人员关联度的分析方法、装置、电子设备及存储介质与流程

1.本发明涉及事件分析技术领域，尤其涉及一种人员关联度的分析方法、装置、电子设备及存储介质。


背景技术：

2.目前，在事件分析领域，通过对目标事件对应的人像事件或码事件分别进行关联度分析，以确定出与目标事件关联的人员。但是，现有方法中，由技术人员手动对人像事件进行关联度分析，获得多个目标人员的关联度分析结果，或对码事件进行关联度分析，获得多个目标人员的关联度分析结果，单独进行人像事件和码事件的分析时，均需要较多的事件，才能获得较准确的关联度分析结果，对较多的事件分析会耗费较大的计算资源和计算时长，使得关联度分析的效率较低。


技术实现要素：

3.本发明实施例提供一种人员关联度的分析方法，通过所述人码并轨指数，获得人码拟合度；基于所述人码拟合度，获得多个所述目标人员的关联度分析结果，并不需要大量的人像事件和码事件就可以确定出较准确的关联度分析结果，从而使得分析资源消耗较低，分析时间较短，提高了分析效率。
4.第一方面，本发明实施例提供一种人员关联度的分析方法，包括以下步骤：
5.获取待处理的各人像事件和各码事件；
6.基于各所述人像事件和各所述码事件，获得人码并轨指数；
7.基于所述人码并轨指数，获得人码拟合度；
8.基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果。
9.可选的，所述基于所述人码并轨指数，获得人码拟合度之前，所述方法还包括：
10.基于各所述人像事件和各所述码事件，获得人码关联度、人码时间离散度和人码行为相似度；
11.所述基于所述人码并轨指数，获得人码拟合度，包括：
12.基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度。
13.可选的，所述基于各所述人像事件和各所述码事件，获得人码并轨指数的步骤，包括：
14.基于各所述人像事件的时间信息和各所述码事件的时间信息，获得人码并轨次数；
15.基于各所述人像事件、各所述码事件和预设分析目的，确定预设平滑系数；
16.利用所述人码并轨次数和所述预设平滑系数，计算预处理人码并轨次数；
17.基于所述预处理人码并轨次数、所述预设平滑系数和所述平滑系数，计算所述人
码并轨指数。
18.可选的，基于各所述人像事件和各所述码事件，获得人码关联度，包括：
19.基于所述人码并轨次数，获得每个所述人像事件与每个所述码事件的单一并轨次数、与每个所述人像事件并轨的码数量以及与每个所述码事件并轨的人像数量；
20.基于所述单一并轨次数和所述码数量，获得并轨频率；
21.基于各所述人像事件的人像总数和所述人像数量，获得并轨频率指数；
22.基于所述并轨频率和所述并轨频率指数，获得所述人码关联度。
23.可选的，基于各所述人像事件和各所述码事件，获得人码时间离散度，包括：
24.基于各所述人像事件的人像总数和所述人码并轨次数，获得人码并轨天数；
25.基于所述人码并轨天数，获得人码并轨总天数；
26.利用预设并轨天数阈值、所述人码并轨天数和所述人码并轨总天数，计算人码时间离散度。
27.可选的，基于各所述人像事件和各所述码事件，获得人码行为相似度的步骤，包括：
28.利用各所述人像事件，构建多个所述目标人员对应的多个第一人员活动向量，一个目标人员对应一个第一人员活动向量；
29.利用各所述码事件，构建多个所述目标人员对应的多个第二人员活动向量，一个目标人员对应一个第二人员活动向量；
30.对每个所述第一人员活动向量和每个所述第二人员活动向量进行余弦相似度的计算，以获得所述人码行为相似度。
31.可选的，所述基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度的步骤之前，所述方法还包括：
32.获取所述人码关联度的第一权重、所述人码时间离散度的第二权重和所述人码行为相似度的第三权重；
33.所述基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度的步骤，包括：
34.基于所述人码关联度、所述人码时间离散度、所述人码行为相似度、所述第一权重、所述第二权重和所述第三权重，获得中间分数；
35.利用所述人码并轨指数和所述中间分数，计算所述人码拟合度。
36.第二方面，本发明实施例提供一种人员关联度的分析装置，装置包括：
37.获取模块，用于获取待处理的各人像事件和各码事件；
38.第一获得模块，用于基于各所述人像事件和各所述码事件，获得人码并轨指数；
