嫌疑人检测方法及装置制造方法及图纸

本发明专利技术实施例提供一种嫌疑人检测方法及装置，所述方法包括：获取待预测的地铁乘车行为数据；对地铁乘车行为数据进行数据分析、数据预处理以及特征提取，获得经过处理的乘车行为数据；将经过处理的乘车行为数据输入至异常行为检测模型中，获得地铁乘车行为数据对应的识别结果；其中，异常行为检测模型是基于正常乘车行为数据样本训练得到的自编码器模型。本发明专利技术实施例建立无监督学习模型，对正常乘客的出行行为进行重构，通过模型提取出正常乘客行为的潜在特征，使得正常乘客数据可以通过该模型进行很好还原，但是异常乘客数据无法被很好的还原，通过二者还原的误差来实现对异常乘客进行识别，使用了更为简单的数据、部署方便且易于集成。

【技术实现步骤摘要】
嫌疑人检测方法及装置
本专利技术涉及计算机
，更具体地，涉及一种嫌疑人检测方法及装置。
技术介绍
随着城镇化的高速发展、城市居民的高度集中、私家车辆的高占有率等，常规的地面交通出行方式越来越不能满足人们的日常出行需求，因此越来越多的城市选择通过地铁来舒缓当前的交通状况、方便人们的日常出行。然而，在给人们带来便利的同时，地铁所引起的人群聚集性，也为一些不法分子提供了便利，如小偷等。传统方式中，要识别、发现小偷往往是一个十分复杂且耗时耗力的工作。首先，失窃者需要明确自己是在乘坐地铁的过程中丢失了物品，还需要尽可能详细地向警方或工作人员描述所有可能导致自己失窃的场景或细节；其次，警方需要在大量相关的视频记录中逐一查找，这个过程不仅耗时耗力，结果往往也不一定能尽如人意。而且，在实际生活中，很多失窃者有时候并不能确定自己是不是在乘坐地铁的过程中丢失了物品；另外由于查找过程较为繁琐，或者失窃物品并不是十分贵重，很多失窃者可能都没有选择报警，这些情况也都为嫌疑人的抓取带来了一定的难度。近年来，为了可以更高效的检测、识别嫌疑人，尽量减少对本文档来自技高网...

【技术保护点】
1.一种嫌疑人检测方法，其特征在于，包括：/n获取待预测的地铁乘车行为数据；/n对所述地铁乘车行为数据进行数据分析、数据预处理以及特征提取，获得经过处理的乘车行为数据；/n将所述经过处理的乘车行为数据输入至异常行为检测模型中，获得所述地铁乘车行为数据对应的识别结果；/n其中，所述异常行为检测模型是基于正常乘车行为数据样本训练得到的自编码器模型。/n

【技术特征摘要】
1.一种嫌疑人检测方法，其特征在于，包括：
获取待预测的地铁乘车行为数据；
对所述地铁乘车行为数据进行数据分析、数据预处理以及特征提取，获得经过处理的乘车行为数据；
将所述经过处理的乘车行为数据输入至异常行为检测模型中，获得所述地铁乘车行为数据对应的识别结果；
其中，所述异常行为检测模型是基于正常乘车行为数据样本训练得到的自编码器模型。


2.根据权利要求1所述的嫌疑人检测方法，其特征在于，训练所述异常行为检测模块的步骤，具体包括：
获取地铁乘车行为数据样本；
对所述地铁乘车行为数据样本进行数据分析、数据预处理以及特征提取，获得经过处理的乘车行为数据样本；
根据专家知识，从所述经过处理的乘车行为数据样本筛选出正常乘车行为数据样本；
构建自编码器模型，利用所述正常乘车行为数据样本对所述自编码器模型进行训练；
训练结束时，保存所述自编码器模型的参数，获得训练完成的异常行为检测模型。


3.根据权利要求1所述的嫌疑人检测方法，其特征在于，所述地铁乘车行为数据具体包括：地铁站点信息相关数据、票种分类数据和刷卡数据。


4.根据权利要求3所述的嫌疑人检测方法，其特征在于，对所述地铁乘车行为数据进行数据分析、数据预处理以及特征提取，获得经过处理的乘车行为数据的步骤，具体包括：
对所述地铁乘车行为数据进行数据分析，确定票种信息、出行时间、各站点的进出站客流量和途经客流量，以及乘车时间分布；
数据分析完成后，依据分析结果对所述地铁乘车行为数据进行清洗，将所述地铁乘车行为数据处理成特征工程的数据类型并对缺失数据和错误数据进行清理；
将预处理后的数据输入到特征工程进行七个维度的特征提取；
其中，所述七个维度包括：当日乘客在地铁站停留时间、当日乘客乘坐轨道交通的实际使用时间与理论使用时间的差值、当日乘客经过的热门站点数、当日乘客乘坐地铁的次数、当日乘客乘坐地铁不同的起点-终点对数目、当日乘客乘坐地铁的进站口数目以及当日乘客同一进站的最大访问次数。


5.根据权利要求1所述的嫌疑人检测方法，其特征在于，将所述经过处理的乘车行为数据输入至异常行为检测模型中，获得所述地铁乘车行为数据对应的识别结果的步骤，具体包括：
将所述经过处理的乘车行为数据输入至异常行为检测模...

【专利技术属性】
技术研发人员：刘琦，章恒靖，徐鹏，邱世阳，乔正宇，郑维，邱枫，刘恒昌，
申请(专利权)人：科航苏州信息科技有限公司，
类型：发明
国别省市：江苏;32