本发明实施例涉及视频及图像处理技术领域，尤其涉及一种可疑人员的监控方法、装置及计算机可读存储介质。
背景技术：
为了保证人民群众的生命财产安全，在火车站、机场、地铁站、广场、超市、商场等人口密集的区域都设置了安保手段，其中，视频监控是目前最常用的安保手段。
在现有的视频监控方案中，对可疑人员的监控基本采用人力排查的方法。现有的可疑人员的监控方法不仅效率低，而且费时费力，且一个工作人员同时盯着好多监控画面进行排查，可能存在无法及时发现可疑人员违法行为的缺陷。
技术实现要素：
本发明实施例提供一种可疑人员的监控方法、装置及计算机可读存储介质，解决了现有对可疑人员的监控方法效率低下，费时费力，无法及时发现可疑人员违法行为的技术问题。
本发明实施例提供一种可疑人员的监控方法，包括：
获取进入监控区域的可疑人员的活动轨迹行为数据；
将所述活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括违法行为；
若所述活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员。
进一步地，如上所述的方法，所述确定该活动轨迹行为数据的所属可疑人员为违法人员之后，还包括：
获取所述违法人员的图像和当前位置；
生成一级警报标签；
将所述违法人员的图像、当前位置以及一级警报标签发送给安保人员的移动终端。
进一步地，如上所述的方法，所述获取进入监控区域的可疑人员的活动轨迹行为数据之前，还包括：
对所述可疑人员的图像进行人脸特征提取，以获得所述可疑人员的人脸特征值。
将所述可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时比对，判断所述当前监控视频中是否存在与所述可疑人员的人脸特征值匹配的人员；
若所述当前监控视频中存在与所述可疑人员的人脸特征值匹配的人员，则生成二级警报标签；
将所述当前监控视频中与所述可疑人员的人脸特征值匹配人员的图像、当前位置及二级警报标签发送给所述安保人员的移动终端。
进一步地，如上所述的方法，所述获取进入监控区域的可疑人员的活动轨迹行为数据之前，还包括：
采集多种人口密集公共场所视频数据中的违法行为数据；
对所述违法行为数据进行特征提取，以获得违法行为特征数据；
根据所述违法行为特征数据构建违法行为特征库。
本发明实施例提供一种可疑人员的监控装置，包括：
获取模块，用于获取进入监控区域的可疑人员的活动轨迹行为数据；
判断模块，用于将所述活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括违法行为；
确定模块，用于若所述活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员。
进一步地，如上所述的装置，还包括：生成模块及发送模块；
所述获取模块，还用于获取所述违法人员的图像和当前位置；
所述生成模块，用于生成一级警报标签；
所述发送模块，用于将所述违法人员的图像、当前位置以及一级警报标签发送给安保人员的移动终端。
进一步地，如上所述的装置，还包括：特征提取模块；
所述特征提取模块，用于对所述可疑人员的图像进行人脸特征提取，以获得所述可疑人员的人脸特征值。
所述判断模块，还用于将所述可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时比对，判断所述当前监控视频中是否存在与所述可疑人员的人脸特征值匹配的人员；
所述生成模块，还用于若所述当前监控视频中存在与所述可疑人员的人脸特征值匹配的人员，则生成二级警报标签；
所述发送模块，还用于将所述当前监控视频中与所述可疑人员的人脸特征值匹配人员的图像、当前位置及二级警报标签发送给所述安保人员的移动终端。
进一步地，如上所述的装置，还包括：采集模块及构建模块；
所述采集模块，用于采集多种人口密集公共场所视频数据中的违法行为数据；
所述特征提取模块，还用于对所述违法行为数据进行特征提取，以获得违法行为特征数据；
所述构建模块，用于根据所述违法行为特征数据构建违法行为特征库。
本发明实施例提供一种可疑人员的监控装置，包括：
存储器，处理器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述任一项所述的方法。
本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述任一项所述的方法。
