序问题。
[0039] 1、关联概率计算；
[0040]
Μ为多点观测到的重现行人数 目，Ν为多点观测到的重现手机号码数目，Pj为组合概率，PVl为第i个行人出现在所有监 控点的概率，Pm]为第j个手机号码出现在所有监控点的概率。无论是行人还是手机号码， 当在全部观测点均出现时令其概率为1，因此，对于行进路径上的K个监控点，PVl，？!1^计算 为：
[0043]
[0044] KVl，Km,分别是行人和手机号码出现在K个监控点的次数。
[0045] 令i= 1. . .M,j= 1. . .N，按照式⑴计算出L=MxN个组合概率，按组合概率大 小排序，排名靠前的（i，j)组合是概率意义上可能性大的对应关系。
[0046] 2、监控点数K的确定；
[0047] 考察某特定嫌疑行人足够长的行进路径上重现的若干个监控点（允许中间监控 点未监视到的情况），观测这几个监控点上手机号码重现次数（允许中间监控点未打电话 的情况），所谓行人或手机号码重现指的是同一行人或同一手机号码在不同监控点再次出 现。若监测到重现T次以上的手机号码，则实际行人重现的监控点数目即为K;否则，继续 增加行人重现的观测点数，直到发现T次以上的重现手机号码，或者，即使搜索再多的监控 点行人也再不出现，这两种情况下，K都设置为行人实际出现的监控点数。
[0048] T的值越大，行人和手机之间的概率关联估算越准确。当手机号码重现次数不够T 时，极端情况下退化到为1的情形，此时，问题又回到任意单个监控点上多个行人与多个手 机号码之间多对多的弱关联关系。这时只能寻找尽量少的行人和尽量少的手机号码的对应 关系来判别，如果碰巧出现一对一的情况，则依然能建立强关联，否则选择一个行人和手机 号码都最少的弱关联。
[0049] 基于上述思想，本发明提供了一种多源大数据融合的视频监控行人身份识别方 法，请见图1，本发明的具体实现包括以下步骤：
[0050] 步骤1 :观测行进路径上特定嫌疑行人所在的监控点上手机号码的重现次数，若 重现次数小于门限T(本实施例中T= 3)，则进入步骤2，否则进入步骤3 ;
[0051] 步骤2:增加继续观测的监控点数，若特定嫌疑行人在新观测的监控点中均未再 出现，则进入步骤3,否则返回步骤1;
[0052] 步骤3 :根据特定嫌疑行人实际出现过的监控点数目确定监控点数K，同时判断手 机号码重现次数是否为1，若为1，进入步骤4,否则进入步骤5;
[0053] 步骤4:统计特定嫌疑行人出现过的逐个监控点上的行人数及相应的手机号码 数，若存在单个行人和单个手机号码的一一对应的关系，则输出强关联，否则选择行人数和 手机号码均最少的弱关联输出；
[0054] 步骤5 :确定行进路径上各监控点包含特定嫌疑行人在内的重现行人数目M，以及 重现的手机号码数目N;
[0055] 本实施例的重现行人数目确定方法为：
[0056] (1)监控视频中的行人重现通过人工判断，或计算机自动判断，计算机自动判断行 人重现属于行人重识别的技术范畴，可利用现存技术实现，在此不再赘述；
[0057] (2)每增加一个出现在不同监控点中的同一行人，重现行人数目增加1，累加得到 重现行人数目Μ;
[0058] (3)同一行人在不同监控点中每出现一次，该行人的出现次数增加1，累加得到每 个行人出现的次数Kvdi= 1…Μ);
[0059] (4)特定嫌疑行人之外的其它行人的重现，限在监控视频中出现的时间与特定嫌 疑行人出现时间一致的时候。
[0060] 本实施例的重现手机号码数目确定方法为：
[0061] (1)对应监控点上出现的手机号码，限出现时间与特定嫌疑行人出现时间一致的 号码；
[0062] (2)以特定嫌疑行人出现过的K个监控点上所有手机号码为观测对象，统计每个 号码出现的次数，出现2次以上的号码个数即为重现的手机号码数目N，每个重现号码出现 的次数即为Knij(j= 1…N)。
[0063] 步骤6:逐一计算Μ个重现行人中每个行人、N个重现手机号码中每个手机号码的 重现概率；
[0064] 本实施例对于行进路径上的Κ个监控点，行人i重现概率为PVl，手机号码j重现 概率为pm]，分别计算为：
[0067] 这里，KVl，Km>v别是上述步骤计算出的行人和手机号码在K个监控点上的重现次 数。
[0068] 步骤7 :根据步骤6得到的重现概率，计算L个行人-手机号码的组合概率；
[0069] 作为具体实现，对于Μ个行人、N个手机号码，则共有L=MxN个可能的两两组合， 每种组合概率按下式计算：
