基于图像聚类数据进行区域人口分类管理方法技术

本发明专利技术公开基于图像聚类数据进行区域人员分类管理方法。包括通过数据接入模块，接入所需视频流数据、人脸和人体抓拍图片数据；视频流数据、人脸和人体抓拍图片数据分别通过人像视频结构化和图片结构化计算引擎进行人脸和人体结构化，输出获取相应的人脸和人体结构化数据；对接入所有人脸抓拍设备的基础信息数据；调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成视频身份ID的创建和赋予过程；以Hadoop或Spark分布式计算框架为基础，构建人脸分类算法。本发明专利技术对聚类归集数据再加工，进行分析挖掘，进行区域人口精细分类，便于在人口管理过程中使用。用。用。

【技术实现步骤摘要】
基于图像聚类数据进行区域人口分类管理方法


[0001]本专利技术涉及计算机
，尤其涉及基于图像聚类数据进行区域人口分类管理方法。

技术介绍

[0002]现有技术中涉及到区域人口分类管理的技术方案有以下两种：
[0003]一.当前区域实有人口的管理工作量大量依赖社区民警进行不定期“上门”数据采集，通过采集APP进行系统录入，受制于采集时间、采集频率和采集范围无法做对即时和全覆盖，导致数据采集不全、数据质量差、数据真实性难以难等问题，也进一步导致公安人口管理工作难以做出成绩，其不足之处在于：1.数据采集汇聚严重依赖人工，数据不全、错误率高；2.数据质量问题导致难以对区域人员数据进行分类管理；3.缺少对人工采集、汇聚数据的验证办法；4.基于人工采集、汇聚的数据难以实现对区域人口进行精细化管理。
[0004]二.通过人脸识别系统对区域人员进出进行人脸抓拍，然后对抓拍结果进行查询统计，分析得出当前抓拍目标在本区域进出或出现次数。其不足之处在于：1.对区域人员频次分析，只能通过大数据分析模型，每次在海量的抓拍数据中重新计算得出，受制于人脸特征值对比计算需要依赖GPU算力，因此随着抓拍数据量的逐步增加，模型分析计算的GPU资源消耗线性增加、人脸比对精度直线下降；2.没有结合社区民警采集的一标三实中实有人口数据进行关联分析，找出异常数据，推进数据准确性的持续提升。