本发明实施例提供一种可疑人员的监控方法、装置及计算机可读存储介质，通过获取进入监控区域的可疑人员的活动轨迹行为数据；将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为；若活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员。根据活动轨迹行为数据对可疑人员是否为违法人员进行自动判断，提高了排查违法人员的效率，能够及时发现可疑人员的违法行为。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明可疑人员的监控方法实施例一的流程图；
图2为本发明可疑人员的监控方法实施例二的流程图；
图3为本发明可疑人员的监控装置实施例一的结构示意图；
图4为本发明可疑人员的监控装置实施例二的结构示意图。
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。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1为本发明可疑人员的监控方法实施例一的流程图，如图1所示，本实施例的执行主体为可疑人员的监控装置，该可疑人员的监控装置可以集成在计算机、平板设备、服务器或具有独立计算和处理能力的设备中，以网页或客户端为用户提供服务。则本实施例提供的可疑人员的监控方法包括以下几个步骤。
步骤101，获取进入监控区域的可疑人员的活动轨迹行为数据。
其中，可疑人员为做出异常行为的人员，异常行为是有很大概率将要发生违法犯罪的可疑行为。如将要发生偷窃或抢劫等违法犯罪前的可疑行为。
本实施例中，预先对可疑人员进行识别，识别的方法可以为将人员的人脸图像与可疑人员人脸数据库中的图像进行匹配，识别出可疑人员。或者可疑人员的识别方法为：获取进入监控区域的每个人员的活动轨迹行为数据，将活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括异常行为数据，若活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员，本实施例中对识别可疑人员的方法不做限定。
具体地，本实施例中，预先在人口密集的公共场所安装多个监控设备，监控设备对进入监控区域的每个人员的行为数据进行存储。识别出可疑人员后，若可疑人员进入到监控区域，则从多个监控设备中获取每个可疑人员的行为数据，并将同一可疑人员的行为数据按照时间顺序进行拼接，形成每个可疑人员的活动轨迹行为数据。每个可疑人员的活动轨迹行为数据能够表示每个可疑人员在每个活动区域的具体行为。
本实施例中，对某可疑人员的活动轨迹行为数据进行示例性说明为：张某为可疑人员，在早上八点进入超市，推着购物车，从水果区走到进口奶粉区，然后将一罐奶粉放入到了手提包中，又走到熟食区，调料区，九点从无购物通道离开。
步骤102，将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为。
本实施例中，预先构建违法行为特征库，在违法行为特征库中存储有大量的违法行为的特征数据。其中，违法行为是发生违法犯罪的行为。如发生偷窃、抢劫或拐卖等违法犯罪行为。
本实施例中，以人口密集的公共场所为超市为例对超市内的违法行为的特征数据进行示例性说明为：原来什么也没有携带或推着空购物车，突然伸手抓住一个盛满物品的车子急速离开并未付款；故意与人拥挤并突然把手伸向别人的口袋；把物品标签撕掉后放入包中而不是购物车里；突然强行将儿童抱走等。
可以理解的是，违法行为特征数据可根据实际情况进行添加或修正。
步骤103，若活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员。
具体地，本实施例中，可每间隔预设时间段将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，判断活动轨迹行为数据中是否包括违法行为数据，若活动轨迹行为数据中包括违法行为数据，则确定该活动轨迹行为数据的所属人员为违法人员，若活动轨迹行为数据中不包括违法行为数据，则继续获取下一预设时间段的活动轨迹行为数据，并再次对该活动轨迹行为数据是否包括违法行为数据进行判断，直到该可疑人员离开该人口密集的公共场所。
本实施例提供的可疑人员的监控方法，通过获取进入监控区域的可疑人员的活动轨迹行为数据；将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为；若活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员。根据活动轨迹行为数据对可疑人员是否为违法人员进行自动判断，提高了排查违法人员的效率，能够及时发现可疑人员的违法行为。
