基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法技术

本发明专利技术公开了基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法，具体涉及图像识别技术领域，包括原问题重定义、设定关键假定、初始化贝叶斯学习模型中所需的似然概率和先验概率、贝叶斯学习模型构建和训练、后验概率大于设定阈值，将相关信息同步到系统中的其它平台或组件，或作为情报信息同步到内网中、将数据用以训练、验证和测试有监督学习模型、将构建的有监督学习模型作为辅助的研判模型，与根据关键假定评估与贝叶斯学习构建的模型同时使用。本发明专利技术通过将关键假定评估与贝叶斯学习相结合的方法，以识别意图突发犯罪的潜在人员，并进一步与有监督学习模型相结合，从一定程度上解决此类突发事件的预警和研判难题。程度上解决此类突发事件的预警和研判难题。程度上解决此类突发事件的预警和研判难题。

Identification method of potential sudden criminals based on hypothesis evaluation and Bayesian learning

【技术实现步骤摘要】
基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法


[0001]本专利技术涉及图像识别
，更具体地说，本专利技术涉及基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法。

技术介绍

[0002]以摄像头为代表的传感器设备广泛应用于实时安全监控场景中，得益于人工智能技术的高速发展，众多学界与工业界的研究人员将其运用于智慧城市与智能安防场景中，通过边缘计算或云计算能实时提取传感器流数据(如摄像头视频流)中众多特征，同时根据业务方向将报警信息、捕捉图像与提取特征等同步到后台数据中心。同时，对于诸如加油站、学校、电厂、水厂周边等公共服务场景中意图突发犯罪的潜在人员识别是一个难点，特别是针对没有犯罪前科人员或落地场景中没有敏感内网黑名单的情况下，无法使用目前的技术手段做到提前预防。
[0003]现有技术存在以下不足：现有的智能安防产品将针对视频流数据提取的结构化特征数据、捕捉图像、报警信息等输出到数据中Kafka、ElasticSearch、MySQL等开发组件，作为产品软件前端展现时的数据来源，但该部分高价值数据通常被忽略，没有基于专业业务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于假定评估与贝叶斯学习的潜在突发犯罪人员识别方法，其特征在于，该方法包括以下步骤：S1：原问题重定义，受限于相关信息和平台接入困难，为了解决该分析模型构建思路的问题，可将原待解决问题转换为“XXX地方哪些人员不是危险分子？”，这样将较为困难的极端异常预测转换为较为容易的正常行为判别，由于在特定场景下(比如加油站加油)，因而可利用视频监控提取的特征信息或进一步结合其它信息进行分析模型的构建。S2：设定关键假定，关键假定包括基础关键假定和具体的子关键假定S3：依据关键假定，初始化贝叶斯学习模型中所需的似然概率和先验概率。S4：贝叶斯学习模型构建和训练针对需解决的问题和基于关键假定，将针对行为人的突然袭击概率计算进行分解，每一个分解项都会对单人突然袭击后验概率的维持或降低产生影响，同时，每个分解项的计算基于相关传感器对行为人提取的特征输入。模型初始设定所有人员实施突然袭击的概率都是99％，通过新鲜的信息不断输入后，根据贝叶斯学习原理实时计算其实施突然袭击的后验概率：S5：若计算后的后验概率大于设定的阀值(如80％)，实施现场预警并将相关信息同步到系统中的其它平台或组件，或作为情报信息同步到内网中，作为高价值信息利用内网的其它敏感数据和模型进一步进行研判和预警等。S6：将人工确定核实事件(突然袭击)对应的传感器提取数据以及随机抽取的正常行为人对应的传感器提取数据作为重要的数据集，用以训练、验证和测试有监督学习模型。S7：将构建的有监督学习模型作为辅助的研判模型，与根据关键假定评估与贝叶斯学习构建的模型同时使用...

【专利技术属性】
技术研发人员：刘晶，唐梓文，王淳，朱昶，
申请(专利权)人：浙江网安信创电子技术有限公司，
类型：发明
国别省市：