技术实现思路

[0005]本专利技术的目的克服现有技术中的不足而提供一种基于图像聚类数据进行区域人口分类管理方法，该方法对聚类归集数据再加工，进行分析挖掘，进行区域人口精细分类，便于在人口管理过程中使用。
[0006]本专利技术的技术方案如下：
[0007]基于图像聚类数据进行区域人口分类管理方法，其特征在于：包括
[0008]通过数据接入模块，接入所需视频流数据、人脸和人体抓拍图片数据；
[0009]视频流数据、人脸和人体抓拍图片数据分别通过人像视频结构化和图片结构化计算引擎进行人脸和人体结构化，输出获取相应的人脸和人体结构化数据；
[0010]对接所有人脸抓拍设备的基础信息数据；
[0011]调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成视频身份ID的创建和赋予过程；
[0012]以Hadoop或Spark分布式计算框架为基础，构建人脸分类算法，结合抓拍时间、时间规律进行判定分析。
[0013]上述人脸聚类分析算法包括：
[0014]接入已处理好的人脸和人体结构化数据，包括特征值和结构化属性数据；
[0015]加载已接入的人脸抓拍设备的基础信息数据；
[0016]加载已有的全量聚类人脸数据；
[0017]进行人脸特征值对比，基于抓拍时间的人脸结构化属性关联分析；
[0018]基于关联设备的抓拍时间、地点进行时空关系分析，从初步聚类数据中去除干扰数据；
[0019]完成目标聚类数据更新。
[0020]判定为持续一段时间出现在某区域且出现时间较均匀，得到的长期出现人员数据，长期出现人员分类实现过程包括：
[0021]获取一条人员目标的视频身份数据；
[0022]获取视频身份数据关联抓拍记录；
[0023]统计出现最多的区域分布、确定长期出现区域；
[0024]统计出现次数是否大于阈值，分析出现时段是否是分散；
[0025]确定是否为长期出现人员。
[0026]判定为之前已判定是长期出现人员，但持续一段时间未出现，得到的长期未出现人员数据，长期未出现人员分类实现过程包括：
[0027]获取一条人员目标的视频身份数据；
[0028]获取视频身份数据关联抓拍记录；
[0029]判断最新一条记录时间与当前时间差是否大于阈值；
[0030]确定是否为长期未出现人员。
[0031]判定为之前未出现在某区域，某段时间内出现较少次数，得到的临时出现人员数据，长期临时人员分类实现过程包括：
[0032]获取一条人员目标的视频身份数据；
[0033]获取视频身份数据关联抓拍记录；
[0034]统计出现次数；
[0035]判断出现次数是否小于阈值；
[0036]确定是否为临时出现人员。
[0037]判定长期出现在某区域，但在该区域的常住人口、暂住人口和实有人口中未登记，得到的未登记人员数据，长期未登记人员数据分类实现过程包括：
[0038]获取一条长期出现人员数据；
[0039]从常住/暂住人口和实有人口中进行静态大库比对检索；
[0040]判断是否有相似度大于阈值的记录；
[0041]确定是否为未登记人员。
[0042]本专利技术的有益效果：本专利技术对人脸抓图像数据进行了聚类归集，形成人像视频身份数据，将原来没有规律，难以应用的人像抓拍记录进行精细化分类。
[0043]1.将原来散放在海量人像抓拍记录中的目标身份数据进行聚类归集，进一步缩小海量数据运算数量；
[0044]2.通过实时预处理分析，有效降低即时数据分析时的GPU资源消耗，极大的降低了硬件成本；
[0045]3.通过对实时聚类轨迹数据进行数据分析的效率，远高于现有技术中的计算效率；
[0046]4.很好的解决了区域人口管理数据采集源问题；
[0047]5.对聚类归集数据再加工，进行分析挖掘，进行区域人口精细分类，便于在人口管理过程中使用；
[0048]6.极大的提高了区域实有人口的数据采集效率；
[0049]7.通过本专利技术的数据分析结果，可以对现有人工采集数据进行反向校准，督促一标三实实有人口数据采集准确率持续提升，并能形成采集
‑
核准
‑
补采
‑
再核准的良性数据治理闭环。
附图说明
[0050]图1为基于图像聚类数据进行区域人口分类管理方法流程图；
[0051]图2为长期出现人员分类实现流程图；
[0052]图3为长期未出现人员分类实现流程图；
[0053]图4为临时出现人员分类实现流程图；
[0054]图5为未登记人员分类实现流程图。
具体实施方式
[0055]为了更好的说明本专利技术，现结合实施例及附图作进一步的说明。
[0056]基于图像聚类数据进行区域人口分类管理方法，其特征在于：包括
[0057]S01：通过数据接入模块，接入所需视频流数据、人脸和人体抓拍图片数据；
[0058]S02：视频流数据、人脸和人体抓拍图片数据分别调用人像视频结构化和图片结构化计算引擎进行人脸和人体结构化，输出获取相应的人脸和人体结构化数据；
[0059]S03：对接所有人脸抓拍设备的基础信息数据；
[0060]S04：调用人像聚类分析算法，通过地点、时间、结构化特征值和结构化属性的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像聚类数据进行区域人口分类管理方法，其特征在于：包括通过数据接入模块，接入所需视频流数据、人脸和人体抓拍图片数据；视频流数据、人脸和人体抓拍图片数据分别通过人像视频结构化和图片结构化计算引擎进行人脸和人体结构化，输出获取相应的人脸和人体结构化数据；对接所有人脸抓拍设备的基础信息数据；调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成视频身份ID的创建和赋予过程；以Hadoop或Spark分布式计算框架为基础，构建人脸分类算法，结合抓拍时间、时间规律进行判定分析。2.根据权利要求1所述基于图像聚类数据进行区域人口分类管理方法，其特征在于：所述人脸聚类分析算法包括：接入已处理好的人脸和人体结构化数据，包括特征值和结构化属性数据；加载已接入的人脸抓拍设备的基础信息数据；加载已有的全量聚类人脸数据；进行人脸特征值对比，基于抓拍时间的人脸结构化属性关联分析；基于关联设备的抓拍时间、地点进行时空关系分析，从初步聚类数据中去除干扰数据；完成目标聚类数据更新。3.根据权利要求1所述基于图像聚类数据进行区域人口分类管理方法，其特征在于：判定为持续一段时间出现在某区域且出现时间较均匀，得到的长期出现人员数据，长期出现人员分类实现过程包括：获取一条人员目标的视频身份...

【专利技术属性】
技术研发人员：孙靖宇，高希，霍红文，
申请(专利权)人：南京启数智能系统有限公司，
类型：发明
国别省市：