图2为本发明可疑人员的监控方法实施例二的流程图，如图2所示，本实施例提供的可疑人员的监控方法，是在本发明可疑人员的监控方法实施例一的基础上，对步骤101的进一步细化，并且还包括了对将当前监控视频中可疑人员的图像、当前位置及二级警报标签发送给安保人员的移动终端的步骤，以及将当前监控视频中的违法人员的图像、当前位置及一级警报标签发送给安保人员的移动终端的步骤，则本实施例提供的可疑人员的监控方法包括以下步骤。
步骤201，采集多种人口密集公共场所视频数据中的违法行为数据。
其中，人口密集公共场所至少包括：火车站、机场、地铁站、广场、超市、商场，还可以包括其他人口密集公共场所，本实施例中对此不做限定。
其中，在采集的视频数据中包括大量人员的行为数据，在大量人员的行为数据中提取出违法行为数据。其中，违法行为数据至少包括：偷窃行为数据、抢劫行为数据、拐卖行为数据、倒买倒卖行为数据、诈骗行为数据。
步骤202，对违法行为数据进行特征提取，以获得违法行为特征数据。
具体地，本实施例中，采用特征提取算法对违法行为数据进行特征提取，以获取违法行为特征数据。
其中，本实施例中，对特征提取的算法的类别不做限定。
步骤203，根据违法行为特征数据构建违法行为特征库。
将违法行为特征数据存储到数据库中来构建违法行为特征库。其中，数据库类型不做限定，如可以为mysql数据库，oracle数据库等。
可以理解的是，若违法行为特征库已构建完成，则后续进行可疑人员的监控时不再执行步骤201-步骤203。
步骤204，对可疑人员的图像进行人脸特征提取，以获得可疑人员的人脸特征值。
进一步地，本实施例中，采用人脸特征提取算法对可疑人员的图像进行人脸特征提取，提取出可疑人员的人脸特征值。
步骤205，将可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时比对。
步骤206，判断当前监控视频中是否存在与可疑人员的人脸特征值匹配的人员，若是，则执行步骤207，否则，执行步骤205。
结合步骤205-步骤206进行说明。进一步地，本实施例中，通过将可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时对比判断当前监控视频中是否存在与可疑人员的人脸特征值匹配的人员来判断可疑人员是否进入了某一人口密集的公共场所中。若当前监控视频中存在与可疑人员的人脸特征值匹配的人员，则说明可疑人员进入到了某一人口密集的公共场所的监控区域，若当前监控视频中不存在与可疑人员的人脸特征值匹配的人员，则继续将可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时比对。
步骤207，生成二级警报标签。
步骤208，将当前监控视频中与可疑人员的人脸特征值匹配人员的图像、当前位置及二级警报标签发送给安保人员的移动终端。
结合步骤207-步骤208进行说明。进一步地，本实施例中，若当前监控视频中存在与可疑人员的人脸特征值匹配的人员，则生成二级警报标签并将当前监控视频中与可疑人员的人脸特征值匹配人员的图像、当前位置及二级警报标签发送给安保人员的移动终端，以使安保人员通过移动终端获知可疑人员的穿着体貌及具体位置，对该可疑人员同时启动人力监控。
其中，二级警报标签为同时启动对可疑人员进行人力监控的标签。
步骤209，获取进入监控区域的可疑人员的活动轨迹行为数据。
进一步地，本实施例中，获取进入监控区域的可疑人员的活动轨迹行为数据，具体包括：
首先，采集进入到监控区域的每个可疑人员的行为数据。
具体地，由于在人口密集公共场所中设置有多个监控设备，从多个监控设备对应的存储区域采集进入到监控区域的每个可疑人员的行为数据。
然后，基于人脸识别技术将同一可疑人员的行为数据按照时间顺序进行拼接，形成每个可疑人员的活动轨迹行为数据。
具体地，先通过人脸识别技术获取同一可疑人员的所有行为数据，并根据行为数据中的时间信息，按照时间顺序将行为数据进行拼接，形成该可疑人员的活动轨迹行为数据。
其中，人脸识别技术可以为现有人脸识别技术中的任意一种。
步骤210，将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为，若是，则执行步骤211，否则，执行步骤209。
步骤211，确定该活动轨迹行为数据的所属可疑人员为违法人员。
结合步骤210-步骤211进行说明。进一步地，本实施例中，将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为，若活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员，否则继续获取进入监控区域的可疑人员的活动轨迹行为数据。
