一种人员相关性度量方法及装置与流程

本发明涉及信息化技术领域，特别是涉及一种人员相关性度量方法及装置。

背景技术：

人与人之间的相关性体现了两个人或者多个人之间的亲密程度，相关性越高则亲密程度越高，越可能频繁地在同一个时间段内出现在同一地点。通过对相关性的度量，可以很好的掌握特殊人群的活动规律和社会关系，为社会治安、学生管理等提供强有力的数据支撑。

相应的人员相关性度量方法中，在校园的应用场景下，由于学生在图书馆、食堂、校车、超市、浴室等场所可以使用校园卡，学生在每次使用校园卡时会生成使用数据(包括使用的时间和地点)，通过计算两个学生在某一地点使用校园卡的共现频率，共现频率越大，则这两个学生的相关性越大。

然而，在一些特殊场所，例如食堂、校车等场所，因为学生的时间分布几乎一致，任意两个不相关的学生之间出现共现频率的几率较大，导致相关性度量存在一定的误差。

技术实现要素：

本发明实施例的目的在于提供一种人员相关性度量方法及装置，以提高相关性度量的准确性。具体技术方案如下：

第一方面，本发明实施例提供了一种人员相关性度量方法，所述方法包括：

利用抓拍到的各人员图像，分别获得各人员的轨迹数据，所述各人员的轨迹数据包括所述各人员分别在所述各人员图像中被抓拍到的地点信息和时间信息；

统计并根据各地点信息下抓拍到的人员的数目，确定所述各地点信息对应的场所热度；

根据任意两个人员的轨迹数据及所述各地点信息对应的场所热度，确定所述两个人员的相关性。

可选的，所述利用抓拍到的各人员图像，分别获得各人员的轨迹数据，包括：

获取抓拍到各人员图像的各图像采集设备的位置信息及所述各图像采集设备抓拍到所述各人员图像的时间戳；

针对第一人员图像，将抓拍到所述第一人员图像的图像采集设备的位置信息作为所述第一人员图像中各人员的地点信息，并将抓拍到所述第一人员图像的时间戳作为所述第一人员图像中各人员的时间信息，所述第一人员图像为任一人员图像；

针对所述各人员，分别统计所述各人员在所述各人员图像中的地点信息及时间信息，得到所述各人员的轨迹数据。

可选的，所述根据任意两个人员的轨迹数据及所述各地点信息对应的场所热度，确定所述两个人员的相关性，包括：

判断第一人员的轨迹数据与第二人员的轨迹数据中是否存在相同的地点信息，其中，所述第一人员及所述第二人员为任意两个人员；

若存在，则根据所述相同的地点信息对应的所述第一人员的时间信息及所述第二人员的时间信息，计算所述第一人员与所述第二人员的时间距离；

根据所述时间距离及所述相同的地点信息对应的场所热度，确定所述第一人员与所述第二人员的相关性。

可选的，所述根据所述时间距离及所述相同的地点信息对应的场所热度，确定所述第一人员与所述第二人员的相关性，包括：

获取所述各地点信息分别对应的地点权重，所述各地点信息分别对应的地点权重为预先基于所述各地点信息对应的场所热度分配的；

若所述第一人员的轨迹数据与所述第二人员的轨迹数据中存在多个相同的地点信息，则根据所述多个相同的地点信息分别对应的地点权重及所述第一人员与所述第二人员的时间距离，计算所述多个相同的地点信息分别对应的所述第一人员与所述第二人员的加权时间距离；

