基于相似轨迹的人员关系分类方法与系统与流程

1.本发明属于智能人员管控技术，涉及大数据挖掘领域，具体涉及基于相似轨迹的人员关系分类方法与系统。


背景技术：

2.随着城市人口的不断增长，人员的社会关系相对复杂，对人员管控的难度也随之增大，得益于大数据及人工智能在城市人员管控中的应用，智慧城市安防系统的建设得到了不断地加强与完善。
3.然而，每个系统得到的大量的监控数据未形成有效的联系，在调查特定人员的社会关系时，不同的管控平台采用不同的人员管理系统，得到的人员信息数据单一，在调取人员数据时，会耗费大量的时间，人力成本高，对于人员关联信息的识别与检测效率不高，这就导致进行人员管理时，难以及时发现人员管控中的安全隐患。因此为了进一步挖掘人员的社会关系，形成关联人员信息宽表，实现对城市人员的精细化管控，本发明设计一种基于相似轨迹的人员分类方法与系统。


技术实现要素：

4.为了解决背景技术中的上述问题，本发明提供如下技术方案：一方面，本发明提供了一种基于相似轨迹的人员关系分类方法，其特征在于，该方法包括如下步骤：s1：通过特征采集模块采集预设时间段的人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息，形成人脸信息表、mac地址信息表、国际移动用户识别码信息表和车牌号信息表；s2：通过关联计算，将所述s1中的人脸信息表、mac地址信息表、国际移动用户识别码信息表和车牌号信息表进行匹配，所述匹配为将人脸信息、mac、国际移动用户识别码和车牌号统一到同一个人，得到不同人员的信息表，抽取目标人员信息，得到目标人员信息表，形成目标人员运动轨迹信息；s3：根据s2中的目标人员运动轨迹信息，提取s1中人脸信息表、mac地址信息表、国际移动用户识别码信息表和车牌号信息表中与目标人员以相同采集时间出现在相同采集地点的特征信息，所述特征信息包括人脸信息、mac地址信息、国际移动用户识别码信息和车牌号信息，形成关联人员信息表；s4：采用快速模块度优化算法，根据采集地点的集中性，将关联人员信息表中的人员划分成至少两类；s5：根据采集时间及采集地点，对s4中每类人员之间的关系进行研判。
5.进一步地，所述s1中，特征采集模块包括人脸采集设备、wifi采集设备、热点采集设备和车牌号采集设备。
6.进一步地，所述s1中，人脸信息表为采用人脸采集设备采集的人脸侦码及其对应
的采集时间、采集地点；mac地址信息表为采用wifi采集设备采集的mac地址信息及其对应的采集时间、采集地点；国际移动用户识别码信息表为采用热点采集设备采集的国际移动用户识别码及其对应的采集时间、采集地点；车牌号信息表为采用车牌号采集设备采集的车牌号及其对应的采集时间、采集地点。
7.进一步地，所述s5中，采集地点为住宅，末次采集时间为夜晚，则研判此类人员关系为家人。
8.进一步地，所述s5中，采集地点为写字楼，采集时间为工作日，则研判此类人员关系为同事。
9.另一方面，本发明还提供了基于相似轨迹的人员关系分类系统，该系统包括：特征采集模块，包括人脸采集设备、wifi采集设备、热点采集设备和车牌号采集设备，分别用于采集人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息；信息匹配模块，将人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息匹配至同一个人，得到不同人员的信息表，抽取目标人员信息，得到目标人员信息表，形成目标人员运动轨迹信息；轨迹提取模块，提取与目标人员以相同采集时间出现在相同采集地点的特征信息，所述特征信息包括人脸信息、mac地址信息、国际移动用户识别码信息和车牌号信息，形成关联人员信息表；群体划分模块，采用快速模块度优化算法，根据采集地点的集中性，将关联人员信息表中的人员划分成至少两类；关系研判模块，根据采集时间及采集地点，研判每类人员的关系为家人或同事。
10.与现有技术相比，本发明的有益效果是：本方法通过对人员特征信息采集，例如人脸信息，mac地址信息，车牌抓拍采集信息等；获取站点采集的信息表，通过对人脸，mac信息，热点信息和车辆信息的关联，并连接本地目标人员信息数据库，形成人员信息表，包含布控区域人员的基本信息；在人员关系库中，根据人员的共站信息与轨迹信息，分析人员的轨迹特征，对人员的群体关系进行分类；本发明通过各站点采集到的人员信息，形成关联人员的人员信息宽表，包括采集时间，采集站点，区域活动时间，区域活动频率等属性，通过对目标人员的社会关系进行聚类，掌握目标人员的社会关系信息及活动规律。
