基于视频大数据的嫌疑人身份识别方法和装置与流程

本发明涉及视频处理技术领域，具体而言，涉及一种基于视频大数据的嫌疑人身份识别方法和装置。

背景技术：

近年来，随着法治力度的加强，我国城市中的各个重要的公共位置均安装了监控摄像头，用于实时获取其监控范围内的视频数据并进行存储，用以辅助公安机关的侦破案件，以保证居民的生活安全。在现今社会中，公安机关侦破案件的主要手段即调用犯案地点周围的视频监控信息，并据此寻找及定位相关案件的嫌疑人线索。而在上述侦破案件过程中，对相关视频中的嫌疑人的身份信息进行识别定位显得尤为重要。

目前，较为先进的视频嫌疑人身份信息识别方法即依靠人脸识别技术。上述人脸识别技术是对生物体(一般特指人)本身的生物特征来区分生物体个体。具体的，首先判断对应的监控视频中是否存在人脸，如果存在人脸，则需要计算每个人脸的位置、大小以及人脸中各个主要面部器官的位置信息和特征信息，然后依据得出的上述信息，进一步提取每个人脸中蕴涵的身份特征，最后将提取的身份特征与相关数据库中预存脸部特征进行对比，从而识别出每个人脸对应的身份信息。

但是，上述通过人脸识别进行视频嫌疑人身份信息识别的方法会存在如下问题：第一，由于摄像头的拍摄角度问题，视频监控系统采集到的视频数据可能不包括人脸数据(或者仅包含一部分人脸数据)，从而无法通过上述人脸识别技术进行视频嫌疑人身份信息识别。第二，视频监控系统的拍摄地点以及摄像机清晰度、曝光度问题都会对采集到的人脸数据的精准度造成很大的偏差。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种基于视频大数据的嫌疑人身份识别方法和装置，以提高身份信息的识别精度。

第一方面，本发明实施例提供了一种基于视频大数据的嫌疑人身份识别方法，所述方法包括：

接收用户发送的嫌疑人特征信息；所述嫌疑人特征信息至少包括嫌疑人的以下信息：活动时间范围、活动视频点位信息和体貌特征信息；

从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取所述运动目标对应的时空特征信息；所述时空特征信息至少包括运动目标的以下信息：活动时间和视频点位信息；

根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据；

根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取所述运动目标对应的时空特征信息，包括：

根据嫌疑人的活动时间范围和活动视频点位信息，从所述运动目标特征数据库中加载匹配的运动目标特征信息；

根据嫌疑人的体貌特征信息，从加载的所述运动目标特征信息中查找匹配的运动目标，并确定该运动目标为嫌疑人目标；

提取所述嫌疑人目标的时空特征信息。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据，包括：

按照嫌疑人活动时间的先后顺序，对提取的所述嫌疑人目标的时空特征信息进行排序处理，得到嫌疑人轨迹信息样例；

根据嫌疑人活动视频点位信息对应的经纬度信息，在地图上绘制所述嫌疑人轨迹信息样例对应的嫌疑人活动轨迹信息；

根据所述嫌疑人活动轨迹信息，获取所述嫌疑人活动轨迹信息对应的活动范围内的所有基站点位信息。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息，包括：

在所述嫌疑人的活动时间范围内，获取每一个所述基站点位信息中接入的移动设备；

从获取的所有移动设备中，查找接入所有基站点位信息的移动设备以及所述移动设备接入每一个基站点位信息的接入时间；

从查找结果中筛选出与所述嫌疑人活动轨迹信息相匹配的移动设备；

根据所述移动设备的标识信息，在移动设备运营商平台中查找所述移动设备对应的身份认证信息；

根据所述身份认证信息，在公安大数据平台中查找匹配的嫌疑人身份信息。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述运动目标特征数据库是预先根据下述方法建立的：

接收图像采集器发送的视频数据；

分别提取每一帧视频图像中的运动目标及所述运动目标的特征信息；

将所述运动目标及所述运动目标的特征信息均存储在数据库中，得到所述运动目标特征数据库。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述将所述运动目标及所述运动目标的特征信息均存储在数据库中，包括：