根据所述多个相同的地点信息分别对应的加权时间距离，确定所述第一人员与所述第二人员的相关性。

可选的，所述根据所述多个相同的地点信息分别对应的加权时间距离，确定所述第一人员与所述第二人员的相关性，包括：

根据所述多个相同的地点信息分别对应的加权时间距离，计算所述多个相同的地点信息分别对应的所述第一人员与所述第二人员的加权记录相关性；

计算所有加权记录相关性的平均值，得到所述第一人员与所述第二人员的轨迹相关性；

对所述轨迹相关性进行归一化处理，得到所述第一人员与所述第二人员的相关性。

第二方面，本发明实施例提供了一种人员相关性度量装置，所述装置包括：

计算模块，用于利用抓拍到的各人员图像，分别获得各人员的轨迹数据，所述各人员的轨迹数据包括所述各人员分别在所述各人员图像中被抓拍到的地点信息和时间信息；

统计模块，用于统计并根据各地点信息下抓拍到的人员的数目，确定所述各地点信息对应的场所热度；

确定模块，用于根据任意两个人员的轨迹数据及所述各地点信息对应的场所热度，确定所述两个人员的相关性。

可选的，所述计算模块，具体用于：

获取抓拍到各人员图像的各图像采集设备的位置信息及所述各图像采集设备抓拍到所述各人员图像的时间戳；

针对第一人员图像，将抓拍到所述第一人员图像的图像采集设备的位置信息作为所述第一人员图像中各人员的地点信息，并将抓拍到所述第一人员图像的时间戳作为所述第一人员图像中各人员的时间信息，所述第一人员图像为任一人员图像；

针对所述各人员，分别统计所述各人员在所述各人员图像中的地点信息及时间信息，得到所述各人员的轨迹数据。

可选的，所述确定模块，具体用于：

判断第一人员的轨迹数据与第二人员的轨迹数据中是否存在相同的地点信息，其中，所述第一人员及所述第二人员为任意两个人员；

若存在，则根据所述相同的地点信息对应的所述第一人员的时间信息及所述第二人员的时间信息，计算所述第一人员与所述第二人员的时间距离；

根据所述时间距离及所述相同的地点信息对应的场所热度，确定所述第一人员与所述第二人员的相关性。

可选的，所述确定模块在用于所述根据所述时间距离及所述相同的地点信息对应的场所热度，确定所述第一人员与所述第二人员的相关性时，具体用于：

获取所述各地点信息分别对应的地点权重，所述各地点信息分别对应的地点权重为预先基于所述各地点信息对应的场所热度分配的；

若所述第一人员的轨迹数据与所述第二人员的轨迹数据中存在多个相同的地点信息，则根据所述多个相同的地点信息分别对应的地点权重及所述第一人员与所述第二人员的时间距离，计算所述多个相同的地点信息分别对应的所述第一人员与所述第二人员的加权时间距离；

根据所述多个相同的地点信息分别对应的加权时间距离，确定所述第一人员与所述第二人员的相关性。

可选的，所述确定模块在用于所述根据所述多个相同的地点信息分别对应的加权时间距离，确定所述第一人员与所述第二人员的相关性时，具体用于：

根据所述多个相同的地点信息分别对应的加权时间距离，计算所述多个相同的地点信息分别对应的所述第一人员与所述第二人员的加权记录相关性；

计算所有加权记录相关性的平均值，得到所述第一人员与所述第二人员的轨迹相关性；

对所述轨迹相关性进行归一化处理，得到所述第一人员与所述第二人员的相关性。

第三方面，本发明实施例提供了一种监测系统，包括多个图像采集设备及服务器；

所述图像采集设备，用于抓拍各人员图像，并将所述各人员图像发送至所述服务器；

所述服务器包括处理器和存储器；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的计算机程序时，实现本发明实施例第一方面所提供的人员相关性度量方法的步骤。

第四方面，本发明实施例提供了一种机器可读存储介质，所述机器可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面所提供的人员相关性度量方法的步骤。

本发明实施例提供的一种人员相关性度量方法及装置，利用抓拍到的各人员图像，分别获得各人员的轨迹数据，统计并根据各地点信息下抓拍的人员的数目，确定各地点信息对应的场所热度，根据任意两个人员的轨迹数据及各地点信息对应的场所热度，确定两个人员的相关性。基于抓拍技术以及目标识别技术，实现了对人员的准确定位，这样，在进行人员相关性度量时，保证了人员的轨迹数据的可靠性和准确性，并且，每个地点信息下抓拍到的人员的数目表征了各地点信息下的场所热度，数目越多则场所热度越高，在进行人员相关性度量时，结合场所热度，提高了人员相关性度量的准确性。

