裝置 201:獲取模組 202:處理模組 30:電子設備 31:記憶體 32:處理器
此處的附圖被併入說明書中並構成本說明書的一部分，這些附圖示出了符合本申請的實施例，並與說明書一起用於說明本申請實施例的技術方案。 第1圖為本申請實施例的行為分析方法的流程圖； 第2圖為本申請實施例的一個應用場景的示意圖； 第3圖為本申請實施例的行為分析裝置的組成結構示意圖； 第4圖為本申請實施例的電子設備的結構示意圖。
S101,S102,S103:步驟

Claims (8)

  1. 一種行為分析方法，所述方法包括：獲取目標物件的檔案資訊，所述檔案資訊包括所述目標物件的人員資訊、所述目標物件的拍攝圖像以及所述拍攝圖像的拍攝圖像資訊，所述拍攝圖像資訊包括拍攝地點，其中，所述目標物件是預先確定的人員，所述目標物件的人員資訊包括：所述目標物件的身份資訊；基於地圖資料獲取所述拍攝地點的周邊區域的興趣點資訊，所述周邊區域表示預設的包括所述拍攝地點的地理區域；基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料；其中，所述獲取目標物件的檔案資訊，包括：以目標特徵為聚類依據，將獲取的各拍攝圖像以及所述各拍攝圖像的拍攝圖像資訊進行聚類，得到至少一組聚類結果；將所述至少一組聚類結果中每組聚類結果與預先確定的目標物件的人員資訊進行關聯，得到所述目標物件的檔案資訊；或，以目標特徵為聚類依據，將獲取的各拍攝圖像、所述各拍攝圖像的拍攝圖像資訊以及預先確定的目標物件的人員資訊進行聚類，得到所述目標物件的檔案資訊。
  2. 根據請求項1所述的方法，其中，所述興趣點資訊包括第一興趣點，所述基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料，包括：獲取所述目標物件在所述第一興趣點的所述拍攝圖像的第一拍攝次數；在所述第一拍攝次數大於或等於第一預設閾值的情況下，確定所述第一興趣點為所述目標物件的第一預設地點。
  3. 根據請求項1所述的方法，其中，所述拍攝圖像資訊還包括拍攝時間，所述興趣點資訊包括第二興趣點，所述基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料，包括：獲取所述目標物件在所述第二興趣點的所述拍攝圖像的拍攝時間和第二拍攝次數；在所述拍攝時間在預設時間範圍內且所述第二拍攝次數大於或等於第二預設閾值的情況下，確定所述第二興趣點為所述目標物件的第二預設地點。
  4. 根據請求項1所述的方法，其中，所述興趣點資訊包括第三興趣點，所述基於所述興趣點資訊以及所述目標物件的所述檔案資訊獲取所述目標物件的行為資料，包括：在所述目標物件的檔案資訊的類別為第一庫類別，且所述目標物件在所述第三興趣點的所述拍攝圖像的第三拍攝次數大於或等於第三預設閾值的情況下，確定所述目標物件為預設目標物件。
  5. 根據請求項1所述的方法，其中，所述目標特徵包括以下至少之一：人臉特徵、人體特徵、機動車特徵、非機動車特徵。
  6. 根據請求項1至4任一項所述的方法，其中，所述方法還包括：根據所述目標物件的行為資料，確定預警條件，所述預警條件表示人員出現異常行為的條件；響應於再次獲取所述目標物件的行為資料，且再次獲取的所述目標物件的行為資料滿足所述預警條件，生成預警資訊。
  7. 一種電子設備，包括處理器和配置為儲存能夠在處理器上運行的電腦程式的記憶體；其中，所述處理器配置為運行所述電腦程式以執行請求項1至6任一項所述的行為分析方法。
  8. 一種電腦儲存媒體，其上儲存有電腦程式，該電腦程式被處理器執行時實現請求項1至6任一項所述的行為分析方法。
TW109131473A 2019-09-30 2020-09-14 行為分析方法、電子設備和電腦儲存媒體 TWI743987B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910944310.1 2019-09-30
CN201910944310.1A CN110705477A (zh) 2019-09-30 2019-09-30 行为分析方法、装置、电子设备和计算机存储介质

Publications (2)

Publication Number Publication Date
TW202115648A TW202115648A (zh) 2021-04-16
TWI743987B true TWI743987B (zh) 2021-10-21

Family

ID=69198198

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109131473A TWI743987B (zh) 2019-09-30 2020-09-14 行為分析方法、電子設備和電腦儲存媒體

Country Status (5)

