基于人脸抓拍和手机串码数据实现“人码合一”的方法技术

本发明专利技术公开基于人脸抓拍和手机串码数据实现“人码合一”的方法。包括碰撞面算法和人码合一算法；根据时间范围和相机范围在图片抓拍库中得到人脸数据的抓拍人员；根据时间范围和手机串码设备范围在侦码采集库中得到手机串码数据的抓拍人员；根据A区域的抓拍人员和B区域的抓拍人员碰撞得到区域中相似的人员；保存碰撞面结果。本发明专利技术以人脸抓拍设备采集到的大量人脸图像数据、进出人员的手机串码数据为基础，使用机器学习聚类算法、深度学习计算机视觉技术和碰撞面算法结合滑动窗口和滚动窗口，对不同情况采用不同排查策略和方法，从而实现了人脸图像和手机串码的“人码合一”。。。

【技术实现步骤摘要】
分为白天常驻人口的手机串码数据公式和夜间常驻人口 的手机串码数据从而从而
[0023]其中：n
d
是碰撞面黑名单规则在给定范围内的天数向量；
[0024]n0是白天常驻人口的滚动窗口中，手机串码数据出现的次数；
[0025]n1是夜间常驻人口的滚动窗口中，手机串码数据出现的次数；
[0026]h是每日白天常驻人口的碰撞面存在时长向量；
[0027]h0是每日白天常驻人口的碰撞面存在时长；
[0028]h1是每日夜间常驻人口的碰撞面存在时长；
[0029]k是碰撞面黑名单等级系数，k＝1，2,3；
[0030]t
h
是碰撞面黑名单常驻小时数向量；
[0031]t
h0
是白天常驻人口的碰撞面黑名单常驻小时数；
[0032]t
h1
是夜间常驻人口的碰撞面黑名单常驻小时数；
[0033]是白天常驻人口的手机串码数据；
[0034]是夜间常驻人口的手机串码数据。
[0035]上述人码合一算法的函数表达式：上述人码合一算法的函数表达式：
[0036]其中：S(Δ)是关于差异Δ的函数，如S(Δ)≥Thresold：为同一个人；S(Δ)＜Thresold：非同 一个人；
[0037]Φ
ij
是天数；
[0038]T
ij
是时间；
[0039]Φ
t
是单位转换矩阵；
[0040]m是人脸类别；
[0041]c是每个人脸类别的特征中心，可学习参数。
[0042]优选的，步骤获取相机ID和手机串码设备编号对照表，匹配相机人脸抓拍图片和手机 串码设备，剔除非手机串码设备有效范围的人脸抓拍图片后加入步骤：可获取对应手机串码 设备ID的手机串码黑名单数据。
[0043]本专利技术的有益效果：本专利技术以人脸抓拍设备采集到的大量人脸图像数据、进出人员的手 机串码数据为基础，使用机器学习聚类算法、深度学习计算机视觉技术和碰撞面算法结合滑 动窗口和滚动窗口，对不同情况采用不同排查策略和方法，从而实现了人脸图像和手机串码 的“人码合一”。
附图说明
[0044]图1为碰撞面设计逻辑图；
[0045]图2为碰撞面流程框图；
[0046]图3为人码合一算法流程图。
具体实施方式
[0047]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。
[0048]基于人脸抓拍和手机串码数据实现“人码合一”的方法，包括碰撞面算法和人码合一算 法；
[0049]如图1所示，碰撞面算法包括步骤如下：
[0050]根据时间范围和相机范围在图片抓拍库中得到人脸数据的抓拍人员；
[0051]根据时间范围和手机串码设备范围在侦码采集库中得到手机串码数据的抓拍人员；
[0052]根据A区域的抓拍人员和B区域的抓拍人员碰撞得到区域中相似的人员，标注为关注 人员；
[0053]保存碰撞面结果。
[0054]碰撞面的超平面方程为：
[0055]其中：x为碰撞面样本点向量，x＝{x1，x2，x3......x
n
}，n是特征值的个数；
[0056]w为权重向量，w＝{w1，w2，w3......w
n
}，n是特征值的个数，w
T
代表w的转置；
[0057]b是截距常数。
[0058]如图2所示，碰撞面流程如下：
[0059]S01：通过关注人员和和碰撞面结合来确定是否居住在碰撞面；如是则执行S02，如果 否则执行S02
’
；通过关注人员得到关注人员照片；通过碰撞面得到相机照片；
[0060]S02：获取居住楼栋楼道相机，与碰撞面得到的相机照片，同时由关注人员得到关注人 员照片，通过相机照片与关注人员照片经过人脸识别检索得到照片时间和相机，
[0061]S02
’
