[go: up one dir, main page]

CN111367955A - 目标对象的识别方法、装置、电子设备和存储介质 - Google Patents

目标对象的识别方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111367955A
CN111367955A CN201910954977.XA CN201910954977A CN111367955A CN 111367955 A CN111367955 A CN 111367955A CN 201910954977 A CN201910954977 A CN 201910954977A CN 111367955 A CN111367955 A CN 111367955A
Authority
CN
China
Prior art keywords
identified
value corresponding
numerical value
characteristic attribute
obtaining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910954977.XA
Other languages
English (en)
Other versions
CN111367955B (zh
Inventor
孔令爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Jiebao Innovation Technology Co ltd
Original Assignee
Hangzhou Hikvision System Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN201910954977.XA priority Critical patent/CN111367955B/zh
Publication of CN111367955A publication Critical patent/CN111367955A/zh
Application granted granted Critical
Publication of CN111367955B publication Critical patent/CN111367955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2457Query processing with adaptation to user needs
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462Approximate or statistical queries
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • G06Q50/265Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提出了一种目标对象的识别方法、装置、电子设备和存储介质,其中,上述目标对象的识别方法包括:获取待识别对象的身份标识;根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值;根据所述至少一个特征属性对应的数值,获得所述待识别对象的所有特征属性对应的总数值;在所述总数值满足预设条件的情况下,确定所述待识别对象为目标对象。本申请可以实现根据待识别对象的身份标识确定待识别对象是否为拐卖儿童的嫌疑人,从而可以对拐卖儿童的嫌疑人进行预警,及时发现拐卖儿童的犯罪行为,提高被拐儿童被找回的概率。