附图说明
11.图1为基于相似轨迹的人员关系分类系统的示意图。
具体实施方式
12.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
13.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多
步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应方法、函数、规程、子例程、子程序等。
14.实施例1本发明提供了一种基于相似轨迹的人员关系分类方法，该方法包括如下步骤：s1：通过特征采集模块采集预设时间段的人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息，形成人脸信息表、mac地址信息表、国际移动用户识别码信息表和车牌号信息表；s2：通过关联计算，将所述s1中的人脸信息表、mac地址信息表、国际移动用户识别码信息表和车牌号信息表进行匹配，所述匹配为将人脸信息、mac、国际移动用户识别码和车牌号统一到同一个人，得到不同人员的信息表，抽取目标人员信息，得到目标人员信息表，形成目标人员运动轨迹信息；s3：根据s2中的目标人员运动轨迹信息，提取s1中人脸信息表、mac地址信息表、国际移动用户识别码信息表和车牌号信息表中与目标人员以相同采集时间出现在相同采集地点的特征信息，所述特征信息包括人脸信息、mac地址信息、国际移动用户识别码信息和车牌号信息，形成关联人员信息表；s4：采用快速模块度优化算法，根据采集地点的集中性，将关联人员信息表中的人员划分成至少两类；s5：根据采集时间及采集地点，对s4中每类人员之间的关系进行研判。
15.具体的，所述s1中，特征采集模块包括人脸采集设备、wifi采集设备、热点采集设备和车牌号采集设备。
16.具体的，所述s1中，人脸信息表为采用人脸采集设备采集的人脸侦码及其对应的采集时间、采集地点；mac地址信息表为采用wifi采集设备采集的mac地址信息及其对应的采集时间、采集地点；国际移动用户识别码信息表为采用热点采集设备采集的国际移动用户识别码及其对应的采集时间、采集地点；车牌号信息表为采用车牌号采集设备采集的车牌号及其对应的采集时间、采集地点。
17.需要说明的是，将采集到的人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息，以及采集站点的经纬度，站点名称等信息；进行相应的去重操作，得到有效的人员特征信息以及特征轨迹表。
18.步骤s2中，通过关联计算，将人员特征信息进行匹配，形成人员信息表，包含人员的特征信息以及采集到的特征信息的站点和采集时间。
19.步骤s3和s4中，根据目标人员的轨迹信息，通过在相应站点的采集时间，采集方式（人脸，mac地址或车辆信息），采集次数，对人员的信息进行特征提取，抽取关联人员的轨迹信息，包含在不同站点的采集时间，采集次数，被采集的频率，形成人员信息宽表，以目标人员的轨迹为中心使用快速模块度优化算法，得到目标人员的相关人员的最优划分，得到目标人员的关联人员信息表。
20.示例性的，所述s4中，如果关联人员中有一部分经常出现在站点一，站点二，站点三，则将这些人划分成第一类；如果关联人员中有一部分经常出现在站点四，站点五，站点六，则将这些人划分成第二类。
21.步骤s5，根据关联人员的轨迹相似情况，得到关联人员的分类信息，根据具体的轨迹分类信息，判断关联人员的相关关系类型，可以实现对目标人员关系网的研判。
22.具体的，所述s5中，采集地点为住宅，末次采集时间为夜晚，则研判此类人员关系为家人。
23.具体的，所述s5中，采集地点为写字楼，采集时间为工作日，则研判此类人员关系为同事。
24.实施例2本实施例提供了基于相似轨迹的人员关系分类系统，如图1所示，该系统包括：特征采集模块，包括人脸采集设备、wifi采集设备、热点采集设备和车牌号采集设备，分别用于采集人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息，还包含采集站点的经纬度，站点名称等信息；信息匹配模块，将人脸侦码信息、wifi侦码信息、热点侦码信息和车牌侦码信息匹配至同一个人，得到不同人员的信息表，抽取目标人员信息，得到目标人员信息表，形成目标人员运动轨迹信息；轨迹提取模块，提取与目标人员以相同采集时间出现在相同采集地点的特征信息，所述特征信息包括人脸信息、mac地址信息、国际移动用户识别码信息和车牌号信息，形成关联人员信息表；轨迹特征提取模块用于记录各个设备采集的身份信息，采集时间，信号强度等信息，每条记录对应人员的轨迹信息，若某时刻存在某个人员的记录即在某时刻该人员在设备站点附近出现；群体划分模块，用于找到目标人员的关联人员，采用快速模块度优化算法，根据采集地点的集中性，将关联人员信息表中的人员划分成至少两类；关系研判模块，根据采集时间及采集地点，研判每类人员的关系为家人或同事。关系研判模块用于对关联人员轨迹特征信息进行分类，找到相似群体信息，对目标人员的关系进行分类。
