本发明涉及一种被监控者异常行为分析模型的建立方法,属于智能监控分析的技术领域。
背景技术:
随着司法系统智能化,越来越多的监狱司法系统开始启用智能监控系统对服刑人员进行有效监测其行动轨迹或利用门禁系统对其进行管控出行。但是监狱司法系统内依然会出现服刑人员出现过激行为或者违规行为,而且出现上述行为之前往往伴有异常行为或举动。如何采集上述的异常行为并对其做有效分析、建模成为智能司法领域所面临的新技术问题。
技术实现要素:
针对现有技术的不足,本发明提供一种被监控者异常行为分析模型的建立方法。
本发明的技术方案如下:
一种被监控者异常行为分析模型的建立方法,包括:
采集被监控者在活动区域内的位置坐标及时间;
将集体活动的时间段输入;
采集在活动区域内违规行为的类型、将违规行为前出现的异常行为对应归类。
根据本发明优选的,所述被监控者在活动区域内的位置坐标及时间(i,j,t),其中,所述i为被监控者在活动区域内的横坐标;j为被监控者在活动区域内的纵坐标;t为在所述位置坐标(i,j)对应的时间,例如:am11:00。
根据本发明优选的,所述集体活动的时间段包括:监管允许的会议讨论时间段t1,午休时间段t2,协同工作时间段t3;例如:t1:am09:00-am09:30;t2:am12:00-pm13:30;t3:am10:00-am10:45。
根据本发明优选的,所述违规行为的类型包括:
聚众斗殴行为;逃离活动区行为;自残行为;攻击他人行为;持有违规器械行为;
将违规行为前出现的异常行为对应归类:当被监控人员出现上述违规行为前出现以下的异常行为进行采集入库:
被监控人员的聚集行为:并设定聚集参数警戒阈值;
被监控人员的靠近监控边界行为:并设定靠近参数警戒阈值;
被监控人员在小范围内长时间驻足行为:并设定所述小范围的面积警戒阈值和驻足时间的警戒阈值。
如上述模型的建立方法的应用方法:
1)根据采集在活动区域内违规行为的类型、将违规行为前出现的异常行为对应归类;
2)实时采集被监控人员在活动区域内的异常行为;
3)并对所述异常行为按照步骤1)进行归类,一旦对应到所述违规行为类型时,发出警戒报警。
本发明的技术优势在于:
本发明根据采集在活动区域内违规行为的类型、将违规行为前出现的异常行为对应归类;实时采集被监控人员在活动区域内的异常行为;并对所述异常行为进行归类,一旦对应到所述违规行为类型时,发出警戒报警。本发明是对异常行为数据进行采集、通过大数据分析建立服刑人员在活动区域内异常行为模型,实时利用。
附图说明
图1是本发明的流程图;
图2是本发明中,所述被监控人员在正常状态下的位置分布图。
具体实施方式
下面结合实施例和说明书附图对本发明做详细的说明,但不限于此。
如图1、2所示。
实施例1、
一种被监控者异常行为分析模型的建立方法,包括:
采集被监控者在活动区域内的位置坐标及时间;
将集体活动的时间段输入;
采集在活动区域内违规行为的类型、将违规行为前出现的异常行为对应归类。
所述被监控者在活动区域内的位置坐标及时间(i,j,t),其中,所述i为被监控者在活动区域内的横坐标;j为被监控者在活动区域内的纵坐标;t为在所述位置坐标(i,j)对应的时间,例如:am11:00。
所述集体活动的时间段包括:监管允许的会议讨论时间段t1,午休时间段t2,协同工作时间段t3;例如:t1:am09:00-am09:30;t2:am12:00-pm13:30;t3:am10:00-am10:45。
所述违规行为的类型包括:
聚众斗殴行为;逃离活动区行为;自残行为;攻击他人行为;持有违规器械行为;
将违规行为前出现的异常行为对应归类:当被监控人员出现上述违规行为前出现以下的异常行为进行采集入库:
被监控人员的聚集行为:并设定聚集参数警戒阈值;在上述集体活动的时间段外,当被监控人员数量在单位面积内超过数量上限,该单位面积的上限值即为聚集参数警戒阈值;
被监控人员的靠近监控边界行为:并设定靠近参数警戒阈值;当被监控人员的位置与所述监控边界的绝对距离小于出现违规行为出现时的绝对距离时,报警;该绝对距离靠近参数警戒阈值;
被监控人员在小范围内长时间驻足行为:并设定所述小范围的面积警戒阈值和驻足时间的警戒阈值。当被监控人员的位置长时间在小范围活动时,报警;所述长时间和小范围都是出现违规行为出现时对应的时间范围和区域范围。
实施例2、
如实施例1所述模型的建立方法的应用方法:
1)根据采集在活动区域内违规行为的类型、将违规行为前出现的异常行为对应归类;
2)实时采集被监控人员在活动区域内的异常行为;
3)并对所述异常行为按照步骤1)进行归类,一旦对应到所述违规行为类型时,发出警戒报警。