Description

目标对象的识别方法、装置、电子设备和存储介质
【技术领域】
本申请涉及大数据技术领域,尤其涉及一种目标对象的识别方法、装置、电子设备和存储介质。
【背景技术】
每年都有大量的儿童被拐卖,拐卖儿童罪是严重侵犯公民人身权利,妨害社会管理秩序的犯罪行为。该行为摧残人性,践踏公序良俗,致使许多家庭骨肉分离,家破人亡,并由此引发一系列社会问题。
而被拐儿童被找回的概率与拐卖行为被发现的时间正相关,也就是说,越能及时发现人贩子的拐卖行为,越能最大程度的提高被拐儿童找回的概率。但是现有相关技术中,并未提供对拐卖儿童的嫌疑人进行识别的技术方案。
【发明内容】
本申请实施例提供了一种目标对象的识别方法、装置、系统和电子设备,以实现根据待识别对象的身份标识确定待识别对象是否为拐卖儿童的嫌疑人,从而可以对拐卖儿童的嫌疑人进行预警,及时发现拐卖儿童的犯罪行为,提高被拐儿童被找回的概率。
第一方面,本申请实施例提供一种目标对象的识别方法,包括:获取待识别对象的身份标识;根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值;根据所述至少一个特征属性对应的数值,获得所述待识别对象的所有特征属性对应的总数值;在所述总数值满足预设条件的情况下,确定所述待识别对象为目标对象。
第二方面,本申请实施例提供一种目标对象的识别装置,包括:获取模块,用于获取待识别对象的身份标识;确定模块,用于根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值;所述获取模块,还用于根据所述至少一个特征属性对应的数值,获得所述待识别对象的所有特征属性对应的总数值;识别模块,用于在所述获取模块获取的总数值满足预设条件的情况下,确定所述待识别对象为目标对象。
第三方面,本申请实施例提供一种电子设备,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如上所述的方法。
第四方面,本申请实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上所述的方法。
以上技术方案中,获取待识别对象的身份标识之后,根据上述待识别对象的身份标识,确定上述待识别对象的至少一个特征属性对应的数值;然后,根据至少一个特征属性对应的数值,获得上述待识别对象的所有特征属性对应的总数值;在上述总数值满足预设条件的情况下,确定待识别对象为目标对象,其中上述目标对象在拐卖儿童预警的场景下即为拐卖儿童的嫌疑人,从而可以实现根据待识别对象的身份标识确定待识别对象是否为拐卖儿童的嫌疑人,进而可以对拐卖儿童的嫌疑人进行预警,及时发现拐卖儿童的犯罪行为,提高被拐儿童被找回的概率。
【附图说明】
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其它的附图。
图1为本申请目标对象的识别方法一个实施例的流程图;
图2为本申请目标对象的识别方法另一个实施例的流程图;
图3为本申请目标对象的识别方法再一个实施例的流程图;
图4为本申请目标对象的识别方法再一个实施例的流程图;
图5为本申请目标对象的识别方法再一个实施例的流程图;
图6为本申请目标对象的识别方法再一个实施例的流程图;
图7为本申请目标对象的识别方法再一个实施例的流程图;
图8为本申请目标对象的识别方法再一个实施例的流程图;
图9为本申请目标对象的识别方法再一个实施例的流程图;
图10为本申请目标对象的识别方法再一个实施例的流程图;
图11为本申请目标对象的识别方法再一个实施例的流程图;
图12为本申请目标对象的识别方法再一个实施例的流程图;
图13为本申请目标对象的识别方法中确定上述特征对应的数值的实现示意图;
图14为本申请目标对象的识别装置一个实施例的结构示意图;
图15为本申请目标对象的识别装置另一个实施例的结构示意图;
图16为本申请电子设备一个实施例的结构示意图。
【具体实施方式】
为了更好的理解本申请的技术方案,下面结合附图对本申请实施例进行详细描述。
应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
现实生活中,拐卖嫌疑人一般在拐卖儿童成功后,会第一时间出城,因此可以在汽车站、火车站和/或轮渡等出城站点对拐卖嫌疑人的身份进行识别。另外,一般被拐卖的儿童年龄在0-6岁,如果乘客的直系亲属中当前没有0- 6岁的儿童,但该乘客携带0-6岁的儿童出行,则该乘客可能为拐卖儿童的嫌疑人;具有前科的重点人员比普通人员犯罪的概率要高;如果乘客直系亲属中0-6岁儿童的数量小于该乘客所带儿童的数量(例如:该乘客携带两名及以上儿童),则该乘客可能为拐卖儿童的嫌疑人;另外,还可以考虑在嫌疑人历史出城记录时刻附近存在儿童丢失报警等指标。因此,可以结合各项指标,对可能的拐卖儿童的嫌疑人进行预警。当在汽车站、火车站和/或轮渡等出城站点进行安检时,对于带有0-6岁左右小孩的成人,可以通过手动或机器扫描的方式获取该成人的证件号码,根据证件号码在数据库中进行查询,确定该成人是否为拐卖儿童的嫌疑人。
在我国,每个新生儿出生后都会上户口,生成新的身份证号,并完善常住人口信息。常住人口信息表中记录了常住人员的身份证号和户口号,该记录只能增加,不能删除。
通过常住人口信息表可以查询出常住人员与户口号和户主的关系。同时在政府机关也会对居民进行建立档案,包括从事职业和/或工作单位等信息。通过大数据分析,对多维数据进行并行处理和计算,可以在很短时间内确定该成人是否为拐卖儿童的嫌疑人。
图1为本申请目标对象的识别方法一个实施例的流程图,如图1所示,上述目标对象的识别方法可以包括:
步骤101,获取待识别对象的身份标识。
其中,上述待识别对象的身份标识可以为上述待识别对象所使用证件的证件号码,例如:上述待识别对象的身份证号。
在具体实现时,可以对上述待识别对象的身份证进行扫描,获取上述待识别对象的身份证号;或者,可以手动输入上述待识别对象的身份证号。
另外,上述待识别对象的身份标识可以由用于进行目标对象识别的电子设备直接获取,也可以由一个电子设备获取之后,再传输给用于进行目标对象识别的电子设备,本实施例对此不作限定。
步骤102,根据上述待识别对象的身份标识,确定上述待识别对象的至少一个特征属性对应的数值。
其中,上述待识别对象的至少一个特征属性可以包括待识别对象的关联特征和/或个人特征。
具体地,上述关联特征可以包括以下之一或组合:
待识别对象的直系亲属中有无年龄在预定年龄范围之内的成员;
在待识别对象的历史出城记录时刻附近是否存在儿童丢失报警;
待识别对象的直系亲属中是否存在被关注人员;
待识别对象的直系亲属中年龄在预定年龄范围之内的成员的数量是否小于所携带的年龄在预定年龄范围之内的人员的数量;
上述个人特征可以包括以下之一或组合:
待识别对象是否是被关注人员;
待识别对象最近是否频繁出行到不同城市;
待识别对象有无固定职业;
待识别对象的受教育程度。
步骤103,根据上述至少一个特征属性对应的数值,获得上述待识别对象的所有特征属性对应的总数值。
具体地,可以对上述至少一个特征属性对应的数值进行累加,获得上述待识别对象的所有特征属性对应的总数值;也可以对上述至少一个特征属性对应的数值进行加权积分,获得上述待识别对象的所有特征属性对应的总数值;本实施例对此不作限定。
步骤104,在上述总数值满足预设条件的情况下,确定上述待识别对象为目标对象。
其中,上述目标对象在拐卖儿童预警的场景下即为拐卖儿童的嫌疑人。
具体地,上述总数值满足预设条件可以为:上述总数值大于或等于预先设定的阈值,当然上述总数值满足预设条件也可以为:上述总数值小于预先设定的阈值,本实施例对此不作限定。