[0071] 步骤8 :按组合概率从大到小排序，选择排序靠前的几对组合作为候选的概率关 联组合输出。
[0072] 应当理解的是，本说明书未详细阐述的部分均属于现有技术。
[0073] 应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本 发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权 利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发 明的请求保护范围应以所附权利要求为准。
【主权项】
1. 一种多源大数据融合的视频监控行人身份识别方法，其特征在于，包括以下步骤： 步骤1 :观测行进路径上特定嫌疑行人所在的监控点上手机号码的重现次数，若重现 次数小于预设门限值T，则进入下述步骤2,否则进入下述步骤3 ; 步骤2 :增加监控点数并继续观测，若特定嫌疑行人在新观测的监控点中均未再出现， 则进入下述步骤3,否则返回执行所述步骤1 ; 步骤3 :根据特定嫌疑行人实际出现过的监控点数目确定监控点数K，同时判断手机号 码重现次数是否为1，若为1，进入下述步骤4,否则进入下述步骤5 ; 步骤4 :统计特定嫌疑行人出现过的逐个监控点上的行人数及相应的手机号码数，若 存在单个行人和单个手机号码的一一对应的关系，则输出强关联，否则选择行人数和手机 号码均最少的弱关联输出； 步骤5 :确定行进路径上各监控点包含特定嫌疑行人在内的重现行人数目M，以及重现 的手机号码数目N ; 步骤6 :逐一计算M个重现行人中每个行人、N个重现手机号码中每个手机号码的重现 概率； 步骤7 :根据步骤6得到的重现概率，计算L个行人-手机号码的组合概率； 步骤8 :按组合概率从大到小排序，选择排序靠前的几对组合作为候选的概率关联组 合输出。2. 根据权利要求1所述的多源大数据融合的视频监控行人身份识别方法，其特征在 于，步骤5中所述重现行人数目M的确定方法如下： (1) 每增加一个出现在不同监控点中的同一行人，重现行人数目增加1，累加得到重现 行人数目M ; (2) 同一行人在不同监控点中每出现一次，该行人的出现次数增加1，累加得到每个行 人出现的次数Kvi,其中i = 1···Μ ; (3) 特定嫌疑行人之外的其它行人的重现，限在监控视频中出现的时间与特定嫌疑行 人出现时间一致的时候。3. 根据权利要求1所述的多源大数据融合的视频监控行人身份识别方法，其特征在 于，步骤5中所述重现的手机号码数目N的确定方法如下： (1) 对应监控点上出现的手机号码，限出现时间与特定嫌疑行人出现时间一致的号 码； (2) 以特定嫌疑行人出现过的K个监控点上所有手机号码为观测对象，统计每个号码 出现的次数，出现2次以上的号码个数即为重现的手机号码数目Ν，每个重现号码出现的次 数即为Km j,其中j = 1···Ν。4. 根据权利要求1所述的多源大数据融合的视频监控行人身份识别方法，其特征在 于，步骤6中所述重现概率，计算方法如下： 对于行进路径上的K个监控点，行人i重现概率为Pv1，手机号码j重现概率为Pm];其中，Kv1, Km,分别是步骤5计算出的行人和手机号码在K个监控点上的重现次数。5.根据权利要求1所述的多源大数据融合的视频监控行人身份识别方法，其特征在 于，步骤7中所述组合概率，计算方法如下： 对于M个行人、N个手机号码，则共有L = MXN个可能的两两组合，每种组合概率按下 式计算：其中，Pv1为行人i重现概率，Pm j为手机号码j重现概率。
【专利摘要】本发明公开了一种多源大数据融合的视频监控行人身份识别方法，利用多源数据对象时空行为的一致性规律，借助监控点的通话手机号码来识别行人的物理身份。主要步骤为：观测行进路径上特定嫌疑行人所在的监控点上手机号码的重现次数；按照识别精度要求，确定适宜的观测监控点数目；确定行进路径上各监控点包含特定嫌疑行人在内的重现行人数目及重现手机号码数目；计算行人、手机号码重现概率，以及二者的组合概率；按组合概率大小排序，选择排序靠前的组合输出。本发明方法具有计算简单、识别效率高、普适性强等优点。
【IPC分类】H04N7/18, G06K9/00
【公开号】CN105357496
【申请号】CN201510903582
【发明人】王中元, 胡瑞敏, 怀念, 朱荣, 陈丹
【申请人】武汉大学
【公开日】2016年2月24日
【申请日】2015年12月9日