【技术实现步骤摘要】
一种目标人群筛选的方法、装置、终端和存储介质
本公开涉及公共安全领域，特别涉及一种目标人群筛选的方法、装置、终端和存储介质。
技术介绍
随着社会的不断进步与发展，我们已经进入了大数据的时代，安防行业以及公安系统中积累了海量的跨警种、跨部门、跨平台的数据，如何通过充分挖掘这些数据中未被发现的复杂数据特征，来有效的筛选出具有特定行为的人群，来对上述具有特定行为的人群进行追踪是一个很重要的研究方向。现有技术中，通常采用事后数据分析的模式，针对已经发生的事件、发生该事件的时间、发生该事件的空间以及发生该事件的原因等相关信息，进行属性重构、特征提取以及特征选取，然后通过多种融合算法构建基于加权投票的组合分类器，并根据上述组合分类器来绘制出城市的特定行为人群分布图谱，在空间上标注出具有特定行为的人群的聚集区域，辅助对具有特定行为的人群进行追踪。上述技术中存在的问题是，获取的事后数据信息具有局限性，并且收集到的具有特定行为的人员的信息相互独立，遗漏了大量的关系信息数据，不利于筛选出潜在的具有特定行为的人员。
技术实现思路
本公开提供了一种目标人群筛选的方法、装置、终端和存储介质，可以准确高效的筛选出目标人群。根据本公开实施例的第一方面，提供一种目标人群筛选的方法，包括：确定目标任务，以及确定目标区域中的第一目标人群，所述第一目标人群包括多个待测试人员；获取所述多个待测试人员之间的时序信息和每个待测试人员的基本属性信息，所述时序信息包括当前时间，以及当前时间下所述多...
【技术保护点】
1.一种目标人群筛选的方法，其特征在于，所述方法包括：/n确定目标任务，以及确定目标区域中的第一目标人群，所述第一目标人群包括多个待测试人员；/n获取所述多个待测试人员之间的时序信息和每个待测试人员的基本属性信息，所述时序信息包括当前时间，以及当前时间下所述多个待测试人员之间的关系信息；/n将所述时序信息和所述每个待测试人员的基本属性信息输入所述目标任务对应的筛选模型，得到满足所述目标任务的任务条件的第二目标人群。/n
【技术特征摘要】
1.一种目标人群筛选的方法，其特征在于，所述方法包括：
确定目标任务，以及确定目标区域中的第一目标人群，所述第一目标人群包括多个待测试人员；
获取所述多个待测试人员之间的时序信息和每个待测试人员的基本属性信息，所述时序信息包括当前时间，以及当前时间下所述多个待测试人员之间的关系信息；
将所述时序信息和所述每个待测试人员的基本属性信息输入所述目标任务对应的筛选模型，得到满足所述目标任务的任务条件的第二目标人群。
2.根据权利要求1所述的方法，其特征在于，所述确定目标区域中的第一目标人群，包括：
将所述目标区域中的多个人员组成所述第一目标人群；或者，
获取目标区域内的每个人员的分类标签信息，根据所述每个人员的分类标签信息，从所述目标区域内选择具有所述目标任务的任务标签的多个待测试人员组成所述第一目标人群；或者，
获取目标区域内的每个人员的分类标签信息，根据所述每个人员的分类标签信息，从所述目标区域内选择具有所述目标任务的任务标签的多个人员以及与所述多个人员之间具有关联关系的人员，将选择的人员组成所述第一目标人群。
3.根据权利要求1所述的方法，其特征在于，所述获取所述多个待测试人员之间的时序信息和每个待测试人员的基本属性信息，包括：
获取所述每个待测试人员的基本属性信息；
根据所述每个待测试人员的基本属性信息，构建时序属性图；
从所述时序属性图中提取所述多个待测试人员之间的时序信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述每个待测试人员的基本属性信息，构建时序属性图，包括：
确定多个节点，一个节点表示一个待测试人员；
对于任意两个节点，根据所述两个节点对应的基本属性信息，确定所述两个节点在当前时间是否具有指定关系；
当所述两个节点在当前时间具有所述指定关系时，将所述两个节点进行关联，得到所述时序属性图。
5.根据权利要求4所述的方法，其特征在于，所述根据所述每个待测试人员的基本属性信息，构建时序属性图之前，所述方法还包括：
对于每个待测试人员，对所述待测试人员的基本属性信息中的第一指定属性的属性值进行标准化处理；和/或，
对所述基本属性信息中的缺失属性值进行补充；和/或，
对所述基本属性信息中的第二指定属性的属性值进行特征提取处理。
6.根据权利要求1所述的方法，其特征在于，所述将所述时序信息和所述每个待测试人员的基本属性信息输入所述目标任务对应的筛选模型，得到满足所述目标任务的任务条件的第二目标人群，包括：
所述目标任务对应的筛选模型包括第一模型和第二模型；
将所述时序信息和所述每个待测试人员的基本属性信息输入所述第一模型，得到所述目标区域在当前时间的第一特征向量；
将所述第一特征向量输入所述第二模型，得到满足所述任务条件的第二目标人群。
7.根据权利要求6所述的方法，其特征在于，所述将所述时序信息和所述每个待测试人员的基本属性信息输入所述第一模型，得到所述目标区域在当前时间的第一特征向量，包括：