根据所述运动目标的特征信息，生成对应于每一个所述运动目标的特征标签；所述特征标签至少包括：活动时间标签、视频点位信息标签和体貌特征信息标签；

将生成的每一个特征标签均添加到对应的所述运动目标中；

将所有携带有所述特征标签的运动目标均存储在数据库中。

第二方面，本发明实施例还提供了一种基于视频大数据的嫌疑人身份识别装置，所述装置包括：

第一接收模块，用于接收用户发送的嫌疑人特征信息；所述嫌疑人特征信息至少包括嫌疑人的以下信息：活动时间范围、活动视频点位信息和体貌特征信息；

聚类检索模块，用于从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取所述运动目标对应的时空特征信息；所述时空特征信息至少包括运动目标的以下信息：活动时间和视频点位信息；

获取模块，用于根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据；

第一提取模块，用于根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述聚类检索模块，包括：

加载单元，用于根据嫌疑人的活动时间范围和活动视频点位信息，从所述运动目标特征数据库中加载匹配的运动目标特征信息；

查找单元，用于根据嫌疑人的体貌特征信息，从加载的所述运动目标特征信息中查找匹配的运动目标，并确定该运动目标为嫌疑人目标；

提取单元，用于提取所述嫌疑人目标的时空特征信息。

结合第二方面的第一种可能的实施方式，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述获取模块，包括：

排序单元，用于按照嫌疑人活动时间的先后顺序，对提取的所述嫌疑人目标的时空特征信息进行排序处理，得到嫌疑人轨迹信息样例；

绘制单元，用于根据嫌疑人活动视频点位信息对应的经纬度信息，在地图上绘制所述嫌疑人轨迹信息样例对应的嫌疑人活动轨迹信息；

第一获取单元，用于根据所述嫌疑人活动轨迹信息，获取所述嫌疑人活动轨迹信息对应的活动范围内的所有基站点位信息。

结合第二方面的第二种可能的实施方式，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述第一提取模块，包括：

第二获取单元，用于在所述嫌疑人的活动时间范围内，获取每一个所述基站点位信息中接入的移动设备；

第一查找单元，用于从获取的所有移动设备中，查找接入所有基站点位信息的移动设备以及所述移动设备接入每一个基站点位信息的接入时间；

筛选子单元，用于从查找结果中筛选出与所述嫌疑人活动轨迹信息相匹配的移动设备；

第二查找单元，用于根据所述移动设备的标识信息，在移动设备运营商平台中查找所述移动设备对应的身份认证信息；

第三查找单元，用于根据所述身份认证信息，在公安大数据平台中查找匹配的嫌疑人身份信息。

结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，上述基于视频大数据的嫌疑人身份识别装置，还包括：

第二接收模块，用于接收图像采集器发送的视频数据；

第二提取模块，用于分别提取每一帧视频图像中的运动目标及所述运动目标的特征信息；

存储模块，用于将所述运动目标及所述运动目标的特征信息均存储在数据库中，得到所述运动目标特征数据库。

结合第二方面的第四种可能的实施方式，本发明实施例提供了第二方面的第五种可能的实施方式，其中，所述存储模块，包括：

生成单元，用于根据所述运动目标的特征信息，生成对应于每一个所述运动目标的特征标签；所述特征标签至少包括：活动时间标签、视频点位信息标签和体貌特征信息标签；

添加单元，用于将生成的每一个特征标签均添加到对应的所述运动目标中；

存储单元，用于将所有携带有所述特征标签的运动目标均存储在数据库中。

本发明实施例提供的一种基于视频大数据的嫌疑人身份识别方法和装置，包括：接收用户发送的嫌疑人特征信息；从运动目标特征数据库中聚类检索与嫌疑人特征信息相匹配的运动目标，并提取运动目标对应的特征信息；根据提取的特征信息，获取特征信息对应的活动范围内的基站数据；根据特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与运动目标相匹配的嫌疑人身份信息；

与现有技术中通过人脸识别方式进行的视频嫌疑人身份信息识别不理想相比，其结合运动目标特征数据库、基站数据和身份信息平台装置中的常驻人口数据等多方面资源进行综合碰撞检索，能够得到视频嫌疑人身份的准确信息，大大提高了嫌疑人身份信息识别的准确率和成功率；并且，采用大数据分析处理技术，能处理大量、高速、多变的复杂场景，时效性较好。

