一种基于多模态信息的人员身份关联方法及系统技术方案

本发明专利技术提供一种基于多模态信息的人员身份关联方法及系统，涉及人员身份信息关联技术领域

【技术实现步骤摘要】
一种基于多模态信息的人员身份关联方法及系统


[0001]本专利技术涉及人员身份信息关联
，具体而言，涉及一种基于多模态信息的人员身份关联方法及系统
。

技术介绍

[0002]不同社交网络平台的人员信息会因为不具有关联性一方面无法进行数据的同一，有效降低对网络资源的无效占用率，增加了网络运营的成本，也不方便进行统一的管理，另一方面也无法因为关联了身份信息能够综合不同社交网络平台的数据信息进行针对性的信息服务，降低了网络服务的质量和效率
。
[0003]因此，对身份信息的关联显得尤为重要
。
当然，不同的社交网络平台因为建立的基础条件而有模态类型的身份信息数据，进而增加了进行身份关联的复杂度
。
大多数的身份关联方式都是基于大数据的巨量分析来完成，这样一方面增加了身份关联的时间成本和资源使用成本，另一方面也不具备高效且合理的关联分析方式，无法提高关联结果的准确性
。
[0004]因此，设计一种基于多模态信息的人员身份关联方法及系统，通过合理的关联方式设计即提高了身份关联的效率，也增加了身份关联结果的准确性，是目前亟待解决的问题
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于多模态信息的人员身份关联方法，通过获取不同载体对象下的人员身份多模态信息，进行基于匹配关联性分析的合理类型划分，实现对多模态人员身份信息的有效利用，有助于提高进行人员身份关联的分析效率和准确性
。
同时，基于多模态身份类型数据，建立合理的身份关联方法模型，以更加合理更加有序的方式准确实现不同载体对象上的人员身份的关联
。
进一步提高身份关联的效率和准确性
。
[0006]本专利技术的目的还在于提供一种基于多模态信息的人员身份关联系统，通过多模态信息采集单元能够收集到足够用于身份关联的多模态数据，扩展了身份关联分析所需的数据类型，进一步提高了身份关联的准确性
。
利用匹配分析单元和身份关联分析单元建立合理的身份关联分析硬件系统，准确高效的进行身份关联分析，为身份关联的实现提供了必要的硬件基础
。
[0007]第一方面，本专利技术提供一种基于多模态信息的人员身份关联方法，包括获取不同载体对象下人员身份的多模态信息，进行多模态信息的类型划分分析，形成多模态身份类型数据；根据载体对象上每个人员对象的身份活动信息，并结合多模态身份类型数据，对不同载体对象下的不同人员身份信息进行匹配性分析，形成身份匹配结果数据；根据身份匹配结果数据和多模态身份类型数据，建立身份关联分析模型，并根据身份关联分析模型将不同载体对象中的人员身份信息进行关联匹配，形成关联结果数据
。
[0008]在本专利技术中，该方法通过获取不同载体对象下的人员身份多模态信息，进行基于匹配关联性分析的合理类型划分，实现对多模态人员身份信息的有效利用，有助于提高进
行人员身份关联的分析效率和准确性
。
同时，基于多模态身份类型数据，建立合理的身份关联方法模型，以更加合理更加有序的方式准确实现不同载体对象上的人员身份的关联
。
进一步提高身份关联的效率和准确性
。
[0009]作为一种可能的实现方式，获取不同载体对象下人员身份的多模态信息，进行多模态信息的类型划分分析，形成多模态身份类型数据，包括：获取不同的载体对象中每个人员身份的多模态信息，并多模态信息进行以下针对身份判断类型的划分：在对多模态信息进行准确性判断中为逆否判断的信息划分为判别类身份信息数据集
A
；在对多模态信息进行准确性判断中为选择性判断的信息划分为选择类身份信息数据集
B
