一种人员变动识别方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种人员变动识别方法、装置、设备及存储介质，应用于人口普查领域，该方法包括：获取当前周期超声波设备采集的出租房内初始身高数据；利用核密度估计算法对初始身高数据进行密度分布分析，得到身高分布概率公式；利用网格数据交叉验证法，将身高分布概率公式拟合成身高曲线；对身高曲线进行波峰分析，确定出租房内的人员人数和身高；根据人数和身高确定是否出现人口变化。本申请利用对数据进行密度分布分析和网格数据交叉验证方法可以解决现有技术中对多人检测的不准确，即当出租房内存在多人时，本方法可以精准检测到出租房内的人数和身高情况，通过人数和身高判断出租房内人员是否发生改变，是否出现人员流动。动。动。

【技术实现步骤摘要】
一种人员变动识别方法、装置、设备及存储介质


[0001]本申请涉及人口普查领域，特别涉及一种人员变动识别方法、装置、设备及存储介质。

技术介绍

[0002]出租房尤其是群租房是流动人口主要的聚集地，其人员结构复杂，人员流动性强，住户变化速度快，管理部门很难有效掌握出租房内流动人口的实际居住情况。
[0003]现有技术可以采用管理部门相关人员逐个上门登记排查，但上门登记排查的方法工作量大且效率低下，很多时候刚排查完没多久人员就发生了变化。传统方法还包括采用超声波、热释电等检测人员身高，从概率学的角度分析，单个人员身高数据整体呈现正态分布，可通过正态分布分析计算疑似身高，但当房内有多个居住人员时，人员之间身高数据相互叠加，导致无法通过传统统计方法分析房内人员身高分布情况，无法确定人员人数以及人员身高情况。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种人员变动识别方法、装置、设备及存储介质，解决了现有技术中人员检测不准确的问题。
[0005]为解决上述技术问题，本申请提供了一种人员变动识别方法，包括：
[0006]获取当前周期超声波设备采集的出租房内初始身高数据；
[0007]利用核密度估计算法对所述初始身高数据进行密度分布分析，得到身高分布概率公式；
[0008]利用网格数据交叉验证法，将所述身高分布概率公式拟合成身高曲线；所述身高曲线的横坐标为身高值，纵坐标为概率值；
[0009]对所述身高曲线进行波峰分析，确定所述出租房内的人员人数和人员身高；
[0010]当所述人员人数与历史周期的人员人数不一致或/且所述人员身高与历史周期的人员身高的差值大于预设差值，则所述出租房内人员发生变化。
[0011]可选的，所述获取当前周期超声波设备采集的出租房内初始身高数据，包括：
[0012]获取当前周期所述超声波设备采集的出租房内人员身高数据以及各个人员身高数据对应的声强参数；
[0013]删除声强参数大于预设声强阈值对应的人员身高数据，得到所述初始身高数据。
[0014]可选的，所述对所述身高曲线进行波峰分析，确定所述出租房内的人员人数和人员身高，包括：
[0015]将除所述身高曲线中的最高波峰之外的其它波峰作为待测波峰集合；
[0016]根据所述最高峰值对应的概率值设定波峰阈值；
[0017]将满足预设条件的波峰作为有效波峰；所述预设条件包括所述待测波峰集合中的波峰大于所述波峰阈值的波峰；
[0018]计算所述有效波峰的数量，作为第一数量；
[0019]将所述第一数量加1作为所述出租房内的人员人数；
[0020]将所述有效波峰和所述最高波峰对应的身高值作为所述出租房内的人员身高。
[0021]可选的，所述预设条件还包括：
[0022]所述身高曲线的波峰位置可导。
[0023]可选的，所述将所述有效波峰和所述最高波峰对应的身高值作为所述出租房内的人员身高，包括：
[0024]根据所述有效波峰和所述最高波峰对应的身高值设定预设身高范围；
[0025]利用Kmeans算法分析所述预设身高范围内的身高数据，得到所述有效波峰和所述最高波峰的身高聚集点；
[0026]将所述身高聚集点对应的身高值作为出租房内的人员身高。
[0027]可选的，还包括：
[0028]利用DBSCAN算法计算时间维度上密度达到预设密度阈值的身高数据；
[0029]根据时间维度将每个聚类的所述身高数据进一步分为多个聚类簇，以得到各个身高人员的活动集中时间段聚类；
[0030]利用Kmeans算法确定所述多个聚类簇中的每一个聚类簇的中心点，以得到各个身高人员的活动集中时间段；
[0031]根据所述活动集中时间段判断所述出租房内人员是否为常住人员。
[0032]可选的，还包括：