上述预先设定的阈值的大小可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预先设定的阈值的大小不作限定。
在具体实现时,用于进行目标对象识别的电子设备可以采用大数据技术 (例如:spark分布式计算),根据上述待识别对象的身份标识在数据库中进行查询,确定上述待识别对象的特征对应的总数值,由于可以利用大数据技术对多维数据进行并行处理和计算,因此上述用于进行目标对象识别的电子设备可以在很短时间内确定上述待识别对象是否为拐卖儿童的嫌疑人。
本实施例中,上述用于进行目标对象识别的电子设备可以为服务器,例如云服务器,也可以为智能手机、平板电脑、笔记本电脑或智能穿戴设备等智能电子设备,本实施例对上述用于进行目标对象识别的电子设备的形态不作限定。
上述目标对象的识别方法中,获取待识别对象的身份标识之后,根据上述待识别对象的身份标识,确定上述待识别对象的至少一个特征属性对应的数值;然后根据上述至少一个特征属性对应的数值,获得待识别对象的所有特征属性对应的总数值;在上述总数值满足预设条件的情况下,确定上述待识别对象为目标对象,其中上述目标对象在拐卖儿童预警的场景下即为拐卖儿童的嫌疑人,从而可以实现根据待识别对象的身份标识确定待识别对象是否为拐卖儿童的嫌疑人,进而可以对拐卖儿童的嫌疑人进行预警,及时发现拐卖儿童的犯罪行为,提高被拐儿童被找回的概率。
图2为本申请目标对象的识别方法另一个实施例的流程图,如图2所示,本申请图1所示实施例中,步骤102可以包括:
步骤201,根据上述待识别对象的身份标识,获得上述待识别对象所关联的第一户口号,并获得上述第一户口号中各个成员的出生日期。
具体地,可以根据上述待识别对象的身份标识在常住人口信息库中进行查询,获得上述待识别对象所关联的第一户口号,并获得第一户口号中的成员的出生日期。
在我国,每个新生儿出生后都会上户口,生成新的身份证号,并完善常住人口信息,常住人口信息库中记录了常住人员的身份证号和户口号,以及常住人员的出生日期等信息,该记录只能增加,不能删除。因此,根据待识别对象的身份证号在第一数据库中进行查询,可以获得上述待识别对象所关联的第一户口号,并可以获得第一户口号中的成员的出生日期。
步骤202,根据上述出生日期,计算第一户口号中各个成员的年龄,并确定上述第一户口号中年龄在预定年龄范围之内的成员的第一数量。
其中,上述预定年龄范围可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定年龄范围不作限定,举例来说,上述预定年龄范围可以为0-6岁。
步骤203,根据上述第一数量,确定上述待识别对象的第一特征属性对应的数值。
具体地,如果第一数量大于0,也就是说,第一户口号中存在年龄在预定年龄范围之内的成员,这时,可以确定上述待识别对象的第一特征属性对应的数值为N1;而如果第一数量等于0,也就是说,第一户口号中不存在年龄在预定年龄范围之内的成员,这时可以确定上述待识别对象的第一特征属性对应的数值为N2。可选地,N1,N2为非负数。可选地,在拐卖儿童预警的场景下,当待识别对象的直系亲属中不存在预定年龄范围之内的成员(适龄儿童)时,可视为该待识别对象拐卖儿童的嫌疑相对较大,因此,可设置 N1<N2。
图3为本申请目标对象的识别方法再一个实施例的流程图,如图3所示,本申请图2所示实施例中,步骤203可以包括:
步骤301,获取上述待识别对象携带的年龄在上述预定年龄范围之内的人员数量。
步骤302,根据上述人员数量与第一数量的关系,确定上述待识别对象的第一特征属性对应的数值。
可选的,如果人员数量小于或等于第一数量,可以确定上述待识别对象的第一特征属性对应的数值为N3,如果人员数量大于第一数量,可以确定上述待识别对象的第一特征属性对应的数值为N4;可选的,N3,N4为非负数,可选的,在拐卖儿童预警的场景下,当待识别对象的直系亲属中预定年龄范围之内的成员(适龄儿童)的第一数量小于待识别对象携带的预定年龄范围之内的成员(适龄儿童)的人员数量时,可视为该待识别对象拐卖儿童的嫌疑相对较大,因此,可设置N3<N4。
可选的,可以设置N1<N3<N4<N2。
图4为本申请目标对象的识别方法再一个实施例的流程图,如图4所示,本申请图1所示实施例中,步骤102可以包括:
步骤401,根据待识别对象的身份标识,获得上述待识别对象所关联的第一户口号,并获得第一户口号中各个成员的出生日期。
具体地,可以根据上述待识别对象的身份标识在常住人口信息库中进行查询,获得上述待识别对象所关联的第一户口号,并获得第一户口号中的成员的出生日期。
在我国,每个新生儿出生后都会上户口,生成新的身份证号,并完善常住人口信息,常住人口信息库中记录了常住人员的身份证号和户口号,以及常住人员的出生日期等信息,该记录只能增加,不能删除。因此,根据待识别对象的身份证号在第一数据库中进行查询,可以获得上述待识别对象所关联的第一户口号,并可以获得第一户口号中的成员的出生日期。
步骤402,根据上述出生日期,计算第一户口号中各个成员的年龄,并确定上述第一户口号中年龄在预定年龄范围之内的成员的第一数量。
其中,上述预定年龄范围可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定年龄范围不作限定,举例来说,上述预定年龄范围可以为0-6岁。
步骤403,获取第一户口号的各个成员中除待识别对象之外的其他成员的身份标识。
步骤404,根据其他成员的身份标识,获得其他成员所关联的第二户口号,并获得第二户口号中各个成员的出生日期。
步骤405,根据上述出生日期,计算第二户口号中各个成员的年龄,并确定第二户口号中年龄在预定年龄范围之内的成员的第二数量。
步骤406,根据第一数量和第二数量,确定上述待识别对象的第一特征属性对应的数值。
具体地,如果第一数量与第二数量之和为0,也就是说,第一户口号和第二户口号中均不存在年龄在预定年龄范围之内的成员,则可以确定上述待识别对象的第一特征属性对应的数值为N5;如果第一数量与第二数量之和不为0,也就是说,第一户口号和/或第二户口号中存在年龄在预定年龄范围之内的成员,则可以确定上述待识别对象的第一特征属性对应的数值为N6。可选的,N5,N6为非负数,可选的,在拐卖儿童预警的场景下,当待识别对象的直系亲属和旁系亲属中均不存在预定年龄范围之内的成员(适龄儿童)时,可视为该待测人员拐卖儿童的嫌疑相对较大,因此,可设置N6<N5。
本实施例中,步骤401~步骤402与步骤403~步骤405可以先后执行,也可以并行执行,本实施例对步骤401~步骤402与步骤403~步骤405的执行顺序不作限定,图4中以步骤401~步骤402在步骤403~步骤405之前执行为例示出。
图5为本申请目标对象的识别方法再一个实施例的流程图,如图5所示,本申请图4所示实施例中,步骤406可以包括:
步骤501,获取待识别对象携带的年龄在上述预定年龄范围之内的人员数量;
步骤502,根据上述人员数量、第一数量和第二数量,确定上述待识别对象的第一特征属性对应的数值。
具体地,如果人员数量小于或等于第一数量与第二数量之和,可以确定上述待识别对象的第一特征属性对应的数值为N7,如果人员数量大于第一数量与第二数量之和,可以确定上述待识别对象的第一特征属性对应的数值为 N8;其中,N7,N8为非负数,可选的,在拐卖儿童预警的场景下,当待识别对象携带的预定年龄范围之内的成员(适龄儿童)的人员数量大于该待识别对象的直系亲属和旁系亲属中预定年龄范围之内的成员(适龄儿童)的总数量时,可视为该待识别对象拐卖儿童的嫌疑相对较大,因此,可设置N7<N8。
可选的,可设置N6<N7<N8<N5。
图6为本申请目标对象的识别方法再一个实施例的流程图,如图6所示,本申请图1所示实施例中,步骤102可以包括:
