基于大数据的滞留人员统计预警方法和装置制造方法及图纸

本发明专利技术公开了一种基于大数据的滞留人员统计预警方法和装置。所述方法包括：获取抓拍到的人脸抓拍数据和抓拍时间；根据所述人脸抓拍数据，查询是否存在当前人脸的抓拍数据记录；当不存在时，记录所述人脸抓拍数据和对应的抓拍时间；当存在时，将获取的抓拍时间和记录的抓拍时间进行比较；当获取的抓拍时间和记录的抓拍时间的差值介于第一时间阈值和第二时间阈值之间时，更新当前人脸对应的滞留天数；当滞留天数满足设定的滞留条件时，进行预警提醒。能够基于大数据统计滞留人员，并进行及时的提醒。

Statistical early warning method and device for detention personnel based on big data

The invention discloses a statistical early warning method and device for detention personnel based on big data. The method includes: obtaining the capture data and the time of the capture of the captured face. According to the captured data of the face, query whether there is a capture data record of the present face. When it does not exist, record the face grabbing data and the corresponding snapshot time; when there is, the capture time and the record are captured. When the difference between the capture time and the recording time is between the first time threshold and the second time threshold, the number of remaining days corresponding to the present face is updated, and the warning is made when the remaining days are satisfied. Statistics can be based on large data retention personnel, and timely reminder.

【技术实现步骤摘要】
基于大数据的滞留人员统计预警方法和装置
本专利技术涉及大数据处理
，特别涉及一种基于大数据的滞留人员统计预警方法和装置。
技术介绍
对于一些人员密集区域或者其他重要区域，及时了解区域内的人员流动和人员停留情况，实时进行预警提醒，避免发生一些不必要的麻烦，是很有必要的，但目前对于人员在指定区域内的停留情况进行统计提醒、分析预警的方法比较少。现有技术中，也只有基于小数据量的分析一些历史数据，来确定在特定区域内需要预警或提醒的滞留人员。这样的统计是不准确的，因此也不能很好的起到提醒和预警的作用，尤其是在数据量比较大的情况下，针对小数据量的分析方法，也不能获得准确有效的分析结果。因此，在大数据环境下，如何准确的统计指定区域内的人员停留情况，并根据人员停留情况进行有针对性的提醒。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于大数据的滞留人员统计预警方法和装置。第一方面，本专利技术实施例提供一种基于大数据的滞留人员统计预警方法，包括：获取抓拍到的人脸抓拍数据和抓拍时间；根据所述人脸抓拍数据中包含的人脸标识信息，查询是否存在当前人脸的抓拍数据记录；当不存在时，记录所述人脸抓拍数据和对应的抓拍时间；当存在时，将获取的抓拍时间和记录的抓拍时间进行比较；当获取的抓拍时间和记录的抓拍时间的差值介于第一时间阈值和第二时间阈值之间时，更新当前人脸对应的滞留天数；当滞留天数满足设定的滞留条件时，进行预警提醒。在一些可选的实施例中，所述获取抓拍到的人脸抓拍数据和抓拍时间，包括：通过抽取-转换-加载ETL工具将人脸抓拍数据写入大数据的Kafka实时数据流中；从Kafka实时数据流中获取包括人脸标识信息和抓拍时间的人脸抓拍数据。在一些可选的实施例中，上述方法还包括：当获取的抓拍时间和记录的抓拍时间的差值小于所述第一时间阈值时，继续获取抓拍到的人脸抓拍数据；当获取的抓拍时间和记录的抓拍时间的差值大于所述第二时间阈值时，更新当前人脸的记录的抓拍时间，继续获取抓拍到的人脸抓拍数据。在一些可选的实施例中，所述更新当前人脸对应的滞留天数，包括：判断当前统计日内，当前人脸对应的滞留天数是否已经更改过；若是，保持当前人脸对应的滞留天数不变；若否，将当前人脸对应的滞留天数加1。在一些可选的实施例中，所述当滞留天数满足设定的滞留条件时，进行预警提醒，包括：确定滞留天数与记录天数的比值，当所述比值大于设定的比例阈值时，进行提醒预警；或判断滞留天数是否大于设定的滞留天数阈值，当判断为是时，进行提醒预警。第二方面，本专利技术实施例提供一种基于大数据的滞留人员统计预警装置，包括：抓拍模块，用于获取抓拍到的人脸抓拍数据和抓拍时间；查询模块，用于根据所述人脸抓拍数据中包含的人脸标识信息，查询是否存在当前人脸的抓拍数据记录；记录模块，用于当不存在时，记录所述人脸抓拍数据和对应的抓拍时间；统计模块，用于当存在时，将获取的抓拍时间和记录的抓拍时间进行比较；当获取的抓拍时间和记录的抓拍时间的差值介于第一时间阈值和第二时间阈值之间时，更新当前人脸对应的滞留天数；预警模块，用于当滞留天数满足设定的滞留条件时，进行预警提醒。在一些可选的实施例中，所述抓拍模块，具体用于：通过抽取-转换-加载ETL工具将人脸抓拍数据写入大数据的Kafka实时数据流中；从Kafka实时数据流中获取包括人脸标识信息和抓拍时间的人脸抓拍数据。在一些可选的实施例中，所述统计模块，还用于：当获取的抓拍时间和记录的抓拍时间的差值小于所述第一时间阈值时，继续获取抓拍到的人脸抓拍数据；当获取的抓拍时间和记录的抓拍时间的差值大于所述第二时间阈值时，更新当前人脸的记录的抓拍时间，继续获取抓拍到的人脸抓拍数据。在一些可选的实施例中，所述统计模块，具体用于：判断当前统计日内，当前人脸对应的滞留天数是否已经更改过；若是，保持当前人脸对应的滞留天数不变；若否，将当前人脸对应的滞留天数加1。在一些可选的实施例中，所述预警模块，具体用于：确定滞留天数与记录天数的比值，当所述比值大于设定的比例阈值时，进行提醒预警；或判断滞留天数是否大于设定的滞留天数阈值，当判断为是时，进行提醒预警。本专利技术实施例提供的上述技术方案的有益效果至少包括：通过获取抓拍人脸抓拍数据，确定有当前人脸的抓拍数据记录时，将当前抓拍时间与之前记录的当前人脸的抓拍时间进行比较，确定当前人脸对应的滞留天数，从而确定当前人员是否符合滞留提醒的条件，当符合条件时进行提醒，从而能够准确的统计滞留人员的滞留时间，并及时的进行提醒，该方法能够快速的对大数据进行处理，处理效率高，提高了统计的准确性和提醒的及时性，实现了有针对性的对人员在特定区域的停留情况进行有针对性的统计和提醒。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例中基于大数据的滞留人员统计预警方法的流程图；图2为本专利技术实施例中人脸抓拍数据抓拍的流程图；图3为本专利技术实施例中基于大数据的滞留人员统计预警方法的流程图；图4为本专利技术实施例中基于大数据的滞留人员统计预警装置的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。为了解决现有技术中存在的不能准确地统计人员在指定区域内的停留情况，不能进行及时有效地提醒的问题，本专利技术实施例提供一种基于大数据的滞留人员统计预警方法，能够准确的统计人员停留的时间，进行及时、有效的提醒，对大数据的处理速度快，效率高。下面通过具体的实施例进行详细描述。本专利技术实施例提供一种基于大数据的滞留人员统计预警方法，其流程如图1所示，包括如下步骤：步骤S101：获取抓拍到的人脸抓拍数据和抓拍时间。获取抓拍到的人脸抓拍数据的过程，包括通过抽取-转换-加载(Extract-Transform-Load，ETL)工具将人脸抓拍数据写入大数据的Kafka实时数据流中，从Kafka实时数据流中获取包括人脸标识信息和抓拍时间的人脸抓拍数据。ETL工具用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。Hadoop是一个由Apache基金会所开发的分布式系统基础架构，在这种架构下用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。这种动作包括网页浏览、搜索和其他用户的行动等，是在现代网络上的许多社会功能的一个关键因素。些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。本文档来自技高网...

