本发明专利技术公开一种基于昼夜出行的目标人员搜索方法及装置，其中，方法包括：获取每个行人在目标区域基于预设时间段的行人出行数据；从行人出行数据中提取每个行人的昼夜出入频次特征；通过神经网络模型训练，基于预设算法输出每个行人昼夜出入频次特征对应的异常行人；从异常行人在目标区域的视频图像中提取异常行人的人脸图像特征以确定异常行人是否为目标人员；以及基于目标区域搜索目标人员。本发明专利技术基于机器学习的神经网络模型训练输出每个行人昼夜出入频次特征对应的异常行人，并结合图像识别方式快速搜索出目标行人，进而提高搜索效率，以及避免发生搜查错误的现象。以及避免发生搜查错误的现象。以及避免发生搜查错误的现象。
【技术实现步骤摘要】
一种基于昼夜出行的目标人员搜索方法及装置
[0001]本专利技术涉及机器学习
，具体涉及一种基于昼夜出行的目标人员搜索方法及装置。
技术介绍
[0002]目标人员可以是公安机关追捕的犯罪或违法嫌疑人员，该犯罪或违法嫌疑人员由于非法行为往往对社会造成破坏，即犯罪或违法嫌疑人员易对社会造成不良影响。因此，追查犯罪或违法嫌疑的目标人员成为当前重点关注的事项。目前，主要通过警察人工排查搜索犯罪或违法嫌疑人员，该搜索方式需逐一排查大量人员，需要耗费大量时间，导致搜索效率降低，且易发生搜查错误现象。
技术实现思路
[0003]因此，本专利技术要解决的技术问题在于克服现有技术中的通过警察人工排查搜索犯罪或违法嫌疑人员，需要耗费大量时间，导致搜索效率降低，且易发生搜查错误现象的问题，从而提供一种基于昼夜出行的目标人员搜索方法及装置。
[0004]根据第一方面，本专利技术实施例提供一种基于昼夜出行的目标人员搜索方法，包括如下步骤：
[0005]获取每个行人在目标区域基于预设时间段的行人出行数据；
[0006]基于KMeans聚类算法，从所述行人出行数据中提取所述每个行人的昼夜出入频次特征；
[0007]将所述每个行人的昼夜出入频次特征输入至神经网络模型训练，基于预设算法输出所述每个行人昼夜出入频次特征对应的异常行人；
[0008]基于所述异常行人的身份标识，获取所述异常行人在所述目标区域的视频图像；
[0009]从所述异常行人在所述目标区域的视频图像中提取所述异常行人的人脸图像特征以确定所述异常行人是否为目标人员；
[0010]当所述异常行人为所述目标人员，基于所述目标区域搜索所述目标人员。
[0011]可选地，所述基于KMeans聚类算法，从所述行人出行数据中提取每个行人的昼夜出入频次特征，包括：
[0012]基于所述行人出行数据，确定初始样本点和目标样本点；
[0013]基于KMeans聚类算法，对所述目标样本点进行分类得到多个聚类中心；
[0014]从所述行人出行数据中以每个聚类中心为中心，从所述行人出行数据提取每个行人的昼夜出入频次特征。
[0015]可选地，将所述每个行人的昼夜出入频次特征输入至神经网络模型训练，基于预设算法输出所述每个行人昼夜出入频次特征对应的异常行人，包括：
[0016]基于所述每个行人的昼夜出入频次特征和标准频次特征，计算异常行人出行概率特征参数；
[0017]将所述每个行人的昼夜出入频次特征作为训练特征集，输出大于或等于所述异常行人出行概率特征参数的训练结果；
[0018]将所述训练结果作为每个行人的昼夜出入频次特征。
[0019]可选地，所述计算异常行人出行概率特征参数通过如下公式计算：
[0020][0021]其中，p(x,μ,δ,)为所述异常行人出行概率特征参数，x为所述每个行人的昼夜出入频次特征，μ为标准频次特征，δ为方差，T为转置矩阵。
[0022]可选地，从所述异常行人在所述目标区域的视频图像中提取所述异常行人的人脸图像特征以确定所述异常行人是否为目标人员，包括：
[0023]获取可疑行人的视频图像数据；
[0024]基于SIFT算法在所述目标区域的视频图像中提取所述异常行人的人脸图像特征点和从所述可疑行人的视频图像数据中提取可疑行人的人脸图像特征；
[0025]基于所述异常行人的人脸图像特征点和所述可疑行人的人脸图像特征点，通过Pearson相关算法，计算预设数量的相关性结果；
[0026]若存在大于预设数值的所述相关性结果，将与该相关性结果对应的人脸图像标记为命中对象；
[0027]查找与所述命中对象匹配的所述异常行人，将所述异常行人作为所述目标行人。
[0028]根据第二方面，本专利技术实施例提供一种基于昼夜出行的目标人员搜索装置，包括如下模块：
[0029]行人出行数据获取模块，用于获取每个行人在目标区域基于预设时间段的行人出行数据；
[0030]特征提取模块，用于基于KMeans聚类算法，从所述行人出行数据中提取所述每个行人的昼夜出入频次特征；
[0031]训练结果输出模块，用于将所述每个行人的昼夜出入频次特征输入至神经网络模型训练，基于预设算法输出所述每个行人昼夜出入频次特征对应的异常行人；
[0032]异常行人图像获取模块，用于基于所述异常行人的身份标识，获取所述异常行人在所述目标区域的视频图像；
[0033]目标人员确定模块，用于从所述异常行人在所述目标区域的视频图像中提取所述异常行人的人脸图像特征以确定所述异常行人是否为目标人员；