步骤601,根据待识别对象的身份标识,获得待识别对象的出行记录。
步骤602,根据上述出行记录,确定上述待识别对象的至少一个特征属性对应的数值。
其中,上述待识别对象的身份标识同样可以为上述待识别对象的身份证号;具体地,可以根据待识别对象的身份证号在列车出行信息数据库中进行查询,获得上述待识别对象的出行记录。
图7为本申请目标对象的识别方法再一个实施例的流程图,如图7所示,本申请图6所示实施例中,步骤602可以包括:
步骤701,根据上述出行记录,获得上述待识别对象携带特定人员出行的第一出行记录。
其中,上述特定人员可以在具体实现时,根据实现需求自行设定,举例来说,上述特定人员可以为0-6岁儿童。
步骤702,从上述第一出行记录中获取待识别对象携带上述特定人员出行的出行时刻和出行地点。
步骤703,判断在上述出行时刻之前或之后的预定时长内,在预设区域内是否发生特定人员丢失的报警。
其中,上述预设区域可以为上述出行地点所属的区域,举例来说,假设出行地点为北京西站,上述出行地点所属的区域可以为北京市或北京市海淀区;具体地,可以通过对出行地点所属区域的接警信息库进行查询,获得在上述出行时刻之前或之后的预定时长内,上述出行地点所属的区域内是否发生特定人员丢失的报警。
上述预定时长可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定时长的长短不作限定,举例来说,上述预定时长可以为24小时;
步骤704,根据上述报警的判断结果,确定待识别对象的第二特征属性对应的数值。
具体地,如果在上述出行时刻之前或之后的预定时长内,上述预设区域内发生特定人员丢失的报警,则确定待识别对象的第二特征属性对应的数值为N9;如果在上述出行时刻之前或之后的预定时长内,上述预设区域内未发生特定人员丢失的报警,则确定待识别对象的第二特征属性对应的数值为 N10;可选的,N9,N10为非负数,可选的,在拐卖儿童预警的场景下,如果在待识别对象出行时刻之前或之后的预定时长内,在待识别对象出行地点所属的区域内发生特定人员丢失的报警,则可以视为该待识别对象拐卖儿童的嫌疑相对较大,因此,可设置N10<N9。
图8为本申请目标对象的识别方法再一个实施例的流程图,如图8所示,本申请图6所示实施例中,步骤602可以包括:
步骤801,根据上述出行记录,获得待识别对象在预定时间范围内的第二出行记录。
具体地,可以根据待识别对象的身份证号在列车出行信息数据库中进行查询,获得上述待识别对象的出行记录,然后根据预定时间范围可以从上述出行记录中筛选出待识别对象在上述预定时间范围内的第二出行记录。
其中,上述预定时间范围可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定时间范围的长短不作限定,举例来说,上述预定时间范围可以为2019年6月1日~2019年6月30日。
步骤802,从上述第二出行记录中确定目的地在待识别对象的常住地之外的出行次数。
也就是说,在获取第二出行记录之后,需要从上述第二出行记录中筛选出待识别对象的出城次数。
步骤803,根据上述出行次数,确定待识别对象的第三特征属性对应的数值。
具体地,如果上述出行次数大于预定的次数阈值,则确定待识别对象的第三特征属性对应的数值为N11;如果出行次数小于或等于预定的次数阈值,则确定待识别对象的第三特征属性对应的数值为N12,可选的,N11,N12为非负数,可选的,在拐卖儿童预警的场景下,如果待识别对象的目的地在常住地之外的出行次数大于预定的次数阈值,则可以视为该待识别对象拐卖儿童的嫌疑相对较大,可设置N12<N11。
其中,上述预定的次数阈值可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定的次数阈值的大小不作限定,举例来说,上述预定的次数阈值可以为5。
图9为本申请目标对象的识别方法再一个实施例的流程图,如图9所示,本申请图1所示实施例中,步骤102可以包括:
步骤901,根据待识别对象的身份标识,获得待识别对象所关联的第一户口号,获取上述第一户口号中各个成员的身份标识。
步骤902,根据第一户口号中各个成员的身份标识,判断第一户口号中是否存在被关注人员;上述被关注人员为具有预设行为的人员。
具体地,可以根据第一户口号中各个成员的身份标识,在被关注人员数据库中进行查询,判断第一户口号中是否存在被关注人员。上述被关注人员可以为具有预设行为的人员。
被关注人员数据库中保存有被关注人员的事件记录,根据第一户口号中各个成员的身份标识在被关注人员数据库中进行查询,如果可以查询到对应的记录,则可以确定上述成员为被关注人员,如果未查询到对应的记录,则可以确定上述成员不是被关注人员。
步骤903,根据上述被关注人员的判断结果,确定待识别对象的第四特征属性对应的数值。
具体地,如果确定第一户口号中存在被关注人员,并且被关注人员是待识别对象,则可以确定待识别对象的第四特征属性对应的数值为N9;如果确定第一户口号中存在被关注人员,并且被关注人员不是待识别对象,则可以确定待识别对象的第四特征属性对应的数值为N10;而如果确定第一户口号中不存在被关注人员,则可以确定待识别对象的第四特征属性对应的数值为 N11。可选的,N9,N10和N11为非负数,可选的,N11<N9,N11<N10,N9 和N10可以相等,也可以不等,本实施例对此不作限定。另外,如果确定第一户口号中存在被关注人员,并且被关注人员不是待识别对象,则可以根据被关注人员的数量,将N10设置为不同的数值,举例来说,被关注人员的数量越多,N10的数值可以越大。
图10为本申请目标对象的识别方法再一个实施例的流程图,如图10所示,本申请图9所示实施例中,步骤903之前,还可以包括:
步骤1001,获取第一户口号的各个成员中除上述待识别对象之外的其他成员的身份标识。
步骤1002,根据上述其他成员的身份标识,获得上述其他成员所关联的第二户口号,获取第二户口号中的成员的身份标识。
步骤1003,根据第二户口号中的成员的身份标识,判断第二户口号中是否存在所述被关注人员。
同样,可以根据第二户口号中的成员的身份标识,在被关注人员数据库中进行查询,判断第二户口号中是否存在被关注人员。
这样,步骤903中,根据上述被关注人员的判断结果,确定待识别对象的第四特征属性对应的数值可以为:
如果确定第一户口号中存在被关注人员,并且被关注人员是待识别对象,而第二户口号中不存在被关注人员,则可以确定待识别对象的第四特征属性对应的数值为N9;如果确定第一户口号中存在被关注人员,并且被关注人员不是待识别对象,而第二户口号中不存在被关注人员,则可以确定待识别对象的第四特征属性对应的数值为N10;而如果确定第一户口号和第二户口号中均不存在被关注人员,则可以确定待识别对象的第二特征属性对应的数值为N11;如果确定第一户口号中不存在被关注人员,第二户口号中存在被关注人员,可以确定待识别对象的第二特征属性对应的数值为N12;可选的, N9,N10,N11和N12为非负数,可选的,N11<N9,N11<N10,N11<N12, N9、N10和N12可以相等,也可以不等,本实施例对此不作限定。同样,N10 和N12的数值可以根据被关注人员的数量确定,举例来说,被关注人员的数量越大,N10和N12的数值可以越大。
图11为本申请目标对象的识别方法再一个实施例的流程图,如图11所示,本申请图1所示实施例中,步骤102可以包括:
步骤1101,根据待识别对象的身份标识,获得上述待识别对象的职业。
具体地,可以根据待识别对象的身份标识在档案数据库中进行查询,获得上述待识别对象的职业。国家的政府机关会对居民建立档案,包括受教育程度、从事职业和/或工作单位等信息,居民的档案信息保存在档案数据库中,根据待识别对象的身份证号在档案数据库中进行查询,可以获得上述待识别对象的职业。