进一步的，本发明实施例提供的一种基于视频大数据的嫌疑人身份识别方法和装置，其分析结果全面化，不但可以提供视频嫌疑人身份准确信息，还能综合提供嫌疑人犯案前后的运动轨迹信息，手机信息，常住信息、出行信息等完成的人物画像信息，更有利于民警办案。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的一种基于视频大数据的嫌疑人身份识别方法的流程图；

图2示出了本发明实施例所提供的一种利用大数据检索技术，从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取所述运动目标对应的时空特征信息的流程图；

图3示出了本发明实施例所提供的一种根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据的流程图；

图4示出了本发明实施例所提供的一种根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息的流程图；

图5示出了本发明实施例所提供的一种根据图像采集器采集的视频数据建立运动目标特征数据库的流程图；

图6示出了本发明实施例所提供的一种基于视频大数据的嫌疑人身份识别装置的结构示意图；

图7示出了本发明实施例所提供的一种基于视频大数据的嫌疑人身份识别装置中聚类检索模块和获取模块的结构示意图；

图8示出了本发明实施例所提供的一种基于视频大数据的嫌疑人身份识别装置中第一提取模块和存储模块的结构示意图；

图9示出了本发明实施例所提供的另一种基于视频大数据的嫌疑人身份识别装置的结构示意图。

主要标号说明：

10、第一接收模块；20、聚类检索模块；30、获取模块；40、第一提取模块；50、第二接收模块；60、第二提取模块；70、存储模块；201、加载单元；202、第一查找单元；203、提取单元；301、排序单元；302、绘制单元；303、第一获取单元；401、第二获取单元；402、第二查找单元；403、筛选子单元；404、第三查找单元；405、第四查找单元；701、生成单元；702、添加单元；703、存储单元。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

在现今社会，公安破案的一个主要手段是通过查看犯案地点周围的视频监控信息，寻找定位相关案件嫌疑人线索。但是，目前普遍存在的一个问题是民警根据嫌疑人视频影像分析视频中出现的嫌疑人的真实身份及其活动轨迹，需要耗费大量时间、人力和物力，结合各种复杂的现勘手段最终定位嫌疑人的真实身份。

考虑到目前均是通过人脸识别进行视频嫌疑人身份信息识别的方法会存在如下问题：第一，由于摄像头的拍摄角度问题，视频监控系统采集到的视频数据可能不包括人脸数据(或者仅包含一部分人脸数据)，从而无法通过上述人脸识别技术进行视频嫌疑人身份信息识别。第二，视频监控系统的拍摄地点以及摄像机清晰度、曝光度问题都会对采集到的人脸数据的精准度造成很大的偏差；第三，由于人脸识别是将视频采集到的人脸图像和公安本地嫌疑人库人脸图片进行比对，而公安本地人脸库数据有限，造成比中可能性更低。通过这种手段最终无法确定嫌疑人身份信息。基于此，本发明实施例提供了一种基于视频大数据的嫌疑人身份识别方法和装置，下面通过实施例进行描述。

本发明实施例提供了一种基于视频大数据的嫌疑人身份识别方法，所述方法基于大数据平台执行，参考图1，所述方法具体包括如下步骤：

S101、接收用户发送的嫌疑人特征信息；所述嫌疑人特征信息至少包括嫌疑人的以下信息：活动时间范围、活动视频点位信息和体貌特征信息。

本发明实施例提供的方法主要是供民警办案使用；首先，通过大数据平台接收办案民警输入的犯案嫌疑人的特征信息，上述特征信息至少包括：嫌疑人的体貌特征，如身高、外形(如：长发、短发、脸上有伤疤等)和衣着等、嫌疑人的活动时间范围，即需要检索的时间；以及，活动视频点位信息，即需要检索的视频点位信息。

S102、从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取上述运动目标对应的时空特征信息；上述时空特征信息至少包括运动目标的以下信息：活动时间和视频点位信息。