步骤212，获取违法人员的图像和当前位置并生成一级警报标签。
步骤213，将违法人员的图像、当前位置以及一级警报标签发送给安保人员的移动终端。
结合步骤212-步骤213进行说明。进一步地，本实施例中，在确定该活动轨迹行为数据的所属可疑人员为违法人员之后，从当前监控视频中获取违法人员的图像和当前位置，以获取违法人员的穿着体貌及具体位置。生成一级警报标签，该一级警报标签为对违法人员进行抓捕的标签。将违法人员的图像、当前位置以及一级警报标签发送给安保人员的移动终端，以使安保人员根据违法人员的图像和当前位置找到违法人员，对违法人员进行抓捕。
本实施例提供的可疑人员的监控方法，通过采集多种人口密集公共场所视频数据中的违法行为数据，对违法行为数据进行特征提取，以获得违法行为特征数据，根据违法行为特征数据构建违法行为特征库，对可疑人员的图像进行人脸特征提取，以获得可疑人员的人脸特征值，将可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时比对，判断当前监控视频中是否存在与可疑人员的人脸特征值匹配的人员，若是，则生成二级警报标签，并将当前监控视频中与可疑人员的人脸特征值匹配人员的图像、当前位置及二级警报标签发送给安保人员的移动终端，获取进入监控区域的可疑人员的活动轨迹行为数据，将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为，若是，则确定该活动轨迹行为数据的所属可疑人员为违法人员，获取违法人员的图像和当前位置并生成一级警报标签，将违法人员的图像、当前位置以及一级警报标签发送给安保人员的移动终端，不仅提高了排查违法人员的效率，能够及时发现可疑人员的违法行为，而且能够及时通知安保人员对可疑人员启动人工监控并对违法人员实施抓捕，有效保护了人民群众的生命财产安全。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
图3为本发明可疑人员的监控装置实施例一的结构示意图，如图3所示，本实施例提供的可疑人员的监控装置包括：获取模块31，判断模块32及确定模块33。
其中，获取模块31，用于获取进入监控区域的可疑人员的活动轨迹行为数据。判断模块32，用于将活动轨迹行为数据与违法行为特征库中的特征数据进行对比，以判断活动轨迹行为数据是否包括违法行为。确定模块33，用于若活动轨迹行为数据中包括违法行为，则确定该活动轨迹行为数据的所属可疑人员为违法人员。
本实施例提供的可疑人员的监控装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图4为本发明可疑人员的监控装置实施例二的结构示意图，如图4所示，本实施例提供的可疑人员的监控装置在本发明可疑人员的监控装置实施例一的基础上，进一步地，还包括：生成模块41，发送模块42，特征提取模块43，采集模块44及构建模块45。
进一步地，获取模块31，还用于获取违法人员的图像和当前位置。生成模块41，用于生成一级警报标签。发送模块42，用于将违法人员的图像、当前位置以及一级警报标签发送给安保人员的移动终端。
进一步地，特征提取模块43，用于对可疑人员的图像进行人脸特征提取，以获得可疑人员的人脸特征值。判断模块32，还用于将可疑人员的人脸特征值与当前监控视频中的人脸图像进行实时比对，判断当前监控视频中是否存在与可疑人员的人脸特征值匹配的人员。生成模块41，还用于若当前监控视频中存在与可疑人员的人脸特征值匹配的人员，则生成二级警报标签。发送模块42，还用于将当前监控视频中与可疑人员的人脸特征值匹配人员的图像、当前位置及二级警报标签发送给安保人员的移动终端。
进一步地，采集模块44，用于采集多种人口密集公共场所视频数据中的违法行为数据。特征提取模块43，还用于对违法行为数据进行特征提取，以获得违法行为特征数据。构建模块45，用于根据违法行为特征数据构建违法行为特征库。
本实施例提供的可疑人员的监控装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例还提供一种可疑人员的监控装置，包括：存储器，处理器以及计算机程序。
其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现本发明可疑人员的监控方法实施例一或本发明可疑人员的监控方法实施例二中的方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本发明可疑人员的监控方法实施例一或本发明可疑人员的监控方法实施例二中的方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。