[发明专利]一种基于大数据同人异车目标人员的挖掘方法及系统

权利要求书

1.一种基于大数据同人异车目标人员的挖掘方法，其特征在于，所述方法包括：

S1:通过安装于卡口处的前端采集设备采集卡口处的图像数据，所述图像数据包括人脸数据和车辆数据；

S2：通过所述人脸数据建立人员档案；通过所述车辆数据建立车辆档案；

S3，基于所述人员档案和车辆档案，通过时空关联建立车辆与人员之间的关联关系，即人车关联关系；

S4，基于人车关联关系确定符合同人异车标准的人员，对符合同人异车标准的人员与目标库中的目标人员比对，基于所述比对结果，判断符合同人异车标准的人员是否为目标人员，从而实现对目标人员的挖掘。

2.根据权利要求1所述的基于大数据同人异车目标人员的挖掘方法，其特征在于，所述前端采集设备为高清摄像机，S1具体为：通过高清摄像机拍摄经过卡口处的人和车，获取人脸数据和车辆数据。

3.根据权利要求1所述的基于大数据同人异车目标人员的挖掘方法，其特征在于，S1还包括：判断所述图像数据是否为结构化数据，若所述图像数据为非结构化数据，则将所述非结构化数据转换成结构化数据。

4.根据权利要求1所述的基于大数据同人异车目标人员的挖掘方法，其特征在于，通过所述人脸数据建立人员档案；通过所述车辆数据建立车辆档案具体为：

将人脸数据与人脸底库中的人脸采用多家厂商的人脸识别算法进行匹配，匹配通过的人脸数据进行人脸档案建档或归档，从而建立人员档案，将车辆数据采用多家厂商的车牌识别算法进行车牌识别，对于识别出车牌号的车辆进行建档或归档，从而建立车辆档案。

5.根据权利要求1所述的基于大数据同人异车目标人员的挖掘方法，其特征在于，通过时空关联建立车辆与人员之间的关联关系具体为：

令A是车辆档案集合，B是人员档案集合，A＝{a₁,a₂,...,a_m}，B＝{b₁,b₂,...,b_n}，即存在：

其中表示关联规则，表示计算的关联度，

表示计算关联规则置信度；

表示人与车同一地点，同一时间出现的次数；

support_count(a_i)表示车抓拍到的次数，通过事先设置的最小出现次数、最小支持度和最小置信度，从而找到车与人的强关联规则，即人车关联关系。

6.一种基于大数据同人异车目标人员的挖掘系统，其特征在于，所述系统包括前端采集设备、档案建立模块、人车关联模块和目标人员匹配模块；

所述前端采集设备用于采集卡口处的图像数据，所述图像数据包括人脸数据和车辆数据；

所述档案建立模块用于通过所述人脸数据建立人员档案；通过所述车辆数据建立车辆档案；

所述人车关联模块用于基于所述人员档案和车辆档案，通过时空关联建立车辆与人员之间的关联关系，即人车关联关系；

所述目标人员匹配模块用于基于人车关联关系确定符合同人异车标准的人员，对符合同人异车标准的人员与目标库中的目标人员比对，基于所述比对结果，判断符合同人异车标准的人员是否为目标人员，从而实现对目标人员的挖掘。

7.根据权利要求6所述的基于大数据同人异车目标人员的挖掘系统，其特征在于，所述前端采集设备为高清摄像机，通过高清摄像机拍摄经过卡口处的人和车，获取人脸数据和车辆数据，作为图像数据。

8.根据权利要求6所述的基于大数据同人异车目标人员的挖掘系统，其特征在于，所述系统还包括数据结构判断模块、数据接收模块、视频结构化模块和大数据中心，所述数据结构判断模块用于判断所述图像数据是否为结构化数据，若所述图像数据为结构化数据，则直接推送给数据接收模块，若所述图像数据为非结构化数据，则将所述非结构化数据转换成结构化数据后推送给数据接收模块；所述数据接收模块用于将接收到的结构化数据推送至大数据中心，供档案建立模块调用。