本发明专利技术实施例公开了一种电像计算时空轨迹车码关联方法、装置、设备及存储介质。该方法包括：实时采集车牌记录和移动终端的IMSI记录，并存储每张所述车牌记录及每条所述IMSI记录的时空信息；根据所述时空信息，通过特征工程构造所述车牌记录与所述IMSI记录之间的关联特征；将所述关联特征输入训练好的梯度提升树车码关联模型，预测得到所述车牌记录与所述IMSI记录之间的关联概率，以根据所述关联概率确定关联关系对。实现了高效、准确的进行车码关联预测，得到了更好的车码关联结果，并可适用于采样范围较大的侦码设备上，从而为侦查、防控等工作提供更加准确实时的关联信息，进而掌握更多线索，为社会安全提供助力。为社会安全提供助力。为社会安全提供助力。
【技术实现步骤摘要】
电像计算时空轨迹车码关联方法、装置、设备及存储介质
[0001]本专利技术实施例涉及电像计算
，尤其涉及一种电像计算时空轨迹车码关联方法、装置、设备及存储介质。
技术介绍
[0002]电像计算是通过后台大数据和人工智能系统的分析，将手机IMSI码、IMEI码等智能终端感知源的数据与人脸图片、车牌图片等图像数据进行融合计算，进而建立起相关数据源对象的关联关系、行为模式等信息。电像计算系统可以为侦查工作提供线索，为防控工作提供预警，因而有着很广泛的应用。在电像计算问题中，时空轨迹关联是现实应用场景中最关心的问题之一，也是解决其他很多问题的基础。时空轨迹关联包括脸码关联与车码关联，本专利技术关注车码关联问题。车码关联在侦查、防控等工作中有着广泛的应用需求：例如在案件侦查时，有可能案件线索只知道某对象坐过的车或只知道手机号，想要通过车找手机或通过手机找车，车码关联算法与系统就可以帮助拓展案件线索，缩小目标范围；在防控场景中，可以通过车码关联找出同车人员，从而为排查密接提供帮助。
[0003]但是由于用于采集IMSI信息的侦码设备具备一定的采样范围（通常为200
‑
1000米不等），因此侦码设备会采集到大量不相关的IMSI信息，为车码关联工作增加难度，如何在车码关联时消除这种不确定性，以进行有效的匹配，则成为目前急需解决的难题。
技术实现思路
[0004]本专利技术实施例提供一种电像计算时空轨迹车码关联方法、装置、设备及存储介质，以实现高效、准确的进行车码关联预测。
[0005]第一方面，本专利技术实施例提供了一种电像计算时空轨迹车码关联方法，该方法包括：实时采集车牌记录和移动终端的IMSI记录，并存储每张所述车牌记录及每条所述IMSI记录的时空信息；根据所述时空信息，通过特征工程构造所述车牌记录与所述IMSI记录之间的关联特征；将所述关联特征输入训练好的梯度提升树车码关联模型，预测得到所述车牌记录与所述IMSI记录之间的关联概率，以根据所述关联概率确定关联关系对。
[0006]可选的，在所述实时采集车牌记录和移动终端的IMSI记录之前，还包括：通过测试人员使用车辆在目标地域活动，将采集得到样本车牌记录和样本IMSI记录作为初始正样本，并基于所述初始正样本生成初始负样本；通过所述特征工程构造所述初始正样本及所述初始负样本的样本关联特征；建立所述梯度提升树车码关联模型；根据所述样本关联特征对所述梯度提升树车码关联模型进行训练，得到训练好的所述梯度提升树车码关联模型。
[0007]可选的，所述根据所述样本关联特征对所述梯度提升树车码关联模型进行训练，得到训练好的所述梯度提升树车码关联模型，包括：将所述样本关联特征按照预设比例随机划分为训练集和验证集；使用所述训练集对所述梯度提升树车码关联模型进行训练，并使用所述验证集对训练后的所述梯度提升树车码关联模型进行验证；若验证结果满足预设条件，则保存当前得到的所述梯度提升树车码关联模型，若不满足，则重新进行训练。
[0008]可选的，在所述将所述关联特征输入训练好的梯度提升树车码关联模型，预测得到所述车牌记录与所述IMSI记录之间的关联概率，以根据所述关联概率确定关联关系对之后，还包括：从实时采集得到的所述车牌记录和所述IMSI记录中选取补充正样本，并基于所述补充正样本生成补充负样本；根据所述补充正样本及所述补充负样本的补充关联特征对所述梯度提升树车码关联模型进行训练，以更新所述梯度提升树车码关联模型。
[0009]可选的，所述关联特征包括：碰撞特征、速度与方向特征、轨迹相似度特征、场景特征以及组合特征中的至少一种。
[0010]可选的，在所述实时采集车牌记录和移动终端的IMSI记录之后，还包括：对所述车牌记录和所述IMSI记录进行异常数据处理，所述异常数据处理包括：车牌错误识别修复、经纬度异常修复以及关键字段缺失数据删除中的至少一种；和/或，对所述车牌记录和所述IMSI记录进行数据建档。