39.第二获得模块，用于基于所述人码并轨指数，获得人码拟合度；
40.第三获得模块，用于基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果。
41.第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的人员关联度的分析方法中的步骤。
42.第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介
质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的人员关联度的分析方法中的步骤。
43.本发明实施例中，获取获取待处理的各人像事件和各码事件；基于各所述人像事件和各所述码事件，获得人码并轨指数；基于所述人码并轨指数，获得人码拟合度；基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果。通过对人像事件和码事件进行结合分析，获得人码并轨指数，并基于人码并轨指数，获得最终的关联度分析结果，并不需要大量的人像事件和码事件就可以确定出较准确的关联度分析结果，从而使得分析资源消耗较低，分析时间较短，提高了分析效率。
附图说明
44.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。
45.图1是本发明实施例提供的一种人员关联度的分析方法的流程图；
46.图2是本发明实施例提供的另一种人员关联度的分析方法的流程图；
47.图3是本发明实施例提供的一种人员关联度的分析装置的结构示意图；
48.图4是本发明实施例提供的另一种人员关联度的分析装置的结构示意图；
49.图5是本发明实施例提供的一种第一获得模块的结构示意图；
50.图6是本发明实施例提供的一种第四获得模块的结构示意图；
51.图7是本发明实施例提供的另一种第四获得模块的结构示意图；
52.图8是本发明实施例提供的另一种第四获得模块的结构示意图；
53.图9是本发明实施例提供的另一种人员关联度的分析装置的结构示意图；
54.图10是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
55.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作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。
56.请参见图1，图1是本发明实施例提供的一种人员关联度的分析方法的流程图，如图1所示，该人员关联度的分析方法包括以下步骤：
57.101、获取待处理的各人像事件和各码事件。
58.在本发明实施例中，待处理的各人像事件和各码事件为目标用户对应的各像事件和码事件，上述目标人员是指需要进行关联度分析的人员，需要进行进行关联度的目标人员需要是多个。每一个目标人员均会对应人像事件和码事件。其中，一个目标人员的人像事件是指该目标人员的人脸图像、人体图像和人脸视频等信息组成的集合，一个目标人员的码事件是指该目标人员的码信息，码信息可以包括身份证码、二维码、身份码等，通常，一个码信息表征一个目标人员的身份，码信息作为目标人员的身份的标识。
59.通常是电子设备接收到用户录入的多个目标人员的人像事件和多个所述目标人员的码事件，然后电子设备继续接收到用户发送的分析指令，电子设备基于接收到的分析指令，利用接收到的多个目标人员的人像事件和多个所述目标人员的码事件进行本技术的步骤。
60.102、基于各所述人像事件和各所述码事件，获得人码并轨指数。
61.人码并轨是指人像事件中某一个人像和码事件中码信息在某一时间t(用户可以基于需求设定，例如10s或100s等)和某一空间s(用户可以基于需求设定，例如100m或500m等)同时出现。
62.人码并轨是指人像事件中某一个人像和码事件中码信息在某一时间t(用户可以基于需求设定，例如10s或100s等)和某一空间s(用户可以基于需求设定，例如100m或500m等)同时出现。
63.人码并轨次数是指人像事件中的某一个人像和码事件中的码信息在某一时间t和某一空间s同时出现的次数。
64.人码并轨指数是基于人码并轨次数获得，人码并轨次数越多，认为该人像和该码信息的人码并轨指数越高，当并轨次数达到一定的程度时对人码拟合度的影响会趋于平缓，人码并轨指数也会趋于平缓。