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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明实施例的人员相关性度量方法的流程示意图；

图2为本发明实施例的人员相关性度量方法的整体流程示意简图；

图3为本发明实施例的人员相关性建模流程示意图；

图4为本发明实施例的场所热度建模流程示意图；

图5为本发明实施例的融合建模流程示意图；

图6为本发明实施例的人员相关性度量装置的结构示意图；

图7为本发明实施例的监测系统的结构示意图。

具体实施方式

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。

为了提高人员相关性度量的准确性，本发明实施例提供了一种人员相关性度量方法、装置、监测系统及机器可读存储介质。

下面，首先对本发明实施例所提供的人员相关性度量方法进行介绍。

本发明实施例所提供的人员相关性度量方法的执行主体可以为用于进行人员相关性度量的服务器，实现本发明实施例所提供的人员相关性度量方法的方式可以为设置于执行主体中的软件、硬件电路和逻辑电路中的至少一种。

如图1所示，本发明实施例所提供的一种人员相关性度量方法，可以包括如下步骤：

s101，利用抓拍到的各人员图像，分别获得各人员的轨迹数据，其中，各人员的轨迹数据包括各人员分别在各人员图像中被抓拍到的地点信息和时间信息。

本发明实施例所提供的人员相关性度量方法应用于例如校园、工业园区、写字楼、看守所等场景中，为人员关系分析提供基础数据。为了最大程度的覆盖需要监测的场景，可以在上述场景中的各个地点架设多个图像采集设备，例如可以分别在校门口、图书馆、宿舍楼、教学楼、教室、综合办公室、操场、体育馆、食堂、校内主干道及人员通道等地点架设图像采集设备。

图像采集设备用于抓拍人员图像，在进行人员图像抓拍时可以是智能抓拍，也就是在监测到有行人经过时进行抓拍，可以支持对人员目标进行检测、跟踪、抓拍、评分、筛选等功能，输出的是最优的人员图像。各图像采集设备在抓拍到人员图像后，将人员图像发送至服务器进行人员相关性度量。为了保证图像采集设备对人员目标的抓拍效果，清晰的显示人员目标，图像采集设备的抓拍分辨率可达200万像素(1920*1080)，支持人脸瞳距20像素以上的人脸检测。并且为了保证夜间光线不理想的情况下也可以清楚抓拍人员目标，可以在图像采集设备内设置高效白光阵列灯。

图像采集设备在采集到各人员图像后，需要进行人员目标的识别，人员目标的识别可以由图像采集设备实现，也可以由服务器实现。进行人员目标识别的方式可以是将各人员图像分别与事先存储的人员样本进行建模比对，当人员图像与人员样本的相似度达到预设阈值时，则会生成识别结果；进行人员识别的方式还可以是将各人员图像输入预先训练好的神经网络，经过神经网络的运算，得到识别结果。

在对各人员图像进行人员识别所得到的识别结果至少可以包括：人员目标的人员标识、人员在人员图像中被抓拍到的地点信息及时间信息等，具体的，人员标识可以是人员的身份信息、学生学号等，地点信息可以是抓拍到人员的图像采集设备所在地点的信息、图像采集设备的标识等，时间信息可以是图像采集设备抓拍到人员的时间。识别结果还可以包括人员图像与人员样本的相似度，相似度越高，说明人员图像中的人员为人员样本中的人员的几率就越大，相似度通常为0至1的数。

