[发明专利]滞留点确定方法和滞留点确定装置

说明书

本发明实施例提供的滞留点确定方法和滞留点确定装置，涉及滞留点确定技术领域。所述滞留点确定方法用于对犯罪嫌疑人的滞留点进行确定，该方法包括：根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。通过上述方法，可以提高搜捕犯罪嫌疑人的效率。

技术领域

本发明涉及滞留点确定技术领域，具体而言，涉及一种滞留点确定方法和滞留点确定装置。

背景技术

警方在搜捕犯罪嫌疑人时需要推测犯罪嫌疑人的滞留点。但是，经发明人研究发现，在现有技术中，由于滞留点种类繁多，凭借警察的经验，在短时间内推测出嫌疑人可能滞留的地点的方法容易出现错误，从而存在着搜捕犯罪嫌疑人的效率低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种滞留点确定方法和滞留点确定装置，以改善现有技术中存在的问题。

为实现上述目的，本发明实施例采用如下技术方案：

一种滞留点确定方法，用于对犯罪嫌疑人的滞留点进行确定，该方法包括：

根据犯罪嫌疑人当前的案件信息确定至少一个滞留点，并计算每个滞留点对应的人员藏匿指标，根据各所述滞留点和对应的人员藏匿指标生成判别数据集；

基于预设的深度学习模型和所述判别数据集在所述至少一个滞留点中确定至少一个目标滞留点，其中，所述深度学习模型基于历史案件信息训练生成。

在本发明实施例较佳的选择中，所述历史案件信息包括第一滞留点信息和第二滞留点信息，该方法还包括训练所述深度学习模型的步骤，该步骤包括：

通过一生成器模型对随机噪声信号进行处理得到对应的随机噪声向量，并通过一判别器模型将所述随机噪声向量与所述第一滞留点信息进行比较，以得到比较结果；

根据所述比较结果调整所述生成器模型和判别器模型的参数，并基于调整后的生成器模型对所述随机噪声信号进行处理，以得到新的随机噪声向量，以使所述判别器模型将所述新的随机噪声向量和所述第一滞留点信息进行比较得到的比较结果为预设值；

通过所述新的随机噪声向量和所述第一滞留点信息得到新的第一滞留点信息；

根据所述新的第一滞留点信息和所述第二滞留点信息生成新的历史案件信息，并基于该新的历史案件信息进行训练得到一深度学习模型。

在本发明实施例较佳的选择中，所述人员藏匿指标包括藏匿价值，所述计算每个滞留点对应的人员藏匿指标的步骤包括：

获取该滞留点的藏匿价值信息，其中，该藏匿价值信息包括区域流动人口、区域总人口、区域外来人口占比、区域摄像头覆盖比率、区域内便利店数量及区域面积；

根据所述藏匿价值信息和第一公式计算该滞留点的藏匿价值。

在本发明实施例较佳的选择中，所述第一公式包括：

其中，e表示藏匿价值，mⁱⁿ表示区域流动人口，m表示区域总人口，w表示区域外来人口占比，P^c表示区域摄像头覆盖比率，m^s表示区域内便利店数量，S表示区域面积，Num表示历史案件中犯罪嫌疑人藏匿点的数量，Num_s表示与该滞留点所在区域相同的藏匿点数量，t^h表示历史案件中犯罪嫌疑人在藏匿点中的藏匿平均时长，n表示区域内熟人数量，表示犯罪嫌疑人与第i个人的历史交互次数，表示犯罪嫌疑人与第i个人在预设时长内的交互次数。