【技术保护点】
1.一种基于大数据的滞留人员统计预警方法，其特征在于，包括：获取抓拍到的人脸抓拍数据和抓拍时间；根据所述人脸抓拍数据中包含的人脸标识信息，查询是否存在当前人脸的抓拍数据记录；当不存在时，记录所述人脸抓拍数据和对应的抓拍时间；当存在时，将获取的抓拍时间和记录的抓拍时间进行比较；当获取的抓拍时间和记录的抓拍时间的差值介于第一时间阈值和第二时间阈值之间时，更新当前人脸对应的滞留天数；当滞留天数满足设定的滞留条件时，进行预警提醒。

【技术特征摘要】
1.一种基于大数据的滞留人员统计预警方法，其特征在于，包括：获取抓拍到的人脸抓拍数据和抓拍时间；根据所述人脸抓拍数据中包含的人脸标识信息，查询是否存在当前人脸的抓拍数据记录；当不存在时，记录所述人脸抓拍数据和对应的抓拍时间；当存在时，将获取的抓拍时间和记录的抓拍时间进行比较；当获取的抓拍时间和记录的抓拍时间的差值介于第一时间阈值和第二时间阈值之间时，更新当前人脸对应的滞留天数；当滞留天数满足设定的滞留条件时，进行预警提醒。2.如权利要求1所述的方法，其特征在于，所述获取抓拍到的人脸抓拍数据，包括：通过抽取-转换-加载ETL工具将人脸抓拍数据写入大数据的Kafka实时数据流中；从Kafka实时数据流中获取包括人脸标识信息和抓拍时间的人脸抓拍数据。3.如权利要求1所述的方法，其特征在于，还包括：当获取的抓拍时间和记录的抓拍时间的差值小于所述第一时间阈值时，继续获取抓拍到的人脸抓拍数据；当获取的抓拍时间和记录的抓拍时间的差值大于所述第二时间阈值时，更新当前人脸的记录的抓拍时间，继续获取抓拍到的人脸抓拍数据。4.如权利要求1所述的方法，其特征在于，所述更新当前人脸对应的滞留天数，包括：判断当前统计日内，当前人脸对应的滞留天数是否已经更改过；若是，保持当前人脸对应的滞留天数不变；若否，将当前人脸对应的滞留天数加1。5.如权利要求1-4任一所述的方法，其特征在于，所述当滞留天数满足设定的滞留条件时，进行预警提醒，包括：确定滞留天数与记录天数的比值，当所述比值大于设定的比例阈值时，进行提醒预警；或判断滞留天数是否大于设定的滞留天数阈值，当判断为是时，进行提醒预警。6.一种基于大...

【专利技术属性】
技术研发人员：高云，刘树惠，罗超，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北,42