人员的轨迹数据包括各人员分别在各人员图像中被抓拍到的地点信息和时间信息，分别标记为lp,k和tp,k，表示在第k个人员图像中识别到人员p的地点信息和时间信息，由于同一个图像采集设备可能多次抓拍到同一人员，或者，多个图像采集设备可能在不同时间拍摄到同一人员，这样，对于同一个人员而言，会识别到多个地点信息和时间信息，通过将这些信息集合起来，构建出一个人员的轨迹数据。以人员m和n为例，轨迹数据分别表示为：

其中，rm为人员m的轨迹数据，rn为人员n的轨迹数据，rm,k是一个二元组(lm,k,tm,k)，分别记录识别到人员的地点信息和时间信息，km为人员m的人员图像的记录总数，kn为人员n的人员图像的记录总数。

可选的，s101具体可以为：

获取抓拍到各人员图像的各图像采集设备的位置信息及各图像采集设备抓拍到各人员图像的时间戳；

针对第一人员图像，将抓拍到第一人员图像的图像采集设备的位置信息作为第一人员图像中各人员的地点信息，并将抓拍到第一人员图像的时间戳作为第一人员图像中各人员的时间信息，其中，第一人员图像为任一人员图像；

针对各人员，分别统计各人员在各人员图像中的地点信息及时间信息，得到各人员的轨迹数据。

由于一个图像采集设备对固定的监测区域进行监测，图像采集设备的位置信息即可作为人员的地点信息、图像采集设备抓拍到人员图像的时间戳即可作为人员的地点信息，针对每一个人员，通过统计每个人员图像中该人员的地点信息及时间信息，得到各人员的轨迹数据。

s102，统计并根据各地点信息下抓拍到的人员的数目，确定各地点信息对应的场所热度。

场所热度用来度量访问同一个地点的人员的数目，具体的，可以是在单位时间内访问同一个地点的人员的数目，也可以是在相同时间段内访问同一个地点的人员的数目，可以定义为wp，即地点lp访问的人数，1≤p≤m，m表示在监测场景下所有的图像采集设备的数目，人员的数目越多则说明该地点的场所热度越高，场所热度可以是0至100的数值。

不同地点意味着不同的场所热度，例如学校食堂，学生就餐行为的时间比较一致，则食堂的场所热度大，容易出现不存在关系的两个学生在较短时间间隔内去食堂就餐的情况，而对于图书馆而言，场所热度较小，出入图书馆的时间分布大多是基于真实的朋友关系。因此考虑这一现实情况，结合两个人员的轨迹数据和场所热度，进行人员相关性度量的结果更为准确。

s103，根据任意两个人员的轨迹数据及各地点信息对应的场所热度，确定两个人员的相关性。

对于任意的两个人员m和n，需要通过分析两个人员的轨迹数据，并结合各地点信息对应的场所热度，度量两个人员之间的相关性。如果场所热度较大，即使两个人员同时出现在该场所里，两个人员的相关性也不一定高，需要综合两个人在不同场所同时出现的分析结果，既在场所热度大的地点同时出现、也在场所热度小的地点同时出现，则可以认为这两个人员之间具有较高的相关性。

可选的，s103具体可以为：

判断第一人员的轨迹数据与第二人员的轨迹数据中是否存在相同的地点信息，其中，第一人员及第二人员为任意两个人员；

若存在，则根据相同的地点信息对应的第一人员的时间信息及第二人员的时间信息，计算第一人员与第二人员的时间距离；

根据时间距离及相同的地点信息对应的场所热度，确定第一人员与第二人员的相关性。

如果第一人员m的轨迹数据与第二人员n的轨迹数据中存在相同的地点信息，即lm,x＝ln,y，则表示两个人员出现在了同一个场所，两个人员之间的相关性与两个人员的时间距离和出现在同一场所的场所热度有关。时间距离即为两个人员出现在同一场所的时间差异，相关性与时间距离成反比，时间距离越小且场所热度越低，则两个人员的相关性就越高；当时间距离超过一定数值后，相关性就趋于零，相关性随着时间距离的增大而急剧衰减。