步骤1102,根据上述职业,确定待识别对象的第五特征属性对应的数值。
具体地,如果待识别对象没有固定职业,则确定待识别对象的第五特征属性对应的数值为N17;如果上述待识别对象有固定职业,则确定待识别对象的第五特征属性对应的数值为N18;可选的,N17,N18为非负数,可选的,N18<N17。
图12为本申请目标对象的识别方法再一个实施例的流程图,如图12所示,本申请图1所示实施例中,步骤102可以包括:
步骤1201,根据待识别对象的身份标识,获得待识别对象的受教育程度。
具体地,可以根据待识别对象的身份标识在档案数据库中进行查询,获得待识别对象的受教育程度。
国家政府机关会对居民建立档案,包括受教育程度、从事职业和/或工作单位等信息,居民的档案信息保存在档案数据库中,根据待识别对象的身份证号在档案数据库中进行查询,可以获得上述待识别对象的受教育程度。
步骤1202,根据上述受教育程度,确定待识别对象的第六特征属性对应的数值。
具体地,如果待识别对象的受教育程度低于预定的受教育程度阈值,则确定待识别对象的第六特征属性对应的数值为N19;如果待识别对象的受教育程度高于预定的受教育程度阈值,则确定待识别对象的第六特征属性对应的数值为N20;可选的,N19,N20为非负数,可选的,N20<N19。
具体地,预定的受教育程度阈值可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对此不作限定,举例来说,预定的受教育程度阈值可以为高中。
本申请实施例提出的目标对象的识别方法可以根据实际情况添加或删除待识别对象的特征,修改上述特征属性对应的数值及预先设定的阈值。参见图13,图13为本申请目标对象的识别方法中确定上述特征属性对应的数值的实现示意图,本申请实施例中,在根据待识别对象的身份标识在数据库中进行查询时,可以通过spark等大数据计算技术,进行多任务并行计算,从而可以在很短时间内计算出上述待识别对象的特征对应的数值,当待识别对象的特征属性对应的总数值大于或等于预先设定的阈值,则产生报警。进而安保人员可以根据现场情况对嫌疑人进行重点盘查,包括同行儿童是否处于昏睡状态,是否为男童,嫌疑人是否出现慌乱急躁反应等。图13中,仅示出常住人口信息库、列车出行信息数据库、被关注人员数据库和档案数据库这四个数据库,但本申请实施例并不仅限于此,还可以根据实现需求和/或系统性能在更多的数据库中进行查询,在此不再赘述。
本申请实施例提出的目标对象的识别方法具有很强的通用性,根据待识别对象的身份标识,就可以确定待识别对象的特征属性对应的数值,不依赖特殊设备;本申请实施例提出的目标对象的识别方法具备灵活的高可扩展性,可以根据实现需求和/或系统性能,不断增加特征属性,调整待识别对象的特征属性对应的数值,能够更加准确的识别出目标对象。并且,本申请实施例提出的目标对象的识别方法是在犯罪嫌疑人携带失踪儿童初次出城时就在站点进行识别,时效性大大提高,大大提高失踪儿童找回的概率。
图14为本申请目标对象的识别装置一个实施例的结构示意图,本实施例中的目标对象的识别装置可以作为电子设备,或者电子设备的一部分实现本申请实施例提供的目标对象的识别方法。其中,上述电子设备可以为服务器,例如:云服务器,或者,上述电子设备可以为手机、平板电脑、笔记本电脑、个人计算机(Personal Computer;以下简称:PC)或可穿戴智能设备等智能终端设备。
如图14所示,上述目标对象的识别装置可以包括:获取模块1401、确定模块1402和识别模块1403;
获取模块1401,用于获取待识别对象的身份标识;
确定模块1402,用于根据上述待识别对象的身份标识,确定上述待识别对象的至少一个特征属性对应的数值;
获取模块1401,还用于根据上述至少一个特征属性对应的数值,获得上述待识别对象的所有特征属性对应的总数值;
识别模块1403,用于在获取模块1401获取的总数值满足预设条件的情况下,确定上述待识别对象为目标对象。
上述目标对象的识别装置中,获取模块1401获取待识别对象的身份标识之后,确定模块1402根据上述待识别对象的身份标识,确定上述待识别对象的至少一个特征属性对应的数值;然后,获取模块1401根据至少一个特征属性对应的数值,获得上述待识别对象的所有特征属性对应的总数值;在上述总数值满足预设条件的情况下,识别模块1403确定待识别对象为目标对象,其中上述目标对象在拐卖儿童预警的场景下即为拐卖儿童的嫌疑人,从而可以实现根据待识别对象的身份标识确定待识别对象是否为拐卖儿童的嫌疑人,进而可以对拐卖儿童的嫌疑人进行预警,及时发现拐卖儿童的犯罪行为,提高被拐儿童被找回的概率。
图14所示实施例提供的目标对象的识别装置可用于执行本申请图1所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图15为本申请目标对象的识别装置另一个实施例的结构示意图,与图 14所示的目标对象的识别装置不同,图15所示的目标对象的识别装置中,确定模块1402可以包括:获得子模块1404、计算子模块1405和数值确定子模块1406;
获得子模块1404,用于根据上述待识别对象的身份标识,获得上述待识别对象所关联的第一户口号,并获得上述第一户口号中各个成员的出生日期;
计算子模块1405,用于根据获得子模块1404获得的出生日期,计算上述第一户口号中各个成员的年龄,并确定上述第一户口号中年龄在预定年龄范围之内的成员的第一数量;
数值确定子模块1406,用于根据计算子模块1405确定的第一数量,确定上述待识别对象的第一特征属性对应的数值。
在一种可能的实现方式中,数值确定子模块1406可以包括:数量获取单元14061和数值确定单元14062;
数量获取单元14061,用于获取上述待识别对象携带的年龄在预定年龄范围之内的人员数量;
数值确定单元14062,用于根据上述人员数量与第一数量的关系,确定上述待识别对象的第一特征属性对应的数值。
在一种可能的实现方式中,确定模块1402可以包括:获得子模块1404、计算子模块1405和数值确定子模块1406;
获得子模块1404,用于根据上述待识别对象的身份标识,获得上述待识别对象所关联的第一户口号,并获得上述第一户口号中各个成员的出生日期;
计算子模块1405,用于根据上述出生日期,计算第一户口号中各个成员的年龄,并确定第一户口号中年龄在预定年龄范围之内的成员的第一数量;
获得子模块1404,还用于获取第一户口号的各个成员中除待识别对象之外的其他成员的身份标识;以及根据上述其他成员的身份标识,获得上述其他成员所关联的第二户口号,并获得第二户口号中各个成员的出生日期;
计算子模块1405,还用于根据上述出生日期,计算第二户口号中各个成员的年龄,并确定上述第二户口号中年龄在预定年龄范围之内的成员的第二数量;
数值确定子模块1406,用于根据上述第一数量和上述第二数量,确定待识别对象的第一特征属性对应的数值。
在一种可能的实现方式中,数值确定子模块1406可以包括:数量获取单元14061和数值确定单元14062;
数量获取单元14061,用于获取上述待识别对象携带的年龄在所述预定年龄范围之内的人员数量;
数值确定单元14062,用于根据上述人员数量、第一数量和第二数量,确定上述待识别对象的第一特征属性对应的数值。
其中一种可能的实现方式中,确定模块1402可以包括:获得子模块1404 和数值确定子模块1406;
获得子模块1404,用于根据上述待识别对象的身份标识,获得上述待识别对象的出行记录;
数值确定子模块1406,用于根据获得子模块1404获得的出行记录,确定上述待识别对象的至少一个特征属性对应的数值。
其中一种可能的实现方式中,数值确定子模块1406可以包括:记录获得单元14063、判断单元14064和数值确定单元14062;