[0034]目标人员搜索模块，用于当所述异常行人为所述目标人员，基于所述目标区域搜索所述目标人员。
[0035]可选地，所述特征提取模块，包括：
[0036]样本点确定子模块，用于基于所述行人出行数据，确定初始样本点和目标样本点；
[0037]聚类子模块，用于基于KMeans聚类算法，对所述目标样本点进行分类得到多个聚类中心；
[0038]特征提取子模块，用于特征提取从所述行人出行数据中以每个聚类中心为中心，从所述行人出行数据提取每个行人的昼夜出入频次特征。
[0039]可选地，所述训练结果输出模块，包括：
[0040]概率特征参数计算子模块，用于基于所述每个行人的昼夜出入频次特征和标准频次特征，计算异常行人出行概率特征参数；
[0041]训练结果输出子模块，用于将所述每个行人的昼夜出入频次特征作为训练特征集，输出大于或等于所述异常行人出行概率特征参数的训练结果；
[0042]行人出入特征确定子模块，用于将所述训练结果作为每个行人的昼夜出入频次特征。
[0043]根据第三方面，本专利技术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存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面或第一方面任一实施方式中所述的基于昼夜出行的目标人员搜索装置。
[0044]根据第四方面，本专利技术实施例提供一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而第一方面或第一方面任一实施方式中所述的基于昼夜出行的目标人员搜索装置。
[0045]本专利技术技术方案，具有如下优点：
[0046]本专利技术公开一种基于昼夜出行的目标人员搜索方法及装置，其中，方法包括：获取每个行人在目标区域基于预设时间段的行人出行数据；基于KMeans聚类算法，从行人出行数据中提取每个行人的昼夜出入频次特征；将每个行人的昼夜出入频次特征输入至神经网络模型训练，基于预设算法输出每个行人昼夜出入频次特征对应的异常行人；基于异常行人的身份标识，获取异常行人在目标区域的视频图像；从异常行人在目标区域的视频图像中提取异常行人的人脸图像特征以确定异常行人是否为目标人员；当异常行人为目标人员，基于目标区本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于昼夜出行的目标人员搜索方法，其特征在于，包括如下步骤：获取每个行人在目标区域基于预设时间段的行人出行数据；基于KMeans聚类算法，从所述行人出行数据中提取所述每个行人的昼夜出入频次特征；将所述每个行人的昼夜出入频次特征输入至神经网络模型训练，基于预设算法输出所述每个行人昼夜出入频次特征对应的异常行人；基于所述异常行人的身份标识，获取所述异常行人在所述目标区域的视频图像；从所述异常行人在所述目标区域的视频图像中提取所述异常行人的人脸图像特征以确定所述异常行人是否为目标人员；当所述异常行人为所述目标人员，基于所述目标区域搜索所述目标人员。2.根据权利要求1所述的基于昼夜出行的目标人员搜索方法，其特征在于，所述基于KMeans聚类算法，从所述行人出行数据中提取每个行人的昼夜出入频次特征，包括：基于所述行人出行数据，确定初始样本点和目标样本点；基于KMeans聚类算法，对所述目标样本点进行分类得到多个聚类中心；从所述行人出行数据中以每个聚类中心为中心，从所述行人出行数据提取每个行人的昼夜出入频次特征。3.根据权利要求1所述的基于昼夜出行的目标人员搜索方法，其特征在于，将所述每个行人的昼夜出入频次特征输入至神经网络模型训练，基于预设算法输出所述每个行人昼夜出入频次特征对应的异常行人，包括：基于所述每个行人的昼夜出入频次特征和标准频次特征，计算异常行人出行概率特征参数；将所述每个行人的昼夜出入频次特征作为训练特征集，输出大于或等于所述异常行人出行概率特征参数的训练结果；将所述训练结果作为每个行人的昼夜出入频次特征。4.根据权利要求3基于昼夜出行的目标人员搜索方法，其特征在于，其特征在于，所述计算异常行人出行概率特征参数通过如下公式计算：其中，p(x,μ,δ,)为所述异常行人出行概率特征参数，x为所述每个行人的昼夜出入频次特征，μ为标准频次特征，δ为方差，T为转置矩阵。5.根据权利要求1基于昼夜出行的目标人员搜索方法，其特征在于，从所述异常行人在所述目标区域的视频图像中提取所述异常行人的人脸图像特征以确定所述异常行人是否为目标人员，包括：获取可疑行人的视频图像数据；基于SIFT算法在所述目标区域的视频图像中提取所述异常行人的人脸图像特征点和从所述可疑行人的视频图像数据中提取可疑行人的人脸图像特征；基于所述异常行人的人脸图像特征点和所述可疑行人的人脸图像特征点，通过Pearson相关算法，计算预设数量的相关性结果...
【专利技术属性】
技术研发人员：肖刚，姜国晨，董广辉，孔凡尘，
申请(专利权)人：江西高创保安服务技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。