可选的，计算时间距离的方式，具体可以为：

根据相同的地点信息对应的第一人员的时间信息及第二人员的时间信息，计算第一人员的时间信息与第二人员的时间信息的差值绝对值，得到第一人员与第二人员的时间距离。

具体的，时间距离可以表示为：

δt(rm,x,rn,y)＝|tm,x-tn,y|(3)

即两个人员出现在同一个场所，时间距离表示为两个人员的时间信息的差值绝对值。其中，δt(rm,x,rn,y)为人员m与人员n的时间距离，rm,x＝(lm,x,tm,x)，lm,x为第x个人员图像中抓拍到人员m的地点信息、tm,x为第x个人员图像中抓拍到人员m的时间信息，rn,y＝(ln,y,tn,y)，ln,y为第y个人员图像中抓拍到人员n的地点信息、tn,y为第y个人员图像中抓拍到人员n的时间信息。

如果两个人员的轨迹数据中不存在相同的地点信息，则说明两个人员本就未出现在同一场所中过，那么这两个人员根本就不可能存在相关性，因此，可不必要计算时间距离。

可选的，若第一人员的轨迹数据与第二人员的轨迹数据中不存在相同的地点信息，则确定第一人员与第二人员的时间距离为无穷大。

由于相关性与时间距离成反比，如果两个人员的轨迹数据中不存在相同的地点信息，说明两个人员根据不可能存在相关性，则可以在这种情况下将时间距离确定为无穷大。时间距离的具体表达式可以为：

其中，δt(rm,x,rn,y)为人员m与人员n的时间距离，rm,x＝(lm,x,tm,x)，lm,x为第x个人员图像中抓拍到人员m的地点信息、tm,x为第x个人员图像中抓拍到人员m的时间信息，rn,y＝(ln,y,tn,y)，ln,y为第y个人员图像中抓拍到人员n的地点信息、tn,y为第y个人员图像中抓拍到人员n的时间信息。

可选的，根据时间距离及相同的地点信息对应的场所热度，确定第一人员与第二人员的相关性的步骤，具体可以为：

获取各地点信息分别对应的地点权重，其中，各地点信息分别对应的地点权重为预先基于各地点信息对应的场所热度分配的；

若第一人员的轨迹数据与第二人员的轨迹数据中存在多个相同的地点信息，则根据多个相同的地点信息分别对应的地点权重及第一人员与第二人员的时间距离，计算多个相同的地点信息分别对应的第一人员与第二人员的加权时间距离；

根据多个相同的地点信息分别对应的加权时间距离，确定第一人员与第二人员的相关性。

根据每个地点信息对应的场所热度，可以分配不同的地点权重，具体分配地点权重的方式可以是提取所有地点对应的场所热度中的最大值，令w0＝max{w1,w2,…wp,…,wm}，则地点lp的地点权重为wp/w0；分配地点权重的方式还可以是对所有地点对应的场所热度进行求和，令则地点lp的地点权重为wp/w0。当然，这里只给出了两种分配地点权重的示例，其他方式也可以，只要保证场所热度越大、分配的地点权重越大即可。

针对于两个人员的轨迹数据中存在多个相同地点信息的情况，首先可以根据地点信息对应的地点权重和时间距离，计算出两个人员的加权时间距离，具体可以利用公式(5)计算加权时间距离。

其中，δt(rm,x,rn,y)为人员m与人员n的加权时间距离，rm,x＝(lm,x,tm,x)，lm,x为第x个人员图像中抓拍到人员m的地点信息、tm,x为第x个人员图像中抓拍到人员m的时间信息，rn,y＝(ln,y,tn,y)，ln,y为第y个人员图像中抓拍到人员n的地点信息、tn,y为第y个人员图像中抓拍到人员n的时间信息，为地点lp的地点权重。