；将多模态信息中除判别类身份信息数据集
A
和选择类身份信息数据集
B
外的其他信息进行基于身份识别的分析，形成取向类身份信息数据
C。
[0010]在本专利技术中，对多模态信息的类型划分这里主要考虑两个方面，一方面是进行身份关联时，那些类型的数据相结合能够更加准确合理的确定关联度
。
可以理解的是，对于载体对象上的多模态身份信息，最主要的内容是建立人员对象的特征，以便在众多的人员对象中进行快速的识别，而要建立人员对象的特征就需要获取人员对象的特征数据，重要的特征数据包括但不限于基础生物特征
、
性格特征
、
习惯等方面
。
因而将这些特征进行分类，那么在进行身份关联时就能够通过这些特征进行准确的关联判断，提高关联判断的准确性
。
另一个方面是需要考虑所划分出的类型数据能够在后续进行身份关联分析时有助于提高分析的效率，降低分析的难度
。
相比通常采用大数据的分析形式，本专利技术通过将多模态信息划分为判别类
、
选择类以及取向类，可以借助三类不同的类型数据快速的进行关联判断，要是到相较于大量的数据对比，判别类和选择类的判断分析更加简单快速，所获取的结果也有极大的准确性概率
。
而对于取向类的数据则能够实现对人员对象特征的合理描述，提高关联分析的效率
。
这里需要提醒的是，由于身份关联不仅出现在社交网络平台之间，还涉及到设备的身份关联
、
信息的身份关联，类似的方式，通过将对象的多模态数据进行合理的类型划分能够做到关联分析事半功倍的效果，因而对于载体对象来说，并不限于社交网络平台，还可以是其他适用本关联方法的对象
。
[0011]作为一种可能的实现方式，在判别类身份信息数据集
A
中，将直接决定人员身份的单一判别类身份信息集合为决定性判别类身份信息数据子集，其中：
=[
，，
…
，
]，
m
为决定性判别类身份信息数据子集中具有的判别类身份信息的数量；将判别类身份信息数据中除决定性判别类身份信息数据外的其他判别类身份信息集合为辅助性判别类身份信息数据子集，其中：
=[
，，
…
，
]，
n
为辅助性判别类身份信息数据子集中具有的判别类身份信息的数量
。
[0012]在本专利技术中，从识别载体对象中的人员对象的角度来看，判别类身份信息中同样存在判断效果的明显差异
。
例如，对于身份证号
、
手机号
、
虹膜信息
、
指纹信息等具有强烈的一一对应性的判别类身份信息，能够仅通过一个身份信息数据就可以充分的判断是否为可以进行关联的身份对象
。
而对于类似性别
、
名字等非明显具有对应性的判别类身份信息，则需要进行区分
。
由于这两种身份数据对于关联性分析的影响程度是不一样的，所以在进行类型划分时就需要进行区分
。
[0013]作为一种可能的实现方式，将多模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多模态信息的人员身份关联方法，其特征在于，包括：获取不同载体对象下人员身份的多模态信息，进行多模态信息的类型划分分析，形成多模态身份类型数据；根据所述载体对象上每个人员对象的身份活动信息，并结合所述多模态身份类型数据，对不同所述载体对象下的不同人员身份信息进行匹配性分析，形成身份匹配结果数据；根据所述身份匹配结果数据和所述多模态身份类型数据，建立身份关联分析模型，并根据所述身份关联分析模型将不同所述载体对象中的人员身份信息进行关联匹配，形成关联结果数据
。2.
根据权利要求1所述的基于多模态信息的人员身份关联方法，其特征在于，所述获取不同载体对象下人员身份的多模态信息，进行多模态信息的类型划分分析，形成多模态身份类型数据，包括：获取不同的所述载体对象中每个所述人员身份的多模态信息，并所述多模态信息进行以下针对身份判断类型的划分：在对所述多模态信息进行准确性判断中为逆否判断的信息划分为判别类身份信息数据集
