一种基于形体识别的案件智能串并方法技术

本发明专利技术公开了一种基于形体识别的案件智能串并方法，属于案件串并技术领域。该案件智能串并方法包括以下步骤：建立形体库，形体库中每一目标的特征包括结构化特征和非结构化特征；若存在嫌疑人目标的图视资料，对图视资料中的嫌疑人目标进行结构化特征和非结构化特征提取，计算嫌疑人目标与形体库中目标的最终相似度；否则，根据目击证人的描述构建嫌疑人目标的结构化特征，计算嫌疑人目标与形体库中目标的结构化特征相似度。该案件智能串并方法采用形体识别技术来实现案件的智能串并，能够帮助办案人员找出更多具备相同或相似内容的案件，从而提高案件侦破效率。

【技术实现步骤摘要】
一种基于形体识别的案件智能串并方法
本专利技术属于案件串并
，具体地指一种基于形体识别的案件智能串并方法。
技术介绍
近年来，全国公安机关刑侦部门视频侦查技术发展非常迅速，视频侦查早已成为侦查破案工作的支柱。但是，在视频侦查实战中仍然存在短板，例如两抢一盗、诈骗犯罪类案件逐渐呈现犯罪流窜化、团队化、职业化的特征，对社会的繁荣稳定产生了极大影响。这类案件常为系列案件，即在一个阶段时期内，一个或一伙犯罪分子进行连续多次犯案，构成了一批看似各自独立，实则有内在联系的案件。如何有效地将系列案件进行串并分析是公安侦查办案过程中一个重要的课题。当前，我国在视频侦查所有手段中，人脸识别技术与人工智能结合最紧密、应用最成熟、使用最频繁。但是也暴露出一些问题需要新技术去弥补。1、犯罪嫌疑人、高危人员的反侦查意识和隐藏身份的手段越来越强烈和丰富，特别是蒙面、化妆、服饰上印制人脸图案等反侦查手段给人脸检测和人脸识别技术带来严重挑战。2、各级公安机关视频侦查部门现存大量涉案视频数据，其中以普通摄头为主，这类摄像头能采集到的多是形体数据，仅靠办案人员逐一浏览筛查线索，不仅耗时费力，而且效率低下，不利于推进案件侦破。
技术实现思路
为解决
技术介绍
中的问题，本专利技术提供一种基于形体识别的案件智能串并方法。本专利技术的技术方案为：一种基于形体识别的案件智能串并方法，包括以下步骤：S01、建立形体库，形体库中每一目标的特征包括结构化特征和非结构化特征；S02、若存在嫌疑人目标的图视资料，对图视资料中的嫌疑人目标进行结构化特征和非结构化特征提取，进行步骤S03；否则，根据目击证人的描述构建嫌疑人目标的结构化特征，进行步骤S04；S03、将嫌疑人目标的结构化特征和形体库中目标的结构化特征进行比对，得到结构化特征相似度；将嫌疑人目标的非结构化特征和形体库中目标的非结构化特征进行比对，得到非结构化特征相似度；对结构化特征相似度和非结构化特征相似度进行加权求和，得到最终相似度；根据最终相似度从大到小推送结果；S04、将嫌疑人目标的结构化特征与形体库中目标的结构化特征进行比对，得到结构化特征相似度；根据结构化特征相似度从大到小推送结果。步骤S03中，所述最终相似度的计算公式为：Sim(X,Y)＝(1-a)·Sim(X1,Y1)+a·Sim(X2,Y2)；其中，a为加权系数；Sim(X1,Y1)为结构化特征相似度，Sim(X2,Y2)为非结构化特征相似度。所述加权系数为0.2～0.5。所述结构化特征相似度的计算公式为：其中，X1为嫌疑人目标的结构化特征向量，Y1为形体库中目标的结构化特征向量；||x1||和||y1||分别表示向量X1和Y1的模，表示向量X1和Y1的点积。所述非结构化特征相似度的计算公式为：其中，X2为嫌疑人目标的非结构化特征向量，Y2为形体库中目标的非结构化特征向量；||x2||和||y2||分别表示向量X2和Y2的模，表示向量X2和Y2的点积。步骤S01中，形体库的建立过程包括以下步骤：T01、对涉案视频内容中的形体进行结构化特征和非结构化特征提取，提取完成后将目标特征值进行存储，并将视频摘要展现在页面上；T02、在步骤T01获得的视频摘要中，对每一个目标代表图进行形体聚类，根据每段视频摘要的检索结果，办案人员通过手动方式进行选择添加目标形体数据，形成形体库。结构化特征提取包括以下步骤：E01、构建多任务深度学习网络，包括骨干网络和三个子任务网络，所述子任务网络包括全局特征网络、人体部件分割网络和行人属性网络；E02、分别构建三个子任务网络的损失函数，加权求和得到多任务深度学习网络的损失函数；E03、准备每个子任务网络的训练数据集，并进行训练；E04、将多任务深度学习网络中的子任务网络输出的特征进行拼接，作为结构化特征。非结构化特征提取包括以下步骤：利用三元损失函数将同一目标样本的距离最小化，不同目标样本之间的距离最大化，得到用于提取目标非结构化特征的网络结构，将目标图像输入到神经网络后，神经网络输出一个2048维的特征向量。所述三元损失函数为：L＝max(d(a,p)-d(a,n)+margin,0)；其中a表示anchor样本，p为正样本，n为负样本；d(a,p)表示anchor和正样本之间的距离，d(a,n)表示anchor和负样本之间的距离，margin表示边界值。本专利技术的有益效果有：采用形体识别技术来实现案件的智能串并，通过涉案视频分析处理，建立形体库，为串并案分析提供准确的形体数据支撑；能够响应各类复杂环境下的人员识别需求，包括蒙面、戴口罩和小目标等，提供多起案件的串并比对功能，充分利用并挖掘存量案件视频，帮助办案人员找出更多具备相同或相似内容的案件，从而提高案件侦破效率。附图说明图1为本专利技术整体流程示意图。图2为本专利技术一实施例中人体部件及全身信息与人体属性的对应图。图3为本专利技术一实施例中多任务深度学习网络结构图。图4为本专利技术一实施例中全局特征网络结构图。图5为本专利技术一实施例中人体部件分割网络结构图。图6为本专利技术一实施例中的行人属性网络结构图。图7为本专利技术一实施例中对单帧图像进行非结构化分析的流程示意图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步的详细说明。为了突出本专利技术的重点，本文对一些常规的设备、装置、部件和操作进行了省略，或仅作简单描述。参照图1，一种基于形体识别的案件智能串并方法，包括以下步骤：S01、建立形体库。具体地，包括以下步骤：T01、对涉案视频进行预处理。系统对接涉案视图库，自动对涉案视频进行结构化分析和非结构化分析；分析完成后，将目标特征值进行存储，并将视频摘要展现在页面上。参照图2，所述结构化分析是对视频内容中的形体进行结构化特征提取：先对人体图片的人体部件进行定位，再根据人体部件和全身信息提取人体的结构化特征。所述人体部件包括人物的头、大臂、小臂、躯干、大腿、小腿和脚7个部件。所述结构化特征以人体的性别(男/女)、年龄(儿童/青少年/成年/老年)、发型(短发/披肩长/披肩短/束发)、头饰(帽子/耳机/其他)、上衣颜色(黑/白/紫/黄/灰/蓝/绿/棕/红)、上衣花纹(纯色/logo/条纹/格纹/碎花)、上衣款式(长袖/短袖)、下装颜色(黑/白/紫/黄/灰/蓝/绿/棕/红)、下装花纹(纯色/logo/条纹/格纹/碎花)、下装款式(长裤/短裤)、人物动作(骑车/步行)和附属物信息(双肩包/单肩包/手提包/其他)12种属性的置信度得分向量表示。具体的，参照中国专利CN110852276A“一种基于多任务深度学习的行人再识别方法”，所述结构化分析包括以下步骤：E01、参照图3，构建多任务深度学习网络，包括骨干网络和三个子任务网络，所述子任务本文档来自技高网...