两个人员的相关性与这两个人员的加权时间距离成反比，因此，在得到加权时间距离之后可以直接利用公式(6)计算两个人员的相关性。

其中，c(rm,x,rn,y)为人员m与人员n的相关性，rm,x＝(lm,x,tm,x)，lm,x为第x个人员图像中抓拍到人员m的地点信息、tm,x为第x个人员图像中抓拍到人员m的时间信息，rn,y＝(ln,y,tn,y)，ln,y为第y个人员图像中抓拍到人员n的地点信息、tn,y为第y个人员图像中抓拍到人员n的时间信息，δt(rm,x,rn,y)为人员m与人员n的时间距离。

然而，两个人员的轨迹数据中可能存在多个相同的地点信息，为了进一步保证相关性度量的准确性，可选的，根据多个相同的地点信息分别对应的加权时间距离，确定第一人员与第二人员的相关性的步骤，具体可以为：

根据多个相同的地点信息分别对应的加权时间距离，计算多个相同的地点信息分别对应的第一人员与第二人员的加权记录相关性；

计算所有加权记录相关性的平均值，得到第一人员与第二人员的轨迹相关性；

对轨迹相关性进行归一化处理，得到第一人员与第二人员的相关性。

对于两个人员而言，针对于任一个相同的地点信息，可以按照公式(6)所示的公式，计算两个人员的加权记录相关性，这样就可以得到多个加权记录相关性。对这些加权记录相关性进行求和、取平均的运算，能够得到两个人员的轨迹相关性，再对轨迹相关性进行归一化处理，即可得到两个人员的相关性。

具体的，可以利用公式(7)计算所有记录相关性的平均值，得到两个人员的轨迹相关性。

其中，cor(rm,rn)为人员m与人员n的轨迹相关性，rm为人员m的轨迹数据，rn为人员n的轨迹数据，km为人员m的人员图像的记录总数，kn为人员n的人员图像的记录总数，c(rm,x,rn,y)为人员m与人员n的相关性，rm,x＝(lm,x,tm,x)，lm,x为第x个人员图像中抓拍到人员m的地点信息、tm,x为第x个人员图像中抓拍到人员m的时间信息，rn,y＝(ln,y,tn,y)，ln,y为第y个人员图像中抓拍到人员n的地点信息、tn,y为第y个人员图像中抓拍到人员n的时间信息。

具体的，可以利用公式(8)所示的归一化公式，对轨迹相关性进行归一化处理，得到第一人员与第二人员的相关性。

correlation(m,n)为人员m与人员n的相关性，cor(m,n)为人员m与人员n的轨迹相关性，cormin为所有人员中轨迹相关性的最小值，cormax为所有人员中轨迹相关性的最大值。

对轨迹相关性进行归一化处理的方式，除了基于公式(8)所示的归一化公式进行计算以外，还可以基于均值归一化公式进行计算，均值归一化公式为：

其中，cormean为所有人员中轨迹相关性的平均值，σ为所有人员中轨迹相关性的方差。

当然，对轨迹相关性进行归一化处理的方式还有很多种，能实现轨迹相关性的归一化处理效果的算法均属于本发明实施例的保护范围，这里不再一一赘述。

应用本实施例，利用抓拍到的各人员图像，分别获得各人员的轨迹数据，统计并根据各地点信息下抓拍的人员的数目，确定各地点信息对应的场所热度，根据任意两个人员的轨迹数据及各地点信息对应的场所热度，确定两个人员的相关性。基于抓拍技术以及目标识别技术，实现了对人员的准确定位，这样，在进行人员相关性度量时，保证了人员的轨迹数据的可靠性和准确性，并且，每个地点信息下抓拍到的人员的数目表征了各地点信息下的场所热度，数目越多则场所热度越高，在进行人员相关性度量时，结合场所热度，提高了人员相关性度量的准确性。

综上所述，本发明实施例所提供的人员相关性度量方法的整体流程如图2所示，整体分为两个阶段，第一阶段为数据采集阶段，包括图像采集设备抓拍人员图像，以及进行人员目标的识别，得到识别结果；第二阶段为数据建模阶段，由服务器执行相关性度量算法，数据建模阶段主要包括人员的相关性建模、场所热度建模以及融合建模。

