[发明专利]基于视频图像智能推送近似对象的方法

说明书

本发明公开了一种基于视频图像智能推送近似对象的方法，通过人像比对算法找出相似的多名相关人员信息；通过基于TF‑IDF算法的统计方法从普通群体人员轨迹及背景数据中识别出与特定场景关联度较高的多个特定特征因素；对相似人员信息进行智能加权赋分综合测算处理，获得由人像比对出来的相似相关人员的综合分值，并由高到低排序，分析出潜在的高近似度近似对象，并向负责人员主动推送。本发明充分利用大数据资源体系，通过数据挖掘、机器学习等算法及手段，构建基于历史场景的人像智能挖掘分析模型，通过自动学习历史场景的相关人员场景规律，智能分析推断，精准推送新发场景的近似对象，为工作人员提供智能化的检测应用场景。

技术领域

本发明涉及行为研判技术领域，更具体涉及一种基于视频图像智能推送近似对象的方法。

背景技术

随着计算机视觉人脸识别技术的迅猛发展，在视频检测中，获取现场相关人员人像并通过人脸比对锁定目标身份的技战法被广泛应用。需要工作人员通过监控录像所拍摄的视频对相关人员的行踪进行调查，但由于现场人像容易受像素不足、角度不正、遮挡等因素的影响，人脸比对比中准确目标普遍不高，正确目标对象经常出现在比对结果中排名较后的位置。对此需耗费大量的精力对比对结果进行逐一人工研判甄别，无疑降低了视频检测效率，耗费大量的工作时间。

发明内容

本发明需要解决的技术问题是提供一种基于视频图像智能推送近似对象的方法，以解决背景技术中的问题，精准推送新发场景的近似对象，为工作人员提供智能化的检测应用场景，全面提升检测研判的能力及水平。

为解决上述技术问题，本发明所采取的技术方案如下。

基于视频图像智能推送近似对象的方法，通过人像比对算法找出相似的多名相关人员信息；通过基于TF-IDF算法的统计方法从普通群体人员轨迹及背景数据中识别出与特定场景关联度较高的多个特定特征因素；对相似人员的活动轨迹、常逗留场所、社保信息、相关已有记录信息进行智能加权赋分综合测算处理，获得由人像比对出来的相似相关人员的综合分值，并由高到低排序，从而分析出潜在的高近似度近似对象，并向负责人员主动推送。

进一步优化技术方案，具体包括以下步骤：

S1、进行数据汇聚及数据预处理；

S2、进行模型构建，所述模型包括特定关联特征发现模型和人员近似度综合测算模型；

S3、识别与传统相关场景关系较大的因素，并对批量的人像比中人员进行综合测算；

S4、对前几名相似人员逐一进行人工研判核实，最终明确相关人员身份。

进一步优化技术方案，所述步骤S1包括以下步骤：

S11、建立近一年活动人员数据；

S12、建立传统相关群体数据；

S13、建立一般相关群体数据；

S14、建立传统相关群体的背景信息。

进一步优化技术方案，所述步骤S2中，基于统计方法中的tf-idf算法来构建一个特定关联特征的发现模型，建立公式为：

TF-IDF(某类特征)＝(传统相关群体该类特征的个数/传统相关群体总数) *log(一般群体总数/(一般群体该类特征个数+1))。

进一步优化技术方案，所述步骤S2中，构建一个针对人员相似行为特征的基于积分的测算模型，建立公式为：

(∑特征项(1-N)的分值*权重)*人脸相似度/100。

进一步优化技术方案，人员近似度综合测算模型的内容为：

定义特征项；

定义每一个特征项的分值并设定该特征项在不同度量指标下对应的分值；