[0033]获取光传感器采集的光照数据；
[0034]分析所述光照数据中光照变化对应的时间分布；
[0035]将所述时间分布作为出租房内人员活动规律中的作息规律；
[0036]根据所述作息规律确定所述出租房内人员的人员标签。
[0037]本申请还提供了一种人员变动识别装置，包括：
[0038]获取模块，用于当前周期获取超声波设备采集的出租房内初始身高数据；
[0039]分析模块，用于利用核密度估计算法对所述初始身高数据进行密度分布分析，得到身高分布概率公式；
[0040]拟合模块，用于利用网格数据交叉验证法，将所述身高分布概率公式拟合成身高曲线；所述身高曲线的横坐标为身高值，纵坐标为概率值；
[0041]确定模块，用于对所述身高曲线进行波峰分析，确定所述出租房内的人员人数和人员身高；
[0042]判断模块，用于当所述人员人数与历史周期的人员人数不一致或/且所述人员身高与历史周期的人员身高的差值大于预设差值，则所述出租房内人员发生变化。
[0043]本申请还提供了一种人员变动识别设备，包括：
[0044]存储器，用于存储计算机程序；
[0045]处理器，用于执行所述计算机程序实现上述的人员变动识别方法的步骤。
[0046]本申请还提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的人员变动识别方法的步骤。
[0047]可见，本申请通过对数据进行密度分布分析和网格数据交叉验证方法对数据进行
拟合，得到拟合曲线，根据拟合曲线确定疑似人员个数和疑似人员身高。并且当出租房内存在多人时，也可以精准检测到出租房内的人员人数以及身高情况，通过人员人数是否变化以及身高是否变化来判断出租房内人员是否发生改变，是否出现人员流动。
[0048]此外，本申请还提供了一种人员变动识别装置、设备及存储介质，同样具有上述有益效果。
附图说明
[0049]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0050]图1为本申请实施例提供的一种人员变动识别方法的流程图；
[0051]图2为本申请实施例提供的一种人员变动识别装置的结构示意图；
[0052]图3为本申请实施例提供的一种人员变动识别设备的结构示意图。
具体实施方式
[0053]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0054]出租房尤其是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人员变动识别方法，其特征在于，包括：获取当前周期超声波设备采集的出租房内初始身高数据；利用核密度估计算法对所述初始身高数据进行密度分布分析，得到身高分布概率公式；利用网格数据交叉验证法，将所述身高分布概率公式拟合成身高曲线；所述身高曲线的横坐标为身高值，纵坐标为概率值；对所述身高曲线进行波峰分析，确定所述出租房内的人员人数和人员身高；当所述人员人数与历史周期的人员人数不一致或/且所述人员身高与历史周期的人员身高的差值大于预设差值，则所述出租房内人员发生变化。2.根据权利要求1所述的人员变动识别方法，其特征在于，所述获取当前周期超声波设备采集的出租房内初始身高数据，包括：获取当前周期所述超声波设备采集的出租房内人员身高数据以及各个人员身高数据对应的声强参数；删除声强参数大于预设声强阈值对应的人员身高数据，得到所述初始身高数据。3.根据权利要求1所述的人员变动识别方法，其特征在于，所述对所述身高曲线进行波峰分析，确定所述出租房内的人员人数和人员身高，包括：将除所述身高曲线中的最高波峰之外的其它波峰作为待测波峰集合；根据所述最高峰值对应的概率值设定波峰阈值；将满足预设条件的波峰作为有效波峰；所述预设条件包括所述待测波峰集合中的波峰大于所述波峰阈值的波峰；计算所述有效波峰的数量，作为第一数量；将所述第一数量加1作为所述出租房内的人员人数；将所述有效波峰和所述最高波峰对应的身高值作为所述出租房内的人员身高。4.根据权利要求3所述的人员变动识别方法，其特征在于，所述预设条件还包括：所述身高曲线的波峰位置可导。5.根据权利要求3所述的人员变动识别方法，其特征在于，所述将所述有效波峰和所述最高波峰对应的身高值作为所述出租房内的人员身高，包括：根据所述有效波峰和所述最高波峰对应的身高值设定预设身高范围；利用Kmeans算法分析所述预设身高范围内的身高数据，得到所...

【专利技术属性】
技术研发人员：沈家骏，张建敏，沈良忠，官鲁斌，高曼如，
申请(专利权)人：温州商学院，
类型：发明
国别省市：