人员的相关性建模流程如图3所示，主要包括：利用各人员图像，分别获得各人员的轨迹数据，轨迹数据包括各人员分别在各人员图像中被抓拍到的地点信息和时间信息；根据相同的地点信息对应的两个人员的时间信息，计算两个人员的时间距离。具体的，各步骤的详细说明已在图1所示的方法实施例中说明，这里不再赘述。

场所热度建模流程如图4所示，主要包括：统计并根据单位时间内各地点信息下抓拍的人员的数目，确定各地点信息对应的场所热度；根据各地点信息对应的场所热度，确定各地点信息对应的地点权重。具体的，各步骤的详细说明已在图1所示的方法实施例中说明，这里不再赘述。

融合建模流程如图5所示，主要包括：根据地点权重，对两个人员的时间距离进行加权计算；根据加权时间距离，计算两个人员的加权记录相关性；根据加权记录相关性，计算两个人员的轨迹相关性；对轨迹相关性进行归一化处理，得到两个人员的相关性。具体的，各步骤的详细说明已在图1所示的方法实施例中说明，这里不再赘述。

应用本方案，基于抓拍技术及目标识别技术，完成人员的轨迹数据的无感采集，区别于例如校园卡系统、pos(pointofsales，销售点)机方式，地点维度全面且广泛，全面、客观地反映了人员的生活，为社会治安、人员关系分析提供了所需的基础数据。并且结合场所热度和轨迹数据进行相关性分析，实现了对任意人员之间关系的度量，提高了人员相关性度量的准确性。

相应于上述方法实施例，本发明实施例提供了一种人员相关性度量装置，如图6所示，该装置可以包括：

计算模块610，用于利用抓拍到的各人员图像，分别获得各人员的轨迹数据，所述各人员的轨迹数据包括所述各人员分别在所述各人员图像中被抓拍到的地点信息和时间信息；

统计模块620，用于统计并根据各地点信息下抓拍到的人员的数目，确定所述各地点信息对应的场所热度；

确定模块630，用于根据任意两个人员的轨迹数据及所述各地点信息对应的场所热度，确定所述两个人员的相关性。

可选的，所述计算模块610，具体可以用于：

获取抓拍到各人员图像的各图像采集设备的位置信息及所述各图像采集设备抓拍到所述各人员图像的时间戳；

针对第一人员图像，将抓拍到所述第一人员图像的图像采集设备的位置信息作为所述第一人员图像中各人员的地点信息，并将抓拍到所述第一人员图像的时间戳作为所述第一人员图像中各人员的时间信息，所述第一人员图像为任一人员图像；

针对所述各人员，分别统计所述各人员在所述各人员图像中的地点信息及时间信息，得到所述各人员的轨迹数据。

可选的，所述确定模块630，具体可以用于：

判断第一人员的轨迹数据与第二人员的轨迹数据中是否存在相同的地点信息，其中，所述第一人员及所述第二人员为任意两个人员；

若存在，则根据所述相同的地点信息对应的所述第一人员的时间信息及所述第二人员的时间信息，计算所述第一人员与所述第二人员的时间距离；

根据所述时间距离及所述相同的地点信息对应的场所热度，确定所述第一人员与所述第二人员的相关性。

可选的，所述确定模块630在用于所述根据所述时间距离及所述相同的地点信息对应的场所热度，确定所述第一人员与所述第二人员的相关性时，具体可以用于：

获取所述各地点信息分别对应的地点权重，所述各地点信息分别对应的地点权重为预先基于所述各地点信息对应的场所热度分配的；

若所述第一人员的轨迹数据与所述第二人员的轨迹数据中存在多个相同的地点信息，则根据所述多个相同的地点信息分别对应的地点权重及所述第一人员与所述第二人员的时间距离，计算所述多个相同的地点信息分别对应的所述第一人员与所述第二人员的加权时间距离；