：得到碰撞面相机照片，结合从关注人员得到的得到人员照片，结合关注人员照片 和碰撞面相机照片，经过人脸识别检索得到相机和和照片时间；
[0062]S03：由照片时间结合步骤S02
’
得到的照片时间经过垂直流布局来判断筛选A中有而C 中无的IMSI码；由相机和和垂直流布局结合来判断区分出入；如出则筛选A+B有而C没 有的IMSI码；入则筛选A+C有而B没有的IMSI码；以上两项结合统计重复的IMSI码， 以及各个IMSI码出现次数；再优先常驻黑名单；
[0063]S03
’
：经过垂直流布局筛选A中有而C中无的IMSI码，再结合步骤S02
’
中相机得到各 个相机各个IMSI码出现次数统计；去年出现次数较少的IMSI码，去除常驻黑名单；
[0064]S04：结合步骤S03和S03
’
的常驻黑名单中反查这些IMSI码出现的时间和和位置，判 断是否有现有照片的时间和位置冲突，去除冲突的IMSI码，最后输出最大可能性的IMSI 码。
[0065]其中，垂直流布局中定义，A为照片前后5mini；B为照片前25到前前5mini，C为照 片后5到后25min。
[0066]人脸抓拍设备和手机串码采集设备由于安装位置、角度和设备工作效率的问题，会采集 大量附近的常驻人口、商场店铺工作人员、路过人员的信息，为了保证系统的效果，需要将 这一部分人员筛选出来，作为黑名单数据单独处理。本专利技术通过在碰撞面算法与人码合一算 法之间加入碰撞面黑名单的方式筛选碰撞面覆盖范围内常驻人口的手机串码，
level2，大于2/3天数为黑名单level3；
[0094]从而，对每日的常驻人口可表示为如下形式：
[0095][0096]其中，
[0097]n0是白天常驻人口的滚动窗口中，手机串码数据出现的次数；
[0098]h0是每日白天常驻人口的碰撞面存在时长，h0＝13；
[0099]k是黑名单等级系数，k＝1，2，3；
[0100]t
h0
是白天常驻人口的黑名单常驻小时数；
[0101]是白天常驻人口的手机串码数据。
[0102]夜间常驻人口规则如下：
[0103](1)时间00时～06时，共6小时/日；
[0104](2)手机串码数据按照逐小时去重，当手机串码出现在其中5个小时及以上，则认为 该手机串码在该楼栋并被电围覆盖，加入黑名单；
[0105]白天常驻人口的常驻小时t
h1
：
[0106]其中，n1是夜间常驻人口的滚动窗口中，手机串码数据出现的次数；
[0107](3)在统计的天数中，出现1/3天数为黑名单level1，出现1/3～2/3天数为黑名单 level2，大于2/3天数为黑名单levle3；
[0108]从而，夜间常驻人口可表示为如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人脸抓拍和手机串码数据实现“人码合一”的方法，其特征在于：包括碰撞面算法和人码合一算法；碰撞面算法包括步骤如下：根据时间范围和相机范围在图片抓拍库中得到人脸数据的抓拍人员；根据时间范围和手机串码设备范围在侦码采集库中得到手机串码数据的抓拍人员；根据A区域的抓拍人员和B区域的抓拍人员碰撞得到区域中相似的人员；保存碰撞面结果。人码合一算法包括步骤如下：取上述碰撞面人脸抓拍设备采集的过去多个月的所有人脸图像聚类结果、对应的人员ID和采集时间；取碰撞面侦码设备采集的过去多个月的所有手机串码、对应的人员ID、ID的采集轮次以及上次处理时间；获取相机ID和手机串码设备编号对照表，匹配相机人脸抓拍图片和手机串码设备，剔除非手机串码设备有效范围的人脸抓拍图片；人码合一碰撞，获取人员ID和手机串码对应匹配表和概率。2.根据权利要求1所述基于人脸抓拍和手机串码数据实现“人码合一”的方法，其特征在于：所述碰撞面的超平面方程为：其中：x为碰撞面样本点向量，x＝{x1,x2,x3……
x
n
}，n是特征值的个数；w为权重向量，w＝{w1,w2,w
％
……
w
n
}，n是特征值的个数，w
T
代表w的转置；b是截距常数。3.根据权利要求1所述基于人脸抓拍和手机串码数据实现“人码合一”的方法，其特征在于：所述碰撞面算法加入碰撞面黑名单，碰撞面黑名单的手机串码数据表达式：分为白天常驻人口的手机串码数据公式和夜间常驻人口的手机串码数据从而从而其中：...

【专利技术属性】
技术研发人员：霍红文，孙靖宇，赵伟伟，
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：