[0011]可选的，所述实时采集车牌记录，包括：通过车牌相机实时采集车牌相片；将所述车牌相片输入光学字符识别系统，以识别得到所述车牌记录。
[0012]第二方面，本专利技术实施例还提供了一种电像计算时空轨迹车码关联装置，该装置包括：数据采集模块，用于实时采集车牌记录和移动终端的IMSI记录，并存储每张所述车牌记录及每条所述IMSI记录的时空信息；关联特征构造模块，用于根据所述时空信息，通过特征工程构造所述车牌记录与所述IMSI记录之间的关联特征；关联关系确定模块，用于将所述关联特征输入训练好的梯度提升树车码关联模型，预测得到所述车牌记录与所述IMSI记录之间的关联概率，以根据所述关联概率确定关联关系对。
[0013]第三方面，本专利技术实施例还提供了一种计算机设备，该计算机设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例所提供的电像计算时空轨迹车码关联方法。
[0014]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所提供的电像计算时空轨迹车码关联
方法。
[0015]本专利技术实施例提供了一种电像计算时空轨迹车码关联方法，首先实时采集车牌记录和移动终端的IMSI记录，并存储每张车牌记录和每条IMSI记录的时空信息，然后根据该时空信息通过特征工程构造车牌记录与IMSI记录之间的关联特征，再将关联特征输入训练好的梯度提升树车码关联模型，以预测得到车牌记录与IMSI记录之间的关联概率，从而可以根据该关联概率确定所需的关联关系对。本专利技术实施例所提供的电像计算时空轨迹车码关联方法，通过使用特征工程构造各种关联特征，将车牌、IMSI码这两种不同模态数据的特征之间的关联引入到特征工程中，并使用训练好的梯度提升树车码关联模型进行预测，可以高效、准确的进行车码关联预测，得到了更好的车码关联结果，并可适用于采样范围较大的侦码设备上，从而为侦查、防控等工作提供更加准确实时的关联信息，进而掌握更多线索，为社会安全提供助力。
附图说明
[0016]图1为本专利技术实施例一提供的电像计算时空轨迹车码关联方法的流程图；图2为本专利技术实施例二提供的电像计算时空轨迹车码关联装置的结构示意图；图3为本专利技术实施例三提供的计算机设备的结构示意图。
具体实施方式
[0017]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0018]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电像计算时空轨迹车码关联方法，其特征在于，包括：实时采集车牌记录和移动终端的IMSI记录，并存储每张所述车牌记录及每条所述IMSI记录的时空信息；根据所述时空信息，通过特征工程构造所述车牌记录与所述IMSI记录之间的关联特征；将所述关联特征输入训练好的梯度提升树车码关联模型，预测得到所述车牌记录与所述IMSI记录之间的关联概率，以根据所述关联概率确定关联关系对。2.根据权利要求1所述的电像计算时空轨迹车码关联方法，其特征在于，在所述实时采集车牌记录和移动终端的IMSI记录之前，还包括：通过测试人员使用车辆在目标地域活动，将采集得到样本车牌记录和样本IMSI记录作为初始正样本，并基于所述初始正样本生成初始负样本；通过所述特征工程构造所述初始正样本及所述初始负样本的样本关联特征；建立所述梯度提升树车码关联模型；根据所述样本关联特征对所述梯度提升树车码关联模型进行训练，得到训练好的所述梯度提升树车码关联模型。3.根据权利要求2所述的电像计算时空轨迹车码关联方法，其特征在于，所述根据所述样本关联特征对所述梯度提升树车码关联模型进行训练，得到训练好的所述梯度提升树车码关联模型，包括：将所述样本关联特征按照预设比例随机划分为训练集和验证集；使用所述训练集对所述梯度提升树车码关联模型进行训练，并使用所述验证集对训练后的所述梯度提升树车码关联模型进行验证；若验证结果满足预设条件，则保存当前得到的所述梯度提升树车码关联模型，若不满足，则重新进行训练。4.根据权利要求2所述的电像计算时空轨迹车码关联方法，其特征在于，在所述将所述关联特征输入训练好的梯度提升树车码关联模型，预测得到所述车牌记录与所述IMSI记录之间的关联概率，以根据所述关联概率确定关联关系对之后，还包括：从实时采集得到的所述车牌记录和所述IMSI记录中选取补充正样本，并基于所述补充正样本生成补充负样本；根据所述补充正样本及所述补充负样本的补充关联...
【专利技术属性】
技术研发人员：王东锋，余亦阳，杨德武，
申请(专利权)人：深圳前海中电慧安科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。