【技术实现步骤摘要】
本专利技术涉及事件分析，尤其涉及一种人码关联分析方法、装置、计算机设备及存储介质。
技术介绍
1、随着科技的不断进步，通常会对在监控场所中，同一时空出现的人脸事件和码事件进行分析，确定匹配程度较高的人脸事件和码事件，以便于对监控场所进行较为精准的监控。现有技术中，通常会对人脸事件和码事件直接进行匹配，以确定匹配程度较高的人脸事件和码事件，但是，该方式需要对大量数据进行处理，造成对人脸事件和码事件进行分析的精确度较低。因此，如何较为精确地确定匹配程度较高的人脸事件和码事件，是当前需要解决的技术问题。
技术实现思路
1、本专利技术实施例提供一种人码关联分析方法、装置、计算机设备及存储介质，以解决如何较为精确地确定匹配程度较高的人脸事件和码事件的问题。
2、一种人码关联分析方法，包括：
3、获取当前时间段的当前人码数据；
4、基于当前时间段的当前人码数据和历史时间段的历史人码数据，确定目标图网络结构；
5、基于所述目标图网络结构，对所述当前时间段的当前人码数据和历史时间段的历史人码数据进行条件熵分析，确定当前时间段对应的m个第一人脸码对，其中，m≥2；
6、对当前时间段对应的m个第一人脸码对进行关联度分析，确定当前时间段对应的n个第二人脸码对，其中，n≥1。
7、优选地，所述基于当前时间段的当前人码数据和历史时间段的历史人码数据，确定目标图网络结构，包括：
8、对所述当前时间段的当前人码数据和所述历史时间
9、基于当前时间段对应的目标人码数据，确定目标图网络结构。
10、优选地，所述基于所述目标图网络结构，对所述当前时间段的当前人码数据和历史时间段的历史人码数据进行条件熵分析，确定当前时间段对应的m个第一人脸码对，包括：
11、获取所述目标图网络结构中的至少一个目标连通图；
12、对每一所述目标连通图进行条件熵分析，确定每一所述目标连通图中，每一初始人脸码对对应的条件熵分析结果；
13、基于每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，确定当前时间段对应的m个第一人脸码对。
14、优选地，所述对每一目标连通图进行条件熵分析，确定每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，包括：
15、基于每一所述目标连通图，确定每一目标连通图的每一初始人脸码对中，人脸事件对应的第一条件概率、码事件对应的第二条件概率和所述初始人脸码对对应的联合概率；
16、基于所述第一条件概率、所述第二条件概率和所述联合概率，确定每一目标连通图中，每一初始人脸码对对应的条件熵分析结果。
17、优选地，所述基于每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，确定当前时间段对应的m个第一人脸码对，包括：
18、将所有所述目标连通图中，条件熵分析结果较小的前m个的初始人脸码对，确定为当前时间段对应的m个第一人脸码对。
19、优选地，所述对当前时间段对应的m个第一人脸码对进行关联度分析，确定当前时间段对应的n个第二人脸码对，包括：
20、对m个所述第一人脸码对进行关联度分析，确定m个第一人脸码对对应的关联度分析结果；
21、基于m个第一人脸码对对应的关联度分析结果，确定n个第二人脸码对。
22、优选地，所述对m个所述第一人脸码对进行关联度分析，确定m个第一人脸码对对应的关联度分析结果，包括：
23、对m个第一人脸码对的有效点位数和出现次数，进行对数处理，得到m个第一人脸码对对应的第一关联度；
24、对m个第一人脸码对的出现次数和有效天数，进行对数处理，得到m个第一人脸码对对应的第二关联度；
25、根据m个第一人脸码对对应的第一关联度和m个第一人脸码对对应的第二关联度，得到m个第一人脸码对对应的关联度分析结果。
26、一种人码关联分析装置，包括：
27、当前人码数据获取模块，用于获取当前时间段的当前人码数据；
28、目标图网络结构确定模块，基于当前时间段的当前人码数据和历史时间段的历史人码数据，确定目标图网络结构；
29、第一人脸码对确定模块，基于所述目标图网络结构，对所述当前时间段的当前人码数据和历史时间段的历史人码数据进行条件熵分析，确定当前时间段对应的m个第一人脸码对，其中，m≥2；
30、第二人脸码对确定模块，用于对当前时间段对应的m个第一人脸码对进行关联度分析，确定当前时间段对应的n个第二人脸码对，其中，n≥1。