具体的，上述运动目标特征数据库中预先存储有海量结构化的视频数据，上述视频数据为前端图像采集器的，大数据平台对上述视频数据中的运动目标进行结构化处理后，将处理得到的运动目标存储在运动目标特征数据库中，其中，上述运动目标对应有多个标签，如出现时间、视频点位信息(即所在的图像采集器的编号，所述编号对应有采集地点)和运动目标的体貌特征(如人的身高和五官等)。

然后，根据办案民警在大数据平台中输入嫌疑人特征信息，大数据平台则根据上述嫌疑人特征信息，在其运动目标特征数据库中聚类检索与该嫌疑人特征信息相匹配的运动目标，同时，提取上述运动目标对应的时空特征信息，包括：活动时间和视频点位信息。

S103、根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据。

本步骤中，大数据平台可以根据提取的嫌疑人的活动时间和视频点位信息绘制嫌疑人的活动轨迹，然后提取嫌疑人的活动轨迹周边的移动设备基站数据；其中，上述嫌疑人的活动轨迹周边的范围可以预先进行设置。

S104、根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息。

本步骤中，大数据平台根据获取的所有基站数据，定位在嫌疑人的活动时间范围内，接入上述所有基站的移动设备，然后，根据定位的上述移动设备，在大数据平台预先接入的身份信息平台装置中提取与提取的运动目标相匹配的嫌疑人身份信息。其中，上述身份信息平台装置可以是移动设备运营商平台和公安大数据平台；也可以是接入上述移动设备运营商平台和公安大数据平台的第三方平台。

其中，上述移动设备运营商平台中存储其运营的网络对应的手机号码、上述手机号码在预设时间接入的基站的编号、以及，上述手机号码关联的移动设备序列号和用户的身份证信息；大数据平台则通过获取的所有基站数据，从上述移动设备运营商平台中，获取嫌疑人的身份证信息。

上述公安大数据平台中预先存储有移动设备持有每一个用户的基本信息数据；上述公安大数据平台的数据库中预先划分为多个类别的数据库，如人口基本信息库、在逃人员库、涉案人员库、出行记录库、旅馆酒店库等，并且，上述每一个数据库中均存储有对应的人员信息。

大数据平台则根据获取的嫌疑人的身份证信息，在上述公安大数据平台的数据库中对上述嫌疑人的身份证信息进行碰撞比对，以定位视频涉案嫌疑人的完整身份信息：包括嫌疑人的身份证号、姓名、家庭住址、常住地址、是否是前科人员、是否是在逃人员，犯案前后有哪些出行记录(如坐过哪些火车、飞机和汽车等)，住过哪些酒店、旅馆，最终，根据上述嫌疑人的完整身份信息绘制犯罪嫌疑人完整的人物画像，以便办案民警可以快速追踪犯案嫌疑人。

上述步骤101～步骤104中所有比对、分析技术均采用后台大数据集群环境自动运算完成。其中，进行上述运算的过程采用分布式处理，并行运算海量数据，比对结果秒级返回，可在极短的时间内给办案民警推送嫌疑人身份结果，加快破案效率。

本发明实施例提供的一种基于视频大数据的嫌疑人身份识别方法，与现有技术中通过人脸识别方式进行的视频嫌疑人身份信息识别不理想相比，其结合运动目标特征数据库、基站数据和身份信息平台装置中的常驻人口数据等多方面资源进行综合碰撞检索，能够得到视频嫌疑人身份的准确信息，大大提高了嫌疑人身份信息识别的准确率和成功率；并且，采用大数据分析处理技术，能处理大量、高速、多变的复杂场景，时效性较好。

进一步的，参考图2，上述步骤102是利用大数据检索技术，从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取所述运动目标对应的时空特征信息，具体包括如下步骤：

S201、根据嫌疑人的活动时间范围和活动视频点位信息，从所述运动目标特征数据库中加载匹配的运动目标特征信息。

本发明实施例中的大数据检索技术是使用Spark和HDFS分布式文件系统；其中，上述Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用并行框架。

具体的，大数据平台利用上述大数据检索技术，根据民警输入的嫌疑人的活动时间范围和嫌疑人的活动视频点位信息的检索条件，从运动目标特征数据库筛选符合上述检索条件的视频结构化数据，并将上述视频结构化数据加载到SPARK分布式弹性制内存中。