记录获得单元14063,用于根据上述出行记录,获得上述待识别对象携带特定人员出行的第一出行记录;以及从第一出行记录中获取待识别对象携带上述特定人员出行的出行时刻和出行地点;
判断单元14064,用于判断在上述出行时刻之前或之后的预定时长内,在预设区域内是否发生特定人员丢失的报警;
数值确定单元14062,用于根据上述报警的判断结果,确定待识别对象的第二特征属性对应的数值。
其中一种可能的实现方式中,数值确定子模块1406可以包括:记录获得单元14063和数值确定单元14062;
记录获得单元14063,用于根据上述出行记录,获得待识别对象在预定时间范围内的第二出行记录;
数值确定单元14062,用于从上述第二出行记录中确定目的地在待识别对象的常住地之外的出行次数;以及根据上述出行次数,确定待识别对象的第三特征属性对应的数值。
图15所示实施例提供的目标对象的识别装置可用于执行本申请图2~图12 所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
应理解以上图14~图15所示的目标对象的识别装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块以软件通过处理元件调用的形式实现,部分模块通过硬件的形式实现。例如,模块可以为单独设立的处理元件,也可以集成在电子设备的某一个芯片中实现。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit;以下简称:ASIC),或,一个或多个微处理器(Digital Singnal Processor;以下简称: DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array;以下简称:FPGA)等。再如,这些模块可以集成在一起,以片上系统(System- On-a-Chip;以下简称:SOC)的形式实现。
图16为本申请电子设备一个实施例的结构示意图,上述电子设备可以包括:至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:上述存储器存储有可被上述处理器执行的程序指令,处理器调用上述程序指令能够执行本申请图1~图12所示实施例提供的目标对象的识别方法。
其中,上述电子设备可以为服务器,例如:云服务器,或者,上述电子设备可以为手机、平板电脑、笔记本电脑、PC或可穿戴智能设备等智能终端设备。
图16示出了适于用来实现本申请实施方式的示例性电子设备的框图。图16显示的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图16所示,电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:一个或者多个处理器410,存储器430,连接不同系统组件 (包括存储器430和处理单元410)的通信总线440。
通信总线440表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA 总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称: VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
电子设备典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器430可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)和/或高速缓存存储器。电子设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。尽管图16中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read Only Memory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read Only Memory;以下简称:DVD- ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与通信总线440相连。存储器430可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器430 中,这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本申请所描述的实施例中的功能和/或方法。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、显示器等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备 (例如网卡,调制解调器等等)通信。这种通信可以通过通信接口420进行。并且,电子设备还可以通过网络适配器(图16中未示出)与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide AreaNetwork;以下简称:WAN)和/或公共网络,例如因特网)通信,上述网络适配器可以通过通信总线440与电子设备的其它模块通信。应当明白,尽管图16中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列 (Redundant Arrays of Independent Drives;以下简称:RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器410通过运行存储在存储器430中的程序,从而执行各种功能应用以及数据处理,例如实现本申请实施例提供的目标对象的识别方法。
本申请实施例还提供一种非暂态计算机可读存储介质,上述非暂态计算机可读存储介质存储计算机指令,上述计算机指令使上述计算机执行本申请实施例提供的目标对象的识别方法。
上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory;以下简称:ROM)、可擦式可编程只读存储器(Erasable ProgrammableRead Only Memory;以下简称:EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网 (LocalArea Network;以下简称:LAN)或广域网(Wide Area Network;以下简称:WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,本申请实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer;以下简称:PC)、个人数字助理(Personal Digital Assistant;以下简称:PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3播放器、MP4播放器等。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等) 或处理器(Processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory;以下简称:ROM)、随机存取存储器(Random Access Memory;以下简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。