将所述时序信息中的当前时间的时间信息输入所述第一模型中的时间影响模型，得到时间向量；
将所述时序信息中的关系信息输入所述第一模型中的临近节点传播模型，得到关系向量；
将所述基本属性信息输入所述第一模型中的属性学习模型，得到属性向量；
将所述时间向量、关系向量以及属性向量进行向量融合，得到所述第一特征向量。
8.根据权利要求6所述的方法，其特征在于，所述将所述时序信息和所述每个待测试人员的基本属性信息输入所述第一模型，得到所述目标区域在当前时间的第一特征向量，包括：
获取第二特征向量，所述第二特征向量为所述目标区域在历史时间的特征向量；
将所述第二特征向量输入所述第一模型中的序列学习模型，得到历史向量；
将所述时序信息中的当前时间的时间信息输入所述第一模型中的时间影响模型，得到时间向量；
将所述时序信息中的关系信息输入所述第一模型中的临近节点传播模型，得到关系向量；
将所述基本属性信息输入所述第一模型中的属性学习模型，得到属性向量；
将所述历史向量与所述时间向量、关系向量以及属性向量进行向量融合，得到所述第一特征向量。
9.根据权利要求6所述的方法，其特征在于，所述将所述第一特征向量输入所述第二模型，得到满足所述任务条件的第二目标人群，包括：
将所述第一特征向量输入所述第二模型，得到所述每个待测试人员属于所述目标任务的任务标签的得分；
根据所述每个待测试人员的得分，选择得分超过预设分数的多个待测试人员组成所述第二目标人群。
10.根据权利要求7所述的方法，其特征在于，所述方法还包括：
当所述属性学习模型达到第一更新条件时，基于所述属性向量、所述时间向量和所述关系向量对所述属性学习模型进行更新；和/或，
当所述临近节点传播模型达到第二更新条件时，基于所述属性向量、所述时间向量和所述关系向量对所述临近节点传播模型进行更新。
11.根据权利要求10所述的方法，其特征在于，所述基于所述属性向量、所述时间向量和所述关系向量对所述属性学习模型进行更新，包括：
将当前时刻的属性向量和更新时刻的属性向量输入属性更新函数，得到更新后的第一属性向量，将所述第一属性向量与更新时刻的关系向量输入空间更新函数，得到第二属性向量，将第二属性向量与更新时刻的历史向量输入时空更新函数，得到第三属性更新向量，基于所述第三属性更新向量对所述属性模型进行更新。
12.根据权利要求10所述的方法，其特征在于，所述基于所述属性向量、所述时间向量和所述关系向量对所述临近节点传播模型进行更新，包括：
将当前时刻关系向量和更新时刻的关系向量输入关系更新函数，得到更新后的第一关系向量，将所述第一关系向量与更新时刻的属性向量输入空间更新函数，得到第二关系向量，将第二关系向量与更新时刻的历史向量输入时空更新函数，得到第三关系更新向量，基于所述第三关系更新向量对所述临近节点传播模型进行更新。
13.根据权利要求6所述的方法，其特征在于，所述方法还包括：
确定待测试的第一人员和第一预测时刻；
将所述第一特征向量、所述时序信息、所述第一人员以及所述第一预测时刻输入所述筛选模型中的第三模型，得到第一数组，所述第一数组为四元数组，包括所述第一人员、所述第一预测时刻、与所述第一人员在所述第一预测时刻发生的第一预测关系以及发生所述第一预测关系的第二人员，所述第三模型用于预测与任何待测试人员在任意时刻发生的预测关系和发生所述预测关系的待测试人员。
14.根据权利要求6所述的方法，其特征在于，所述方法还包括：
确定待测试的第三人员、第四人员和第二预测关系；
将所述第一特征向量、所述时序信息、所述第三人员、所述第四人员以及所述第二预测关系输入所述筛选模型中的第四模型，得到第二数组，所述第二数组为四元数组，包括所述第三人员、所述第四人员、所述第二预测关系以及发生所述第二预测关系的第二预测时刻，所述第四模型用于预测任何两个待测试人员发生任意预设关系的预测时刻。
15.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取多个第一样本数据，每个第一样本数据包括时序信息、基本属性信息和特征向量；
根据所述多个第一样本数据进行模型训练，得到所述第一模型。
16.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取多个第二样本数据，每个第二样本数据包括分类标签信息、特征向量和得分；
根据所述多个第二样本数据进行模型训练，得到所述第二模型。
17.一种目标人群筛选的装置，其特征在于，所述装置包括：
第一确定模块，被配置为确定目标任务，以及确定目标区域中的第一目标人群，所述第一目标人群包括多个待测试人员；
第一获取模块，被配置为获取所述多个待测试人员之间的时序信息和每...
【专利技术属性】
技术研发人员：刘康玲，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。