65.人码关联度是用以评估某个码信息对于某个人像的重要程度。
66.人码时间离散度是指连续的人码并轨和断断续续的人码并轨比起来，认为连续的人码并轨的人像和码时间离散度更高，人码时间离散度就是反映人码并轨的连续性的一个指标。
67.人码行为相似度是指人像和码信息在相同的时间和相同空间同时出现的次数的相似程度在本发明中，多个所述目标人员的人码行为相似度是指每个目标人员的人像和码信息的相似度。
68.103、基于所述人码并轨指数，获得人码拟合度
69.其中，人码拟合度是指基于人像事件和码事件通过若干算法分析和积分规则，挖掘出人与码间的吻合程度，通过具体的拟合度来表示。
70.进一步的，所述基于所述人码并轨指数，获得人码拟合度之前，所述方法还包括：基于各所述人像事件和各所述码事件，获得人码关联度、人码时间离散度和人码行为相似度；所述基于所述人码并轨指数，获得人码拟合度，包括：基于所述人码并轨指数、人码关联度、人码时间离散度和人码行为相似度，获得人码拟合度。
71.在获得所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度之后，利用预设floor(a，b)函数计算人码拟合度。其中floor(a，b)对于a取b位小数，例如floor(3.1415926，3)＝3.141。
72.具体的，所述基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度的步骤之前，所述方法还包括：获取所述所述人码关联度的第一权重、所述人码时间离散度的第二权重和所述人码行为相似度的第三权重；相应的，所述基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度的步骤，包括：基于所述人码关联度、所述人码时间离散度、所述人码行为相似度、所述第一权重、所述第二权重和所述第三权重，获得中间分数；利用所述人码
并轨指数和所述中间分数，计算所述人码拟合度。
73.需要说明的是，在本发明中，所述第一权重、所述第二权重和所述第三权重可以是用户基于需求设定的权重，本发明不做具体限制。通常，基于人像事件和码事件的数据饱和度和用户需求的预设分析目的(包括用户需求的分析结果的精细程度和分析结果的准确度，分析结果的精细程度和分析结果的准确度不同，则所述第一权重、所述第二权重和所述第三权重的具体值会不同)。
74.具体的，按照公式一计算人码拟合度，公式一如下：
75.c＝s1w1+s2w2+s3w376.p＝floor(c+a，ε)
77.其中，s1为人码关联度，w1为第一权重，s2为人码时间离散度，w2为第二权重，s3为人码行为相似度分数，w3为第三权重，c为中间分数，p为人码拟合度，a为人码并轨指数，ε为保留小数位数，ε通常为6。floor函数与上文所述的函数意义相同。
78.基于不同的情况，设定不同的权重值，以保证获得的人码拟合度与实际情况更加契合，提高了人码拟合度的准确率。
79.104、基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果。
80.基于多个目标人员的各自人码拟合度，确定出多个所述目标人员的关联度分析结果。利用多个目标人员的各自人码拟合度，确定多个目标人员重是否具有关联关系，以及确定多个目标人员的关联程度是如何的。
81.进一步的，基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果，包括：对所述人码拟合度进行归一化处理，获得结果分数，并基于所述结果分数，获得各所述人像事件与各所述码事件之间的关联度分析结果。
82.需要说明的是，人码拟合度的实际值可能分布比较分散，分布在一个较大的数值区间，此时，需要将全部的人码拟合度进行归一化，使得全部的人码拟合度在归一化之后对应的结果分数分布于区间[0,1]中。
[0083]
具体的，利用公式二对于人码拟合度进行归一化处理，公式二为：
[0084][0085]
其中，pi为人码拟合度中第i个人员的人码拟合度，qi为第i个人员的结果分数，a
max
为人码并轨指数的最大值，p
max
为人码拟合度的最大值，τ为保留小数位数，τ可以是6，floor函数意义参照上文，第i个人员为多个目标人员中任意一个目标人员。
[0086]
对人码拟合度进行归一化处理，使得获得的结果分数的关系更加清晰，避免人码拟合度值太过分散，难以确定目标人员的关联度，降低了目标人员的关联度分析难度。
[0087]