Claims (18)

1.一种目标对象的识别方法,其特征在于,包括:
获取待识别对象的身份标识;
根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值;
根据所述至少一个特征属性对应的数值,获得所述待识别对象的所有特征属性对应的总数值;
在所述总数值满足预设条件的情况下,确定所述待识别对象为目标对象。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值,包括:
根据所述待识别对象的身份标识,获得所述待识别对象所关联的第一户口号,并获得所述第一户口号中各个成员的出生日期;
根据所述出生日期,计算所述第一户口号中各个成员的年龄,并确定所述第一户口号中年龄在预定年龄范围之内的成员的第一数量;
根据所述第一数量,确定所述待识别对象的第一特征属性对应的数值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一数量,确定所述待识别对象的第一特征属性对应的数值,包括:
获取所述待识别对象携带的年龄在所述预定年龄范围之内的人员数量;
根据所述人员数量与所述第一数量的关系,确定所述待识别对象的第一特征属性对应的数值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值,包括:
根据所述待识别对象的身份标识,获得所述待识别对象所关联的第一户口号,并获得所述第一户口号中各个成员的出生日期;
根据所述出生日期,计算所述第一户口号中各个成员的年龄,并确定所述第一户口号中年龄在预定年龄范围之内的成员的第一数量;
获取所述第一户口号的各个成员中除所述待识别对象之外的其他成员的身份标识;
根据所述其他成员的身份标识,获得所述其他成员所关联的第二户口号,并获得所述第二户口号中各个成员的出生日期;
根据所述出生日期,计算所述第二户口号中各个成员的年龄,并确定所述第二户口号中年龄在预定年龄范围之内的成员的第二数量;
根据所述第一数量和所述第二数量,确定所述待识别对象的第一特征属性对应的数值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一数量和所述第二数量,确定所述待识别对象的第一特征属性对应的数值,包括:
获取所述待识别对象携带的年龄在所述预定年龄范围之内的人员数量;
根据所述人员数量、所述第一数量和所述第二数量,确定所述待识别对象的第一特征属性对应的数值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值,包括:
根据所述待识别对象的身份标识,获得所述待识别对象的出行记录;
根据所述出行记录,确定所述待识别对象的至少一个特征属性对应的数值。
7.根据权利要求6所述的方法,其特征在于,所述根据所述出行记录,确定所述待识别对象的至少一个特征属性对应的数值包括:
根据所述出行记录,获得所述待识别对象携带特定人员出行的第一出行记录;
从所述第一出行记录中获取所述待识别对象携带所述特定人员出行的出行时刻和出行地点;
判断在所述出行时刻之前或之后的预定时长内,在预设区域内是否发生特定人员丢失的报警;
根据所述报警的判断结果,确定所述待识别对象的第二特征属性对应的数值。
8.根据权利要求6所述的方法,其特征在于,所述根据所述出行记录,确定所述待识别对象的至少一个特征属性对应的数值包括:
根据所述出行记录,获得所述待识别对象在预定时间范围内的第二出行记录;
从所述第二出行记录中确定目的地在所述待识别对象的常住地之外的出行次数;
根据所述出行次数,确定所述待识别对象的第三特征属性对应的数值。
9.一种目标对象的识别装置,其特征在于,包括:
获取模块,用于获取待识别对象的身份标识;
确定模块,用于根据所述待识别对象的身份标识,确定所述待识别对象的至少一个特征属性对应的数值;
所述获取模块,还用于根据所述至少一个特征属性对应的数值,获得所述待识别对象的所有特征属性对应的总数值;
识别模块,用于在所述获取模块获取的总数值满足预设条件的情况下,确定所述待识别对象为目标对象。
10.根据权利要求9所述的装置,其特征在于,所述确定模块包括:
获得子模块,用于根据所述待识别对象的身份标识,获得所述待识别对象所关联的第一户口号,并获得所述第一户口号中各个成员的出生日期;
计算子模块,用于根据所述获得子模块获得的出生日期,计算所述第一户口号中各个成员的年龄,并确定所述第一户口号中年龄在预定年龄范围之内的成员的第一数量;
数值确定子模块,用于根据所述计算子模块确定的第一数量,确定所述待识别对象的第一特征属性对应的数值。
11.根据权利要求10所述的装置,其特征在于,所述数值确定子模块包括:
数量获取单元,用于获取所述待识别对象携带的年龄在所述预定年龄范围之内的人员数量;
数值确定单元,用于根据所述人员数量与所述第一数量的关系,确定所述待识别对象的第一特征属性对应的数值。
12.根据权利要求9所述的装置,其特征在于,所述确定模块包括:
获得子模块,用于根据所述待识别对象的身份标识,获得所述待识别对象所关联的第一户口号,并获得所述第一户口号中各个成员的出生日期;
计算子模块,用于根据所述出生日期,计算所述第一户口号中各个成员的年龄,并确定所述第一户口号中年龄在预定年龄范围之内的成员的第一数量;
所述获得子模块,还用于获取所述第一户口号的各个成员中除所述待识别对象之外的其他成员的身份标识;以及根据所述其他成员的身份标识,获得所述其他成员所关联的第二户口号,并获得所述第二户口号中各个成员的出生日期;
所述计算子模块,还用于根据所述出生日期,计算所述第二户口号中各个成员的年龄,并确定所述第二户口号中年龄在预定年龄范围之内的成员的第二数量;
数值确定子模块,用于根据所述第一数量和所述第二数量,确定所述待识别对象的第一特征属性对应的数值。
13.根据权利要求12所述的装置,其特征在于,所述数值确定子模块包括:
数量获取单元,用于获取所述待识别对象携带的年龄在所述预定年龄范围之内的人员数量;
数值确定单元,用于根据所述人员数量、所述第一数量和所述第二数量,确定所述待识别对象的第一特征属性对应的数值。
14.根据权利要求9所述的装置,其特征在于,所述确定模块包括:
获得子模块,用于根据所述待识别对象的身份标识,获得所述待识别对象的出行记录;
数值确定子模块,用于根据所述获得子模块获得的出行记录,确定所述待识别对象的至少一个特征属性对应的数值。
15.根据权利要求14所述的装置,其特征在于,所述数值确定子模块包括:
记录获得单元,用于根据所述出行记录,获得所述待识别对象携带特定人员出行的第一出行记录;以及从所述第一出行记录中获取所述待识别对象携带所述特定人员出行的出行时刻和出行地点;
判断单元,用于判断在所述出行时刻之前或之后的预定时长内,在预设区域内是否发生特定人员丢失的报警;
数值确定单元,用于根据所述报警的判断结果,确定所述待识别对象的第二特征属性对应的数值。
16.根据权利要求14所述的装置,其特征在于,所述数值确定子模块包括:
记录获得单元,用于根据所述出行记录,获得所述待识别对象在预定时间范围内的第二出行记录;
数值确定单元,用于从所述第二出行记录中确定目的地在所述待识别对象的常住地之外的出行次数;以及根据所述出行次数,确定所述待识别对象的第三特征属性对应的数值。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至8任一所述的方法。
18.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至8任一所述的方法。
CN201910954977.XA 2019-10-09 2019-10-09 目标对象的识别方法、装置、电子设备和存储介质 Active CN111367955B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910954977.XA CN111367955B (zh) 2019-10-09 2019-10-09 目标对象的识别方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910954977.XA CN111367955B (zh) 2019-10-09 2019-10-09 目标对象的识别方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111367955A true CN111367955A (zh) 2020-07-03
CN111367955B CN111367955B (zh) 2024-03-26