25.实施例3本实施例提供了一种基于相似轨迹的人员关系分类方法，具体包括如下步骤：s1：采集一定时间段的人员特征信息其中，人员特征信息包含人脸图片、手机或者可穿戴设备的mac地址、手机热点信息、车牌号信息，是物联网端采集的典型数据类型，可以通过各种设备对原始轨迹数据进行采集及存储，以备后续的利用。各种原始的人员特征信息由对应设备独立采集，独立存储。
26.具体的，各类设备尽量部署在同一位置，一般在路口、小区门口或者楼栋入口等。人脸采集设备对人员进行拍照并与人脸库进行比对确认身份信息；wifi设备可以采集手机或者可穿戴电子设备的mac地址；热点设备用于采集手机卡的国际移动用户识别码（全球唯一）；车牌设备采集车辆号牌信息。
27.s2：采用关联计算方法对人员特征信息进行匹配，得到人员信息表由于s1所述人员特征信息是独立采集，理想情况下人员开车经过站点时，所述几类信息均有采集记录，但同一人员的所述特征信息的对应关系为未知信息。通过关联计算将人员特征信息进行匹配，形成人员信息表，包含人员的特征信息以及采集到的特征信息的站点和采集时间。
28.具体的，根据不同类型特征信息的采集信息的匹配情况，如匹配次数、匹配天数、匹配站点数等，大于阈值的即为同一目标的不同身份特征。
29.具体的，已知两个轨迹点《time1,site1》,《time2,site2》，如果time1与time2的时间差小于阈值δt，且site1和site2的距离|site1-site2|小于阈值δs时，将两个轨迹点定义为匹配。
30.具体的，如果两个设备中有一个是wifi设备或者mac设备，则设备站点间的距离定义为站点经纬度的欧拉距离；否则，只要站点名称不同，站点距离定义为无限大，即一定大于阈值δs。
31.具体的，根据本地目标人员信息库对上述人员信息表进行筛选，得到目标人员信息表。
32.s3：抽取目标人员的轨迹特征信息，基于快速模块度优化算法进行相关关系划分具体的，根据目标人员的轨迹信息，通过在相应站点的采集时间，采集方式（人脸，mac地址、热点或车辆信息），抽取关联人员的轨迹信息，形成人员信息宽表，以目标人员的轨迹为中心使用快速模块度优化算法，得到目标人员的相关人员的最优划分，得到目标人员的关联人员信息表。
33.具体的，根据目标人员与关联人员的轨迹匹配信息构建社交网络，使用快速模块度优化算法进行社团发现，将关联人员进行聚类，便于下一步的类别定义。
34.s4：对人员类别进行研判，得到目标人员的关系图谱根据关联人员的轨迹相似情况，得到关联人员的分类信息，根据具体的轨迹分类信息，判断关联人员的相关关系类型，可以实现对目标人员关系网的研判。
35.具体地，例如关联人员与目标人员经常在小区被同时采集，且小区是目标人员的落脚点，此关联人员有较大概率是目标人员的亲属或者同住人员；关联人员与目标人员经常工作日在写字楼被同时采集，此关联人员有较大概率是目标人员的同事等。
36.与现有技术相比，本发明的有益效果是：本方法通过对人员特征信息采集，例如人脸信息，mac地址信息，车牌抓拍采集信息等；获取站点采集的信息表，通过对人脸，mac信息，热点信息和车辆信息的关联，并连接本地目标人员信息数据库，形成人员信息表，包含布控区域人员的基本信息；在人员关系库中，根据人员的共站信息与轨迹信息，分析人员的轨迹特征，对人员的群体关系进行分类；本发明通过各站点采集到的人员信息，形成关联人员的人员信息宽表，包括采集时间，采集站点，区域活动时间，区域活动频率等属性，通过对目标人员的社会关系进行聚类，掌握目标人员的社会关系信息及活动规律。
37.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
38.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员
可以理解的其他实施方式。