本发明实施例中，获取多个目标人员的人像事件和多个所述目标人员的码事件；基于所述人像事件和所述码事件，获得人码并轨指数、人码关联度、人码时间离散度和人码行为相似度；基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度；基于所述人码拟合度，获得多个所述目标人员的关联度分析结果。
[0088]
现有方法中，由技术人员手动对人像事件进行关联度分析，获得多个目标人员的
关联度分析结果，或对码事件进行关联度分析，获得多个目标人员的关联度分析结果，单独进行人像事件和码事件的分析时，均需要较多的事件，才能获得较准确的关联度分析结果，对较多的事件分析会耗费较大的计算资源和计算时长，使得关联度分析的效率较低。而本发明中，通过对人像事件和码事件进行结合分析，获得最终的拟合度，以基于所述人码拟合度，获得多个所述目标人员的关联度分析结果，并不需要大量的人像事件和码事件就可以确定出较准确的关联度分析结果，从而使得分析资源消耗较低，分析时间较短，提高了分析效率。
[0089]
可选的，请参见图2，图2是本发明实施例提供的另一种人员关联度的分析方法的流程图，如图2所示，具体包括以下步骤：
[0090]
201、基于各所述人像事件的时间信息和各所述码事件的时间信息，获得人码并轨次数。
[0091]
202、基于各所述人像事件、各所述码事件和预设分析目的，确定预设平滑系数。
[0092]
203、利用所述人码并轨次数和所述预设平滑系数，计算预处理人码并轨次数。
[0093]
204、基于所述预处理人码并轨次数、所述预设平滑系数和所述平滑系数，计算所述人码并轨指数。
[0094]
在本发明实施例中，需要基于人像事件和码事件，统计出来人码并轨次数和人码并轨天数。人码并轨次数可以包括某一个人像和某一个码信息的并轨次数、与某一个人像并轨的码信息的数量以及与某一个码信息的并轨的人像的数量等，人码并轨天数可以包括某一个人像和某一个码信息的并轨天数。
[0095]
需要说明的是，在本技术中，基于各所述人像事件的数据饱和度、各所述码事件数据饱和度以及预设分析目的(与上文所述的预设分析目的相同)，确定出预设平滑系数，预设平滑系数为0-1之间的值。
[0096]
具体的，预处理人码并轨次数的计算公式为公式三，如下：
[0097][0098]
其中，β为平滑系数，t1预处理人码并轨次数，t0为人码并轨次数。然后，在求得预处理人码并轨次数之后，利用公式五求得人码并轨指数，公式五如下：
[0099]
z＝floor(sigmoid(t1,β),α)
[0100]
其中，α为保留小数位数，通常取6，floor函数意义如上文所述，z为人码并轨指数。在一些实施例中，人码并轨指数的求得过程对应的伪代码如下：
[0101]
[0102]
人码并轨指数＝floor(sigmoid(预处理后人码并轨次数,平滑系数)，保留小数位数)。
[0103]
对人码并轨次数进行预处理，对于不同的人码并轨次数，确定不同的预处理人码并轨次数，使得获得的最终的人码并轨指数更加符合关联度的分析要求，避免人码并轨次数未经处理被直接利用，从而避免获得的人码并轨指数准确率较低。
[0104]
具体的，基于各所述人像事件和各所述码事件，获得人码关联度，包括：基于所述人码并轨次数，获得每个所述人像事件与每个所述码事件的单一并轨次数、与每个所述人像事件并轨的码数量以及与每个所述码事件并轨的人像数量；基于所述单一并轨次数和所述码数量，获得并轨频率；基于各所述人像事件的人像总数和所述人像数量，获得并轨频率指数；基于所述并轨频率和所述并轨频率指数，获得所述人码关联度。基于人像事件，统计出来人像总数，以求得人码关联度。
[0105]
其中，可以在人码并轨次数中确定出每个所述人像事件与每个所述码事件的单一并轨次数(单一并轨次数即是指一个人像事件与一个码事件并轨的次数，也可以理解为一个人像与一个码信息并轨的次数)、与每个所述人像事件并轨的码数量(与一个人像事件具有并轨关系的码事件的数量，可以理解为与一个人像并轨的码信息的数量)以及与每个所述码事件并轨的人像数量(与一个码事件具有并轨关系的人像事件的数量，可以理解为与一个码信息并轨的人像的数量)。
[0106]
其中，基于所述单一并轨次数和所述码数量，获得并轨频率是指：对于某个人像e，某个码事件f，对人像e与码事件f并轨的单一并轨次数和与人像e具有并轨关系的全部码事件的码数量进行求比，该比的比值即为并轨频率。
[0107]