Family

ID=71204200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910954977.XA Active CN111367955B (zh) 2019-10-09 2019-10-09 目标对象的识别方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111367955B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112506934A (zh) * 2020-12-18 2021-03-16 中国科学院软件研究所 一种面向软件定义卫星的测控及载荷数据存储方法与装置
CN115587285A (zh) * 2022-11-07 2023-01-10 中国工商银行股份有限公司 目标对象识别方法、装置、计算机设备和存储介质
CN116738303A (zh) * 2023-04-18 2023-09-12 北京万里红科技有限公司 一种目标人员的识别方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014112730A1 (ko) * 2013-01-16 2014-07-24 영남대학교 산학협력단 미아 추적 시스템 장치 및 그 방법
US20140376815A1 (en) * 2011-12-14 2014-12-25 Nec Corporation Video Processing System, Video Processing Method, Video Processing Device for Mobile Terminal or Server and Control Method and Control Program Thereof
CN106339428A (zh) * 2016-08-16 2017-01-18 东方网力科技股份有限公司 基于视频大数据的嫌疑人身份识别方法和装置
WO2017148272A1 (zh) * 2016-02-29 2017-09-08 阿里巴巴集团控股有限公司 一种目标用户的识别方法和装置
CN107255794A (zh) * 2017-05-27 2017-10-17 中国电子科技集团公司第二十九研究所 一种基于uwb的定位装置及火车站儿童定位方法
CN107278369A (zh) * 2016-12-26 2017-10-20 深圳前海达闼云端智能科技有限公司 人员查找的方法、装置及通信系统
CN107480246A (zh) * 2017-08-10 2017-12-15 北京中航安通科技有限公司 一种关联人员的识别方法及装置
US20180115749A1 (en) * 2015-03-19 2018-04-26 Nec Corporation Surveillance system and surveillance method
CN107992814A (zh) * 2017-11-28 2018-05-04 北京小米移动软件有限公司 对象寻找方法及装置
US20180262883A1 (en) * 2016-06-06 2018-09-13 Tencent Technology (Shenzhen) Company Limited Method for mining social account of target object, server, and storage medium
CN110191424A (zh) * 2019-05-16 2019-08-30 武汉数矿科技股份有限公司 一种特定嫌疑人的轨迹生成方法和装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140376815A1 (en) * 2011-12-14 2014-12-25 Nec Corporation Video Processing System, Video Processing Method, Video Processing Device for Mobile Terminal or Server and Control Method and Control Program Thereof
WO2014112730A1 (ko) * 2013-01-16 2014-07-24 영남대학교 산학협력단 미아 추적 시스템 장치 및 그 방법
US20180115749A1 (en) * 2015-03-19 2018-04-26 Nec Corporation Surveillance system and surveillance method
WO2017148272A1 (zh) * 2016-02-29 2017-09-08 阿里巴巴集团控股有限公司 一种目标用户的识别方法和装置
US20180262883A1 (en) * 2016-06-06 2018-09-13 Tencent Technology (Shenzhen) Company Limited Method for mining social account of target object, server, and storage medium
CN106339428A (zh) * 2016-08-16 2017-01-18 东方网力科技股份有限公司 基于视频大数据的嫌疑人身份识别方法和装置
CN107278369A (zh) * 2016-12-26 2017-10-20 深圳前海达闼云端智能科技有限公司 人员查找的方法、装置及通信系统
CN107255794A (zh) * 2017-05-27 2017-10-17 中国电子科技集团公司第二十九研究所 一种基于uwb的定位装置及火车站儿童定位方法
CN107480246A (zh) * 2017-08-10 2017-12-15 北京中航安通科技有限公司 一种关联人员的识别方法及装置
CN107992814A (zh) * 2017-11-28 2018-05-04 北京小米移动软件有限公司 对象寻找方法及装置
CN110191424A (zh) * 2019-05-16 2019-08-30 武汉数矿科技股份有限公司 一种特定嫌疑人的轨迹生成方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁洪丽;: "基于Neo4j图数据库的人员关系挖掘", no. 07 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112506934A (zh) * 2020-12-18 2021-03-16 中国科学院软件研究所 一种面向软件定义卫星的测控及载荷数据存储方法与装置
CN115587285A (zh) * 2022-11-07 2023-01-10 中国工商银行股份有限公司 目标对象识别方法、装置、计算机设备和存储介质
CN115587285B (zh) * 2022-11-07 2025-09-16 中国工商银行股份有限公司 目标对象识别方法、装置、计算机设备和存储介质
CN116738303A (zh) * 2023-04-18 2023-09-12 北京万里红科技有限公司 一种目标人员的识别方法及装置

Also Published As

Publication number Publication date
CN111367955B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
Figueroa et al. Community-Level Factors Associated With Racial And Ethnic Disparities In COVID-19 Rates In Massachusetts: Study examines community-level factors associated with racial and ethnic disparities in COVID-19 rates in Massachusetts.
CN111885502B (zh) 一种保护隐私的疫情防控预警与追溯系统及方法
Azarafza et al. Clustering method for spread pattern analysis of corona-virus (COVID-19) infection in Iran
CN112786205B (zh) 基于数据模型的症候群预警方法、装置、介质及设备
US11025693B2 (en) Event detection from signal data removing private information
US10555139B1 (en) Deriving signal location information
Romascanu et al. Using deep learning and social network analysis to understand and manage extreme flooding
US10212572B1 (en) Detecting and validating planned event information
CN111367955A (zh) 目标对象的识别方法、装置、电子设备和存储介质
US10970184B2 (en) Event detection removing private information
CN110162588A (zh) 一种多维关联信息的轨迹融合方法
CN109241223B (zh) 行为行踪识别方法及系统
US20170300582A1 (en) Event identification through analysis of social-media postings
Beamer et al. Spatial clusters of child lower respiratory illnesses associated with community‐level risk factors
CN114860879A (zh) 数据关联方法、装置、设备及计算机存储介质
Klein et al. Emergency event detection in twitter streams based on natural language processing
KR20180066324A (ko) 범죄 예방 장치 및 범죄 위험 정보 제공 방법
Alsaedi et al. A combined classification-clustering framework for identifying disruptive events
Borradaile et al. Whose tweets are surveilled for the police: An audit of a social-media monitoring tool via log files
WO2019187107A1 (ja) 情報処理装置、制御方法、及びプログラム
US10904720B2 (en) Deriving signal location information and removing private information from it
Moin et al. Framework for rumors detection in social media
Lazreg et al. Semantic Decay Filter for Event Detection.
Saaya et al. The Development of Trust Matrix for Recognizing Reliable Content in Social Media.
Nourbakhsh et al. " Breaking" Disasters: Predicting and Characterizing the Global News Value of Natural and Man-made Disasters

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20251201

Address after: Rooms 602 and 605, No. 85 Xiangxue Avenue Middle, Huangpu District, Guangzhou City, Guangdong Province 510000

Patentee after: Guangzhou Gaohang Technology Transfer Co.,Ltd.

Country or region after: China

Address before: 310051 Zhejiang Province, Hangzhou City, Binjiang District, Qianmo Road No. 555, Building 1, B Building, 19th Floor

Patentee before: HANGZHOU HIKVISION SYSTEM TECHNOLOGY Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20251203

Address after: 516000 Guangdong Province Huizhou City Chenjiang Street Zhongkai Sixth Road No. 333 Xinghe Zhongkai Artificial Intelligence Industrial Park Building No. 3 11th-12th Floor

Patentee after: Guangdong Jiebao Innovation Technology Co.,Ltd.

Country or region after: China

Address before: Rooms 602 and 605, No. 85 Xiangxue Avenue Middle, Huangpu District, Guangzhou City, Guangdong Province 510000

Patentee before: Guangzhou Gaohang Technology Transfer Co.,Ltd.

Country or region before: China