S202、根据嫌疑人的体貌特征信息，从加载的所述运动目标特征信息中查找匹配的运动目标，并确定该运动目标为嫌疑人目标。

具体的，根据民警输入的嫌疑人的体貌特征信息与步骤201中加载的运动目标的体貌特征标签进行对比，如果存在运动目标的体貌特征标签的描述符合民警输入的检索条件，则确定对应的运动目标为嫌疑人目标。

S203、提取所述嫌疑人目标的时空特征信息。

具体的，在根据民警输入的嫌疑人特征信息，定位了嫌疑人目标后，从上述运动目标特征数据库中提取上述嫌疑人目标出现的视频点位以及出现时间。

进一步的，参考图3，上述步骤103中，根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据，包括：

S301、按照嫌疑人活动时间的先后顺序，对提取的所述嫌疑人目标的特征信息进行排序处理，得到嫌疑人轨迹信息样例。

具体的，将步骤202中提取的嫌疑人目标的时空特征信息的所有符合结果进行汇总，同时按照嫌疑人活动时间的先后顺序，对上述时空特征信息进行重新排序，生成嫌疑人轨迹信息样例，如嫌疑人活动时间可以为1：00、2:00和3:00；对应的，所在的图像采集器的点位信息为A点位、B点位和C点位；故排序后的嫌疑人轨迹信息样例如下：1:00(A点位)—>2:00(B点位)—>3:00(C点位)。

S302、根据嫌疑人活动视频点位信息对应的经纬度信息，在地图上绘制所述嫌疑人轨迹信息样例对应的嫌疑人活动轨迹信息。

具体的，每一个编号的图像采集器均对应有其预设采集区域，获取嫌疑人活动视频点位信息对应的经纬度信息，然后根据该经纬度信息在PGIS(Police Geographic Information System，警用地理信息系统)地图中刻画该嫌疑人完整的时空轨迹信息(即该嫌疑人基于时间和空间的活动轨迹信息)。

S303、根据所述嫌疑人活动轨迹信息，获取所述嫌疑人活动轨迹信息对应的活动范围内的所有基站点位信息。

具体的，首先根据嫌疑人完整活动范围的经纬度信息查找该范围内所有基站点位信息，然后根据具体的基站点位编号从公安大数据平台的基站信息库中拉取嫌疑人出现时间前后的所有移动设备(该所有移动设备中即包括嫌疑人的移动设备)连接基站的具体信息。

进一步的，参考图4，上述基于视频大数据的嫌疑人身份识别方法中，步骤104，根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息，包括：

S401、在所述嫌疑人的活动时间范围内，获取每一个所述基站点位信息中接入的移动设备。

S402、从获取的所有移动设备中，查找接入所有基站点位信息的移动设备以及所述移动设备接入每一个基站点位信息的接入时间。

S403、从查找结果中筛选出与所述嫌疑人活动轨迹信息相匹配的移动设备。

S404、根据所述移动设备的标识信息，在移动设备运营商平台中查找所述移动设备对应的身份认证信息。

其中，上述移动设备的标识信息为移动设备的序列号，上述身份认证信息可以是嫌疑人的身份证信息，即身份证号码；具体的，根据上述移动设备的序列号可以从移动设备运营商平台中查找到该该移动设备对应的手机号码，然后通过查找到的嫌疑人的移动设备的手机号码即可获知嫌疑人的身份证号码。

S405、根据所述身份认证信息，在公安大数据平台中查找匹配的嫌疑人身份信息。

结合上述步骤401至步骤405，在根据嫌疑人完整活动范围的经纬度信息查找该范围内所有基站点位信息后，首先根据具体的基站点位编号从身份信息平台装置(如公安大数据平台)中的基站信息库中拉取嫌疑人出现时间前后的所有移动设备(该所有的移动设备包括了嫌疑人的移动设备)连接基站的具体信息，该具体信息包括移动设备的序列号及该移动设备接入的基站的编号、时间等信息；