其中，基于所述人像总数和所述人像数量，获得并轨频率指数是指：对于某个码事件g，确定出与该码事件g具有并轨关系的人像的人像数量，然后将码事件g对应的人像数量加1获得中间参数，然后对多个目标人员的全部人像事件的人像总数和该中间参数进行求比，然后再将该比的比值作为lg函数的输入，求得lg函数的输出即为所述并轨频率指数，也即，并轨频率指数＝lg中间参数。最后，将并轨频率和并轨频率指数求乘积，以获得最终的人码关联度。
[0108]
利用上述方式确定人码关联度，使得人码关联度较有效的反映了人像和码的关联程度，提高了人码关联度的准确率。
[0109]
具体的，基于各所述人像事件和各所述码事件，获得人码时间离散度，包括：基于各所述人像事件的人像总数和所述人码并轨次数，获得人码并轨天数；基于所述人码并轨天数，获得人码并轨总天数；利用预设并轨天数阈值、所述人码并轨天数和所述人码并轨总天数，计算人码时间离散度。
[0110]
基于上文方案，统计得到人码并轨天数之后，继续求的人码时间离散度。其中人码时间离散度的求得步骤如下：基于所述人码并轨天数，获得人码并轨总天数；利用预设并轨天数阈值、所述人码并轨天数和所述人码并轨总天数，计算人码时间离散度。
[0111]
人码并轨总天数即为人码并轨天数的和，预设并轨天数阈值可以是用户基于需求设定的值，例如2天。对于人码并轨天数小于2的，将该人码并轨天数的人码时间离散度确定为0，对于人码并轨天数大于等于2的，将人码并轨天数与人码并轨总天数的比值作为人码时间离散度。
[0112]
在一些实施例中，人码时间离散度还可以利用如下伪代码求解：
[0113]
人码时间离散度＝if(人码并轨天数《2){
[0114]
0.0
[0115]
}else{
[0116]
sigmoid(连续人码并轨天数集合.map(days＝》{math.pow(2，math.pow(days
–
1，0.8))}).sum/math.pow(实际人码并轨总天数，0.5)，18.0)
[0117]
}
[0118]
可见，在上述伪代码中，还涉及到一些其他参数，用户可以基于需求对相应的参数进行调整，本发明对其中的参数值不做具体限定。
[0119]
对于不同的人码并轨天数，采用不同的方式求得对应的人码时间离散度，避免人码并轨天数较少的无效数据进行额外分析，提高了分析效率，同时，将并轨天数较少的无效数据确定为0，避免不为0的轨天数较少的无效数据产生不准确的影响参数，从而可以提高人码时间离散度的准确率。
[0120]
具体的，基于各所述人像事件和各所述码事件，获得人码行为相似度的步骤，包括：利用各所述人像事件，构建多个所述目标人员对应的多个第一人员活动向量，一个目标人员对应一个第一人员活动向量；利用各所述码事件，构建多个所述目标人员对应的多个第二人员活动向量，一个目标人员对应一个第二人员活动向量；对每个所述第一人员活动向量和每个所述第二人员活动向量进行余弦相似度的计算，以获得所述人码行为相似度。
[0121]
基于上文描述，人码行为相似度是指人像和码在相同的时间和相同的空间同时出现的次数的相似程度，本发明基于人像事件对应的第一人员活动向量和码事件对应的第二人员活动向量，进行余弦相似度的求解，获得人码行为相似度，一个目标人员对应一个人码行为相似度。
[0122]
具体的，以时间段和区域范围为维度，统计所有目标人员的人像事件数量和码事件数量，以分别构建第一人员活动向量和第二人员活动向量。通常，时间段以小时划分，例如，一天划分为24个时间段，区域范围以经纬度划分(利用geohash算法划分，其中，精确位取7位)。
[0123]
然后，继续按照公式四计算人码行为相似度，公式四如下：
[0124][0125]
其中，s3为人码行为相似度，a为第一人员活动向量，b为第二人员活动向量，ai为a中第i维的值，bi为b中第i维的值。
[0126]
利用余弦相似度的方式，确定人码行为相似度，人码行为相似度较准确的反映了人像与码的相似度信息，进而使得最终的人码拟合度具有较高的准确率
[0127]
本发明可用于有关部门的还原分析和危险预警等场景，基于人码拟合度，通过人码的时空伴随行为或人码时空位置同现关系扩线查找出事件关联的人员身份，最后再利用个人的身份、轨迹等特征数据抽丝剥茧锁定并找到相关的人员。
[0128]
需要说明的是，本发明实施例提供的人员关联度的分析方法可以应用于可以进行数据查询的智能手机、电脑、服务器等设备。
[0129]
可选的，请参见图3，图3是本发明实施例提供的一种人员关联度的分析装置的结构示意图，如图3所示，所述装置包括：