【技术保护点】
1.一种基于形体识别的案件智能串并方法，其特征在于，包括以下步骤：/nS01、建立形体库，形体库中每一目标的特征包括结构化特征和非结构化特征；/nS02、若存在嫌疑人目标的图视资料，对图视资料中的嫌疑人目标进行结构化特征和非结构化特征提取，进行步骤S03；否则，根据目击证人的描述构建嫌疑人目标的结构化特征，进行步骤S04；/nS03、将嫌疑人目标的结构化特征和形体库中目标的结构化特征进行比对，得到结构化特征相似度；将嫌疑人目标的非结构化特征和形体库中目标的非结构化特征进行比对，得到非结构化特征相似度；对结构化特征相似度和非结构化特征相似度进行加权求和，得到最终相似度；根据最终相似度从大到小推送结果；/nS04、将嫌疑人目标的结构化特征与形体库中目标的结构化特征进行比对，得到结构化特征相似度；根据结构化特征相似度从大到小推送结果。/n

【技术特征摘要】
1.一种基于形体识别的案件智能串并方法，其特征在于，包括以下步骤：
S01、建立形体库，形体库中每一目标的特征包括结构化特征和非结构化特征；
S02、若存在嫌疑人目标的图视资料，对图视资料中的嫌疑人目标进行结构化特征和非结构化特征提取，进行步骤S03；否则，根据目击证人的描述构建嫌疑人目标的结构化特征，进行步骤S04；
S03、将嫌疑人目标的结构化特征和形体库中目标的结构化特征进行比对，得到结构化特征相似度；将嫌疑人目标的非结构化特征和形体库中目标的非结构化特征进行比对，得到非结构化特征相似度；对结构化特征相似度和非结构化特征相似度进行加权求和，得到最终相似度；根据最终相似度从大到小推送结果；
S04、将嫌疑人目标的结构化特征与形体库中目标的结构化特征进行比对，得到结构化特征相似度；根据结构化特征相似度从大到小推送结果。


2.根据权利要求1所述的基于形体识别的案件智能串并方法，其特征在于，步骤S03中，所述最终相似度的计算公式为：
Sim(X,Y)＝(1-a)·Sim(X1,Y1)+a·Sim(X2,Y2)；
其中，a为加权系数；Sim(X1,Y1)为结构化特征相似度，Sim(X2,Y2)为非结构化特征相似度。


3.根据权利要求2所述的基于形体识别的案件智能串并方法，其特征在于，所述加权系数为0.2～0.5。


4.根据权利要求1至3任一项所述的基于形体识别的案件智能串并方法，其特征在于，所述结构化特征相似度的计算公式为：



其中，X1为嫌疑人目标的结构化特征向量，Y1为形体库中目标的结构化特征向量；||x1||和||y1||分别表示向量X1和Y1的模，表示向量X1和Y1的点积。


5.根据权利要求1至3任一项所述的基于形体识别的案件智能串并方法，其特征在于，所述非结构化特征相似度的计算公式为：



其中，X2为嫌疑人目标的非...

【专利技术属性】
技术研发人员：宋竫，宋强，姜元琨，刘静，丁超辉，张华新，
申请(专利权)人：杭州云栖智慧视通科技有限公司，
类型：发明
国别省市：浙江;33