根据所述多个相同的地点信息分别对应的加权时间距离，确定所述第一人员与所述第二人员的相关性。

可选的，所述确定模块630在用于所述根据所述多个相同的地点信息分别对应的加权时间距离，确定所述第一人员与所述第二人员的相关性时，具体可以用于：

根据所述多个相同的地点信息分别对应的加权时间距离，计算所述多个相同的地点信息分别对应的所述第一人员与所述第二人员的加权记录相关性；

计算所有加权记录相关性的平均值，得到所述第一人员与所述第二人员的轨迹相关性；

对所述轨迹相关性进行归一化处理，得到所述第一人员与所述第二人员的相关性。

应用本实施例，利用抓拍到的各人员图像，分别获得各人员的轨迹数据，统计并根据各地点信息下抓拍的人员的数目，确定各地点信息对应的场所热度，根据任意两个人员的轨迹数据及各地点信息对应的场所热度，确定两个人员的相关性。基于抓拍技术以及目标识别技术，实现了对人员的准确定位，这样，在进行人员相关性度量时，保证了人员的轨迹数据的可靠性和准确性，并且，每个地点信息下抓拍到的人员的数目表征了各地点信息下的场所热度，数目越多则场所热度越高，在进行人员相关性度量时，结合场所热度，提高了人员相关性度量的准确性。

本发明实施例提供了一种监测系统，如图7所示，包括多个图像采集设备710及服务器720；

所述图像采集设备，用于抓拍各人员图像，并将所述各人员图像发送至所述服务器；

所述服务器包括处理器721和存储器722；所述存储器722，用于存放计算机程序；所述处理器721，用于执行所述存储器722上所存放的计算机程序时，实现本发明实施例所提供的人员相关性度量方法的所有步骤。

上述存储器可以包括ram(randomaccessmemory，随机存取存储器)，也可以包括nvm(non-volatilememory，非易失性存储器)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述处理器可以是通用处理器，包括cpu(centralprocessingunit，中央处理器)、np(networkprocessor，网络处理器)等；还可以是dsp(digitalsignalprocessing，数字信号处理器)、asic(applicationspecificintegratedcircuit，专用集成电路)、fpga(field-programmablegatearray，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本实施例中，处理器721通过读取存储器722中存储的计算机程序，并通过运行该计算机程序，能够实现：利用抓拍到的各人员图像，分别获得各人员的轨迹数据，统计并根据各地点信息下抓拍的人员的数目，确定各地点信息对应的场所热度，根据任意两个人员的轨迹数据及各地点信息对应的场所热度，确定两个人员的相关性。基于抓拍技术以及目标识别技术，实现了对人员的准确定位，这样，在进行人员相关性度量时，保证了人员的轨迹数据的可靠性和准确性，并且，每个地点信息下抓拍到的人员的数目表征了各地点信息下的场所热度，数目越多则场所热度越高，在进行人员相关性度量时，结合场所热度，提高了人员相关性度量的准确性。

本发明实施例还提供了一种机器可读存储介质，所述机器可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所提供的人员相关性度量方法的所有步骤。

本实施例中，机器可读存储介质存储有在运行时执行本发明实施例所提供的人员相关性度量方法的计算机程序，因此能够实现：利用抓拍到的各人员图像，分别获得各人员的轨迹数据，统计并根据各地点信息下抓拍的人员的数目，确定各地点信息对应的场所热度，根据任意两个人员的轨迹数据及各地点信息对应的场所热度，确定两个人员的相关性。基于抓拍技术以及目标识别技术，实现了对人员的准确定位，这样，在进行人员相关性度量时，保证了人员的轨迹数据的可靠性和准确性，并且，每个地点信息下抓拍到的人员的数目表征了各地点信息下的场所热度，数目越多则场所热度越高，在进行人员相关性度量时，结合场所热度，提高了人员相关性度量的准确性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、监测系统以及机器可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。