[0130]
获取模块301，用于获取待处理的各人像事件和各码事件；
[0131]
第一获得模块302，用于基于各所述人像事件和各所述码事件，获得人码并轨指数；
[0132]
第二获得模块303，用于基于所述人码并轨指数，获得人码拟合度；
[0133]
第三获得模块304，用于基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果。
[0134]
可选的，如图4所示，所述装置还包括：
[0135]
第四获得模块305，用于基于各所述人像事件和各所述码事件，获得人码关联度、人码时间离散度和人码行为相似度；
[0136]
相应的，第二获得模块303，用于基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度。
[0137]
可选的，如图5所示，第一获得模块302，包括：
[0138]
第一获得单元3021，用于基于各所述人像事件的时间信息和各所述码事件的时间信息，获得人码并轨次数；
[0139]
第二获得单元3022，用于基于各所述人像事件、各所述码事件和预设分析目的，确定预设平滑系数；
[0140]
第一计算单元3023，用于利用所述人码并轨次数和所述预设平滑系数，计算预处理人码并轨次数；
[0141]
第二计算单元3024，用于基于所述预处理人码并轨次数、所述预设平滑系数和所述平滑系数，计算所述人码并轨指数。
[0142]
可选的，如图6所示，第四获得模块305，包括：
[0143]
第三获得单元3051，用于基于所述人码并轨次数，获得每个所述人像事件与每个所述码事件的单一并轨次数、与每个所述人像事件并轨的码数量以及与每个所述码事件并轨的人像数量；
[0144]
第四获得单元3052，用于基于所述单一并轨次数和所述码数量，获得并轨频率；
[0145]
第五获得单元3053，用于基于各所述人像事件的人像总数和所述人像数量，获得并轨频率指数；
[0146]
第六获得单元3054，用于基于所述并轨频率和所述并轨频率指数，获得所述人码关联度。
[0147]
可选的，如图7所示，第四获得模块305，还包括：
[0148]
第七获得单元3055，用于基于各所述人像事件的人像总数和所述人码并轨次数，获得人码并轨天数；
[0149]
第八获得单元3056，用于基于所述人码并轨天数，获得人码并轨总天数；
[0150]
第九获得单元3057，用于利用预设并轨天数阈值、所述人码并轨天数和所述人码并轨总天数，计算人码时间离散度。
[0151]
可选的，如图8所示，第四获得模块305，还包括：
[0152]
第一构建单元3058，用于利用各所述人像事件，构建多个所述目标人员对应的多
个第一人员活动向量，一个目标人员对应一个第一人员活动向量；
[0153]
第二构建单元3059，用于利用各所述码事件，构建多个所述目标人员对应的多个第二人员活动向量，一个目标人员对应一个第二人员活动向量；
[0154]
第三计算单元30510，用于对每个所述第一人员活动向量和每个所述第二人员活动向量进行余弦相似度的计算，以获得所述人码行为相似度。
[0155]
可选的，如图9所示，所述装置还包括：
[0156]
权重获取模块306，用于获取所述人码关联度的第一权重、所述人码时间离散度的第二权重和所述人码行为相似度的第三权重；
[0157]
相应的，第二获得模块303，用于基于所述人码关联度、所述人码时间离散度、所述人码行为相似度、所述第一权重、所述第二权重和所述第三权重，获得中间分数；利用所述人码并轨指数和所述中间分数，计算所述人码拟合度。
[0158]
需要说明的是，本发明实施例提供的人员关联度的分析装置可以应用于可以进行图层级的业务分析的智能手机、电脑、服务器等设备。
[0159]
本发明实施例提供的人员关联度的分析装置能够实现上述方法实施例中人员关联度的分析方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
[0160]
参见图10，图10是本发明实施例提供的一种电子设备的结构示意图，如图10所示，包括：存储器1002、处理器1001及存储在所述存储器1002上并可在所述处理器1001上运行的人员关联度的分析方法的计算机程序，其中：
[0161]
处理器1001用于调用存储器1002存储的计算机程序，执行如下步骤：
[0162]
获取待处理的各人像事件和各码事件；
[0163]
基于各所述人像事件和各所述码事件，获得人码并轨指数；