31、一种计算机设备，包括存储器、处理器以及存储在所述存储器中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上述的人码关联分析方法。
32、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程序，所述计算机程序被处理器执行时实现上述的人码关联分析方法。
33、上述人码关联分析方法、装置、计算机设备及存储介质，构建目标图网络结构，能够较为全面地体现人脸事件与码事件之间的多对多和多层次的关系。通过对目标图网络结构进行条件熵分析，能够较为精确地得到当前时间段对应的m个可信度较高且不确定性较低的第一人脸码对，并且，该方法无需对目标图网络结构之外的人脸事件和码事件进行分析筛选，节省人力物力，较为高效便捷。对当前时间段中，条件熵分析得到的m个第一人脸码对进行关联度分析，确定人脸事件与码事件匹配程度较高的n个第二人脸码对，无需对大量数据进行关联度分析，能够提高确定第二人脸码对的效率，且该方法对条件熵分析筛选后的第一人脸码对进行关联度分析，对可信度较高且不确定性较低的第一人脸码对进一步筛选，能够较为精确地得到匹配程度较高的第二人脸码对。该方法通过构建目标图网络结构，并基于目标图网络结构进行条件熵分析，得到第一人脸码对，基于第一人脸码对进行关联度分析，得到人脸事件与码事件匹配程度较高的第二人脸码对，不仅无需对较多的数据进行处理，提高人码关联分析的效率，而且，通过条件熵分析和关联度分析，进行两次分析筛选，能够较为精确地得到人脸事件与码事件匹配程度较高的第二人脸码对，实现人码关联分析。
本文档来自技高网...【技术保护点】
1.一种人码关联分析方法，其特征在于，包括：
2.如权利要求1所述的人码关联分析方法，其特征在于，所述基于当前时间段的当前人码数据和历史时间段的历史人码数据，确定目标图网络结构，包括：
3.如权利要求1所述的人码关联分析方法，其特征在于，所述基于所述目标图网络结构，对所述当前时间段的当前人码数据和历史时间段的历史人码数据进行条件熵分析，确定当前时间段对应的M个第一人脸码对，包括：
4.如权利要求3所述的人码关联分析方法，其特征在于，所述对每一目标连通图进行条件熵分析，确定每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，包括：
5.如权利要求3所述的人码关联分析方法，其特征在于，所述基于每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，确定当前时间段对应的M个第一人脸码对，包括：
6.如权利要求1所述的人码关联分析方法，其特征在于，所述对当前时间段对应的M个第一人脸码对进行关联度分析，确定当前时间段对应的N个第二人脸码对，包括：
7.如权利要求6所述的人码关联分析方法，其特征在于，所述对M个所述第
8.一种人码关联分析装置，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的人码关联分析方法。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的人码关联分析方法。
...【技术特征摘要】
1.一种人码关联分析方法，其特征在于，包括：
2.如权利要求1所述的人码关联分析方法，其特征在于，所述基于当前时间段的当前人码数据和历史时间段的历史人码数据，确定目标图网络结构，包括：
3.如权利要求1所述的人码关联分析方法，其特征在于，所述基于所述目标图网络结构，对所述当前时间段的当前人码数据和历史时间段的历史人码数据进行条件熵分析，确定当前时间段对应的m个第一人脸码对，包括：
4.如权利要求3所述的人码关联分析方法，其特征在于，所述对每一目标连通图进行条件熵分析，确定每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，包括：
5.如权利要求3所述的人码关联分析方法，其特征在于，所述基于每一目标连通图中，每一初始人脸码对对应的条件熵分析结果，确定当前时间段对应的m个第一人脸码对，包括：
【专利技术属性】
技术研发人员：李世威，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。