然后，根据获取的上述具体信息，对上述采集到的基站移动设备数据信息采用大数据碰撞分析技术，找出嫌疑人的手机号码。具体实现方式包括：

1、将提取到的基站数据加载到spark弹性制内存中。

2、通过spark聚类技术，以手机号作为统计维度，统计出每个移动设备(如手机设备)出现在哪些基站点位。

3、对2中统计数据进一步筛选，筛选出出现在所有基站点位的移动设备，如手机设备的序列号、手机设备出现的时间等。

4、将3中筛选出的结果和犯罪嫌疑人活动轨迹时间对比，最终筛选出符合嫌疑人活动轨迹的手机设备，然后根据筛选出的手机设备直接或者间接从移动设备运营商平台获取到该移动设备对应的手机号码以及该手机号码对应的嫌疑人的身份认证信息(如身份证号)；

5、最后，根据嫌疑人的身份证号，在公安大数据平台中查找匹配的嫌疑人身份信息。

另外，现有技术中进行嫌疑人身份信息识别的方法均是直接从视频监控录像的数据中定位嫌疑人出现的“视频点位信息”，该方案复杂且费时费力。本发明实施例中，首先对图像采集器采集的监控视频数据进行结构化处理，并将结构化处理得到的结果存储到运动目标特征数据库中，然后根据办案民警输入的嫌疑人特征信息在运动目标特征数据库中进行检索。具体的，本发明实施例中是根据图像采集器采集的视频数据建立运动目标特征数据库，参考图5，具体建立方法如下：

S501、接收图像采集器发送的视频数据。

具体的，首先利用TCP/UDP协议将前端的图像采集器接入大数据平台，图像采集器则将采集到的监控视频数据以视频流的方式发送给大数据平台。

S502、分别提取每一帧视频图像中的运动目标及所述运动目标的时空特征信息。

具体的，大数据平台以视频帧为单位，分析视频流中每一帧图像出现所有运动目标，以及每一个运动目标对应的特征信息(如活动时间、视频点位信息和体貌特征信息)。

S503、将所述运动目标及所述运动目标的时空特征信息均存储在数据库中，得到所述运动目标特征数据库。

具体的，根据分析得到的上述运动目标的时空特征信息，生成对应于每一个所述运动目标的特征标签；所述特征标签至少包括：活动时间标签、视频点位信息标签和体貌特征信息标签；然后，将生成的每一个特征标签均添加到对应的所述运动目标中；将所有携带有所述特征标签的运动目标均存储在数据库中。其中，体貌特征信息标签还可以包括多个子标签，如体型、肤色、衣着、局部特征等，其中，标签设置的越多越变越后续进行的检索。本发明实施例中，以运动目标的活动时间范围+活动视频点位信息(即时空信息)位为key，以运动目标的其他特征(如体貌特征信息)为value，并将上述运动目标及对应的标签存储到HDFS分布式文件系统中。在后续，根据用户输入的嫌疑人特征信息，在运动目标特征数据库中聚类检索到匹配的运动目标后，则返回该运动目标的key(运动目标在出现的视频点位以及出现时间)，即嫌疑人的特征信息。

本发明实施例提供的一种基于视频大数据的嫌疑人身份识别方法，与现有技术中通过人脸识别方式进行的视频嫌疑人身份信息识别不理想相比，其结合运动目标特征数据库、基站数据和身份信息平台装置中的常驻人口数据等多方面资源进行综合碰撞检索，能够得到视频嫌疑人身份的准确信息，大大提高了嫌疑人身份信息识别的准确率和成功率；并且，采用大数据分析处理技术，能处理大量、高速、多变的复杂场景，时效性较好。

进一步的，本发明实施例提供的一种基于视频大数据的嫌疑人身份识别方法，其分析结果全面化，不但可以提供视频嫌疑人身份准确信息，还能综合提供嫌疑人犯案前后的运动轨迹信息，手机信息，常住信息、出行信息等完成的人物画像信息，更有利于民警办案。

本发明实施例还提供了一种基于视频大数据的嫌疑人身份识别装置，所述装置用于执行上述基于视频大数据的嫌疑人身份识别方法，参考图6，所述装置即大数据平台，其具体包括：

第一接收模块10，用于接收用户发送的嫌疑人特征信息；嫌疑人特征信息至少包括嫌疑人的以下信息：活动时间范围、活动视频点位信息和体貌特征信息；

聚类检索模块20，用于从运动目标特征数据库中聚类检索与所述嫌疑人特征信息相匹配的运动目标，并提取所述运动目标对应的时空特征信息；所述时空特征信息至少包括运动目标的以下信息：活动时间和视频点位信息；