A
；在对所述多模态信息进行准确性判断中为选择性判断的信息划分为选择类身份信息数据集
B
；将所述多模态信息中除所述判别类身份信息数据集
A
和所述选择类身份信息数据集
B
外的其他信息进行基于身份识别的分析，形成取向类身份信息数据
C。3.
根据权利要求2所述的基于多模态信息的人员身份关联方法，其特征在于，在所述判别类身份信息数据集
A
中，将直接决定人员身份的单一判别类身份信息集合为决定性判别类身份信息数据子集，其中：
=[
，，
…
，
]
，
m
为所述决定性判别类身份信息数据子集中具有的所述判别类身份信息的数量；将所述判别类身份信息数据中除所述决定性判别类身份信息数据外的其他判别类身份信息集合为辅助性判别类身份信息数据子集，其中：
=[
，，
…
，
]
，
n
为所述辅助性判别类身份信息数据子集中具有的所述判别类身份信息的数量
。4.
根据权利要求3所述的基于多模态信息的人员身份关联方法，其特征在于，所述将所述多模态信息中除所述判别类身份信息数据集
A
和所述选择类身份信息数据集
B
外的其他信息进行基于身份识别的分析，形成取向类身份信息数据
C
，包括：在所述取向类身份信息数据集
C
中，分离出不同模态类型的取向类身份信息，并将每种模态类型的取向类身份信息进行身份特征的提取，形成包含不同模态类型下包含多个身份特征的取向类身份信息数据子集，并根据不同所述取向类身份信息数据子集中的身份特征的数量由多到少的顺序对所述取向类身份信息数据子集进行排序，形成取向类身份信息数据子集的顺序集，即：
C=[
，，
…
，
]
，其中，
=[
，，
…
，
]
，
u
为所述取向类身份信息数据子集的顺序标
号，
v
为顺序号为
u
的所述取向类身份信息数据子集中身份特征的数量
。5.
根据权利要求4所述的基于多模态信息的人员身份关联方法，其特征在于，所述根据所述载体对象上每个人员对象的身份活动信息，并结合所述多模态身份类型数据，对不同所述载体对象下的不同人员身份信息进行匹配性分析，形成身份匹配结果数据，包括：获取所述载体对象上所述人员对象的身份活动信息，并提取与所述决定性判别类身份信息数据子集中的判别身份信息有关的词句，通过对词句进行语义分析来进行决定性判断：对根据词句语义判断出逆否的判别分身信息进行决定性标记；对根据词句语义不能判断出逆否的判别身份信息进行非决定性标记；获取所述载体对象上所述人员对象的身份活动信息，并提取与所述辅助性判别类身份信息数据子集中的判别身份信息有关的词句，通过对词句进行语义分析来进行辅助性判断：将判别身份信息的两个对立结果根据词句语义展现出的判别结果进行频率统计，并进行标记，即：，表示所对应的判别身份信息所展示出的结果的否定概率；获取所述载体对象上所述人员对象的身份活动信息，并提取与所述选择类身份信息数据集
B
中的选择身份信息有关的词句，通过对词句进行语义分析来进行选择性判断：根据词句的语义确定每个选择身份信息的选择结果，对决定不同所述选择结果的词句语义进行有效决定次数的概率统计，并进行标记，即：，表示所对应的选择身份信息所展示出的结果的否定概率，
i
为所述选择类身份信息数据集
B
中具有的所述选择身份信息的数量
。6.
根据权利要求5所述的基于多模态信息的人员身份关联方法，其特征在于，所述根据所述身份匹配结果数据和所述多模态身份类型数据，建立身份关联分析模型，并根据所述身份关联分析模型将不同所述载体对象中的人员身份信息进行关联匹配，形成关联结果数据...

【专利技术属性】
技术研发人员：高辉，骆健儿，卢君，文卫疆，万俊翔，阳婧，徐佳，易瑶，周元广，李炎，
申请(专利权)人：湖南智警公共安全技术研究院有限公司，
类型：发明
国别省市：