[发明专利]同行人员检测方法、装置及其应用

说明书

本申请提出了同行人员检测方法、装置及其应用，包括根据人员的记录、征信状况判断该人员是否为目标人员，再根据目标人员的经纬度信息和经纬度对应的时间信息，通过密度聚类算法，生成目标人员经纬度的多个簇类，根据簇类中的目标人员组成，结合个人基础信息，判断多人之间的同行关系。本申请具有计算资源小，可有效辨别偶然同行事件的效果。

技术领域

本申请涉及大数据技术领域，特别是涉及同行人员检测方法、装置及其应用。

背景技术

轨迹分析是侦查中不可或缺的一个重要环节，与目标行为相关的人、事、物及其时间空间节点对侦查都起到了关键作用。其中对目标人员的同行轨迹分析是一个重要的应用场景，当前实现这一场景的方法主要基于视频信息，通过人脸特征的对比，判断人员在各个点位出现的时间，最终形成人员的行动轨迹，但此方法存在以下问题：

1.基于监控视频的方法忽略了业务逻辑与人员基本信息，无法辨别偶然的同行事件；

2.视频场景较为复杂，无法有效保证同行轨迹的准确性；

3.视频数据量较大，算法分析耗时较长，且需要大量的计算资源。

因此，亟待一种同行人员检测方法、装置及其应用，以解决现有技术存在的问题。

发明内容

本申请实施例提供了同行人员检测方法、装置及其应用，针对目前技术需要大量计算资源、无法辨别偶然同行事件的问题。

本发明核心技术主要是根据人员的身份信息判断该人员是否为目标人员，再根据目标人员的经纬度信息和经纬度对应的时间信息，通过密度聚类算法，生成目标人员经纬度的多个簇类，根据簇类中的目标人员组成，结合个人基础信息，包括职业、家庭成员组成、年龄等因素，判断多人之间的同行关系。

第一方面，本申请提供了同行人员检测方法，所述方法包括以下步骤：

S00、确定目标人员清单，并获取目标人员的定位信息和时间信息；

S10、将时间信息中的时间点转换为时间戳，并进行归一化处理，以完成数据预处理；

S20、通过聚类算法模型将全量目标人员的定位信息和归一化后的时间戳数据作为聚类算法模型的输入，并将定位信息和归一化后的时间戳数据聚类，以同一时间在同一经纬度的数据聚类为同一簇类；

S30、根据目标人员的唯一标识与簇类标签，将n个簇类标签中的目标人员存入单个数列，得到n个目标人员数列；

S40、根据时间维度将所有目标人员数列排序，并设定同行判断距离为l，遍历连续l个数列的交集，得到n-l+1个同行人员集合；

S50、将所有同行人员集合展开形成两两同行人员对应的数据集中，并通过知识图谱图数据库语言补充数据集中两两人员之间的关系属性；

S60、比较两两人员的类型是否一致、计算两两人员年龄差的绝对值以及计算两两人员之间的居住地直线距离，将结果均存入数据集中；

S70、通过样本数据训练逻辑回归模型，并筛选出逻辑回归模型中结果为同行的数据，并与聚类算法模型的结果左关联，以获得两两同行人员的结果表；

S80、将结果表中每条数据的同行经过地点进行交集计算，并将计算结果大于l的数据存入数列w中，其余数据存入数列v中；

S90、将数列w中每条数据重新进行同行经过地点交集计算，并将计算结果大于l的数据覆盖数列w，其余数据存入数列v；

S100、循环S90步骤，直至数列w为空数列，并将数列v作为最终同行人员检测结果。

进一步地，S10步骤中，时间点为固定周期差值的时间，该固定周期差值通过检测记录设备或基站反馈的数据周期得到。