获取模块30，用于根据提取的所述运动目标的时空特征信息，获取所述时空特征信息对应的活动范围内的基站数据；

第一提取模块40，用于根据所述时空特征信息对应的活动范围内的基站数据，从身份信息平台装置中提取与所述运动目标相匹配的嫌疑人身份信息。

进一步，参考图7，上述基于视频大数据的嫌疑人身份识别装置中，聚类检索模块20，包括：

加载单元201，用于根据嫌疑人的活动时间范围和活动视频点位信息，从运动目标特征数据库中加载匹配的运动目标特征信息；

第一查找单元202，用于根据嫌疑人的体貌特征信息，从加载的运动目标特征信息中查找匹配的运动目标，并确定该运动目标为嫌疑人目标；

提取单元203，用于提取所述嫌疑人目标的时空特征信息。

进一步，参考图7，上述基于视频大数据的嫌疑人身份识别装置中，获取模块30，包括：

排序单元301，用于按照嫌疑人活动时间的先后顺序，对提取的所述嫌疑人目标的时空特征信息进行排序处理，得到嫌疑人轨迹信息样例；

绘制单元302，用于根据嫌疑人活动视频点位信息对应的经纬度信息，在地图上绘制所述嫌疑人轨迹信息样例对应的嫌疑人活动轨迹信息；

第一获取单元303，用于根据所述嫌疑人活动轨迹信息，获取所述嫌疑人活动轨迹信息对应的活动范围内的所有基站点位信息。

进一步，参考图8，上述基于视频大数据的嫌疑人身份识别装置中，第一提取模块40，包括：

第二获取单元401，用于在嫌疑人的活动时间范围内，获取每一个基站点位信息中接入的移动设备；

第二查找单元402，用于从获取的所有移动设备中，查找接入所有基站点位信息的移动设备以及移动设备接入每一个基站点位信息的接入时间；

筛选子单元403，用于从查找结果中筛选出与嫌疑人活动轨迹信息相匹配的移动设备；

第三查找单元404，用于根据移动设备的标识信息，在移动设备运营商平台中查找移动设备对应的身份认证信息；

第四查找单元405，用于根据所述身份认证信息，在公安大数据平台中查找匹配的嫌疑人身份信息。

进一步，参考图9，上述基于视频大数据的嫌疑人身份识别装置还包括：

第二接收模块50，用于接收图像采集器发送的视频数据；

第二提取模块60，用于分别提取每一帧视频图像中的运动目标及运动目标的时空特征信息；

存储模块70，用于将运动目标及运动目标的时空特征信息均存储在数据库中，得到运动目标特征数据库。

进一步，参考图8，上述基于视频大数据的嫌疑人身份识别装置中，存储模块70，包括：

生成单元701，用于根据运动目标的时空特征信息，生成对应于每一个运动目标的特征标签；特征标签至少包括：活动时间标签、视频点位信息标签和体貌特征信息标签；

添加单元702，用于将生成的每一个特征标签均添加到对应的运动目标中；

存储单元703，用于将所有携带有特征标签的运动目标均存储在数据库中。

本发明实施例提供的一种基于视频大数据的嫌疑人身份识别装置，与现有技术中通过人脸识别方式进行的视频嫌疑人身份信息识别不理想相比，其结合运动目标特征数据库、基站数据和身份信息平台装置中的常驻人口数据等多方面资源进行综合碰撞检索，能够得到视频嫌疑人身份的准确信息，大大提高了嫌疑人身份信息识别的准确率和成功率；并且，采用大数据分析处理技术，能处理大量、高速、多变的复杂场景，时效性较好。

进一步的，本发明实施例提供的一种基于视频大数据的嫌疑人身份识别装置，其分析结果全面化，不但可以提供视频嫌疑人身份准确信息，还能综合提供嫌疑人犯案前后的运动轨迹信息，手机信息，常住信息、出行信息等完成的人物画像信息，更有利于民警办案。

本发明实施例所提供的基于视频大数据的嫌疑人身份识别的装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。