Country Link
US (1) US20220092881A1 (zh)
JP (1) JP2022526382A (zh)
CN (1) CN110705477A (zh)
TW (1) TWI743987B (zh)
WO (1) WO2021063011A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质
CN111291682A (zh) * 2020-02-07 2020-06-16 浙江大华技术股份有限公司 确定目标对象的方法、装置、存储介质及电子装置
CN113449558A (zh) * 2020-03-26 2021-09-28 上海依图网络科技有限公司 一种人员异常行为监测方法及装置
CN111625686A (zh) * 2020-05-20 2020-09-04 深圳市商汤科技有限公司 数据处理方法及装置、电子设备和存储介质
CN111897992A (zh) * 2020-06-18 2020-11-06 北京旷视科技有限公司 图像筛选方法、装置、电子设备及存储介质
CN111950471B (zh) * 2020-08-14 2024-02-13 杭州海康威视系统技术有限公司 目标对象识别方法及装置
CN112750274A (zh) * 2020-12-17 2021-05-04 青岛以萨数据技术有限公司 一种基于面部特征识别的聚集预警系统、方法及设备
CN112686226A (zh) * 2021-03-12 2021-04-20 深圳市安软科技股份有限公司 一种基于网格化管理的大数据管理方法、装置及电子设备
CN113254686B (zh) * 2021-04-02 2023-08-01 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质
CN113378015B (zh) * 2021-06-28 2023-06-20 北京百度网讯科技有限公司 搜索方法、装置、电子设备、存储介质和程序产品
WO2024062103A1 (en) 2022-09-23 2024-03-28 Basf Se Process for producing a composite component comprising at least one metal layer and one polymer layer

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682041A (zh) * 2011-03-18 2012-09-19 日电（中国）有限公司 用户行为识别设备及方法
CN104915655A (zh) * 2015-06-15 2015-09-16 西安电子科技大学 一种多路监控视频的管理方法与设备
CN105303167A (zh) * 2008-01-23 2016-02-03 加州大学评议会 用于行为监测及校正的系统和方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2009011035A1 (ja) * 2007-07-17 2010-09-09 パイオニア株式会社 立寄り場所候補情報登録装置、立寄り場所候補情報登録方法、立寄り場所候補情報登録プログラム及び記憶媒体
JP5879877B2 (ja) * 2011-09-28 2016-03-08 沖電気工業株式会社 画像処理装置、画像処理方法、プログラム、および画像処理システム
JP5871296B1 (ja) * 2015-08-19 2016-03-01 株式会社 テクノミライ スマートセキュリティ・デジタルシステム、方法及びプログラム
JP7040463B2 (ja) * 2016-12-22 2022-03-23 日本電気株式会社 解析サーバ、監視システム、監視方法及びプログラム
EP3418944B1 (en) * 2017-05-23 2024-03-13 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and program
CN110020223B (zh) * 2017-12-26 2021-04-20 浙江宇视科技有限公司 行为数据分析方法及装置
CN108875835B (zh) * 2018-06-26 2021-06-22 北京旷视科技有限公司 对象落脚点确定方法、装置、电子设备和计算机可读介质
SG11201811754RA (en) * 2018-08-10 2020-03-30 Beijing Didi Infinity Technology & Development Co Ltd Systems and methods for identifying drunk requesters in an online to offline service platform
CN110163137A (zh) * 2019-05-13 2019-08-23 深圳市商汤科技有限公司 一种图像处理方法、装置和存储介质
CN110222640B (zh) * 2019-06-05 2022-02-18 浙江大华技术股份有限公司 监控场所中嫌疑人的识别方法、装置、方法和存储介质
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303167A (zh) * 2008-01-23 2016-02-03 加州大学评议会 用于行为监测及校正的系统和方法
CN102682041A (zh) * 2011-03-18 2012-09-19 日电（中国）有限公司 用户行为识别设备及方法
CN104915655A (zh) * 2015-06-15 2015-09-16 西安电子科技大学 一种多路监控视频的管理方法与设备

Also Published As

Publication number Publication date
US20220092881A1 (en) 2022-03-24
TW202115648A (zh) 2021-04-16
WO2021063011A1 (zh) 2021-04-08
JP2022526382A (ja) 2022-05-24
CN110705477A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
TWI743987B (zh) 行為分析方法、電子設備和電腦儲存媒體
US11562020B2 (en) Short-term and long-term memory on an edge device
US10089521B2 (en) Identity verification via validated facial recognition and graph database
US20180069937A1 (en) Event correlation and association using a graph database
JP6080940B2 (ja) 人物検索方法及びホーム滞留人物検索装置
WO2020259099A1 (zh) 一种信息处理方法及装置、存储介质
TWI740537B (zh) 一種資訊處理方法及裝置、儲存介質
US20090135007A1 (en) Alerting system for safety, security, and business productivity having alerts weighted by attribute data
CN109783685A (zh) 一种查询方法及装置
CN111222373B (zh) 一种人员行为分析方法、装置和电子设备
US10030986B2 (en) Incident response analytic maps
US20180150683A1 (en) Systems, methods, and devices for information sharing and matching
CN112597858A (zh) 一种监控方法、装置及可读存储介质
CN111476685B (zh) 行为分析方法、装置及设备
WO2018037355A1 (en) A system and method for automated vehicle and face detection and their classification
CN111767432A (zh) 共现对象的查找方法和装置
WO2021211226A1 (en) Face clustering in video streams
WO2023124134A1 (zh) 档案处理方法、装置、电子设备、计算机存储介质和程序
CN110704660A (zh) 数据处理方法、装置、设备和计算机存储介质
CN112218046B (zh) 对象监控方法及装置
US20220335154A1 (en) Predictive response-generation systems to facilitate timely compliance with information-disclosure laws
US20220165140A1 (en) System and method for image analysis based security system
CN113468948A (zh) 基于视图数据的治安防控方法、模块、设备及存储介质
WO2021102760A1 (zh) 一种人员行为分析方法、装置和电子设备
CN117354469B (zh) 一种基于安防预警的小区监控视频目标跟踪方法及系统