[发明专利]一种案件侦查方法及装置

权利要求书

1.一种案件侦查方法，其特征在于，包括：

从公安内网获取接警号，并调取所述接警号代表的案件语义信息；所述案件语义信息包括嫌疑人特征信息、案发时间和案发地点；

在视频专网获取视频，对所述视频中的运动目标进行结构化解析得到所述运动目标的结构化特征信息，并将所述案件语义信息中的嫌疑人特征信息与所述结构化特征信息匹配，确定犯罪嫌疑人图片；

根据所述犯罪嫌疑人图片，以图搜图搜索与所述犯罪嫌疑人图片中的犯罪嫌疑人相似的相似目标，并根据所述相似目标所处监控点的位置、监控拍摄的时间及所述案发时间和案发地点，生成所述犯罪嫌疑人的运动轨迹；

将所述犯罪嫌疑人图片、案件语义信息及运动轨迹打包发送至公安内网，以确定所述犯罪嫌疑人身份，并根据所述案件语义信息及运动轨迹对所述犯罪嫌疑人进行追踪。

2.根据权利要求1所述的案件侦查方法，其特征在于，所述从公安内网获取接警号，并调取所述接警号代表的案件语义信息，包括：

采用jieba工具对案件语料数据进行分词和词性标注，把One-hot形式表示的词语通过embedding方法进行分布式表示，形成包含语义信息的词向量序列；

将所述词向量序列输入神经网络模型进行高迭代次数的长期训练，形成预训练好的神经网络模型；

从公安内网获取接警号，将所述接警号对应的案件语料数据输入所述训练好的神经网络模型，得到所述接警号代表的案件语义信息。

3.根据权利要求2所述的案件侦查方法，其特征在于，所述神经网络模型包括输入层、embedding层、CNN层、Bi-LSTM层、Attention层、全连接层和CRF层；所述CNN层用于提取局部信息特征，所述Bi-LSTM层用于提取文本的上下文关联信息特征，同时增加注意力机制极大的提升系统的性能和鲁棒性，所述全连接层及CRF层用于使得基于包含语义信息的词向量加入词性和副词关键词的特征。

4.根据权利要求1～3中任一项所述的案件侦查方法，其特征在于，所述在视频专网获取视频，对所述视频中的运动目标进行结构化解析得到所述运动目标的结构化特征信息，并将所述案件语义信息中的嫌疑人特征信息与所述结构化特征信息匹配，确定犯罪嫌疑人图片，包括：

在视频专网提取视频数据；

将所述视频数据统一解码成标准格式；

以背景去除法提取解码后的视频数据对应的视频中的运动目标；

通过结构化算法提取所述运动目标的结构化特征信息；

将所述案件语义信息中的嫌疑人特征信息与所述结构化特征信息匹配，确定犯罪嫌疑人图片。

5.根据权利要求4所述的案件侦查方法，其特征在于，所述根据所述犯罪嫌疑人图片，以图搜图搜索与所述犯罪嫌疑人图片中的犯罪嫌疑人相似的相似目标，并根据所述相似目标所处监控点的位置、监控拍摄的时间及所述案发时间和案发地点，生成所述犯罪嫌疑人的运动轨迹，包括：

提取所述犯罪嫌疑人图片中的特征向量，并按照公式(1)进行相似度匹配，提取相似度距离小于阈值D的目标作为与所述犯罪嫌疑人图片中的犯罪嫌疑人相似的相似目标：

其中，f_I1为所述犯罪嫌疑人图片中的特征向量，f_I2为所述视频专网中的除确定的所述犯罪嫌疑人图片之外的其它图片中的特征向量，d_I1,I2为相似度距离；

根据所述相似目标所处监控点的位置、监控拍摄的时间及所述案发时间和案发地点，生成所述犯罪嫌疑人的运动轨迹。