[0164]
基于所述人码并轨指数，获得人码拟合度；
[0165]
基于所述人码拟合度，获得各所述人像事件与各所述码事件之间的关联度分析结果。
[0166]
可选的，所述处理器1001执行基于所述人码并轨指数，获得人码拟合度之前，所述方法还包括：：
[0167]
基于各所述人像事件和各所述码事件，获得人码关联度、人码时间离散度和人码行为相似度；
[0168]
相应的，处理器1001执行基于所述人码并轨指数，获得人码拟合度，包括：
[0169]
基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度。
[0170]
可选的，所述处理器1001基于各所述人像事件和各所述码事件，获得人码并轨指数，包括：
[0171]
基于各所述人像事件的时间信息和各所述码事件的时间信息，获得人码并轨次数；
[0172]
基于各所述人像事件、各所述码事件和预设分析目的，确定预设平滑系数；
[0173]
利用所述人码并轨次数和所述预设平滑系数，计算预处理人码并轨次数；
[0174]
基于所述预处理人码并轨次数、所述预设平滑系数和所述平滑系数，计算所述人
码并轨指数。
[0175]
可选的，所述处理器1001执行基于各所述人像事件和各所述码事件，获得人码关联度，包括：
[0176]
基于所述人码并轨次数，获得每个所述人像事件与每个所述码事件的单一并轨次数、与每个所述人像事件并轨的码数量以及与每个所述码事件并轨的人像数量；
[0177]
基于所述单一并轨次数和所述码数量，获得并轨频率；
[0178]
基于各所述人像事件的人像总数和所述人像数量，获得并轨频率指数；
[0179]
基于所述并轨频率和所述并轨频率指数，获得所述人码关联度。。
[0180]
可选的，所述处理器1001执行基于各所述人像事件和各所述码事件，获得人码时间离散度，包括：
[0181]
基于各所述人像事件的人像总数和所述人码并轨次数，获得人码并轨天数；
[0182]
基于所述人码并轨天数，获得人码并轨总天数；
[0183]
利用预设并轨天数阈值、所述人码并轨天数和所述人码并轨总天数，计算人码时间离散度。
[0184]
可选的，处理器1001执行基于各所述人像事件和各所述码事件，获得人码行为相似度的步骤，包括：
[0185]
利用各所述人像事件，构建多个所述目标人员对应的多个第一人员活动向量，一个目标人员对应一个第一人员活动向量；
[0186]
利用各所述码事件，构建多个所述目标人员对应的多个第二人员活动向量，一个目标人员对应一个第二人员活动向量；
[0187]
对每个所述第一人员活动向量和每个所述第二人员活动向量进行余弦相似度的计算，以获得所述人码行为相似度。
[0188]
可选的，处理器1001执行基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度之前，所述方法还包括：
[0189]
获取所述所述人码关联度的第一权重、所述人码时间离散度的第二权重和所述人码行为相似度的第三权重；
[0190]
相应的，处理器1001执行基于所述人码并轨指数、所述人码关联度、所述人码时间离散度和所述人码行为相似度，获得人码拟合度，包括：
[0191]
基于所述人码关联度、所述人码时间离散度、所述人码行为相似度、所述第一权重、所述第二权重和所述第三权重，获得中间分数；
[0192]
利用所述人码并轨指数和所述中间分数，计算所述人码拟合度。
[0193]
需要说明的是，本发明实施例提供的电子设备可以应用于可以进行人员关联度的分析的智能手机、电脑、服务器等设备。
[0194]
本发明实施例提供的电子设备能够实现上述方法实施例中人员关联度的分析方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
[0195]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的人员关联度的分析方法或应用端人员关联度的分析方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0196]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存取存储器(random access memory，简称ram)等。
[0197]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。