[发明专利]一种基于四维出行模型的人员活动图谱实现方法

权利要求书

1.一种基于四维出行模型的人员活动图谱实现方法，其特征在于，包括以下步骤：

S1：构建出行人员的四维出行模型；

S2：获取出行人员的人脸图像数据，并将人脸图像数据输入四维出行模型，四维出行模型提取人脸图像数据中的时间信息、场所信息、设备信息和人员信息，并根据所述时间信息、场所信息、设备信息和人员信息生成出行人员的出行轨迹；

S3：根据出行轨迹，按照设定的异常出行判定规则判定出目标人员中的异常人员，目标人员为出行人员中需要进行出行行为研判的人员；

S4：挖掘与异常人员在第一时间周期内接触的密接人员A，密接人员A为与异常人员的接触次数大于等于第一阈值的人员；

S5：挖掘异常人员在第二时间周期内到访过的高频出行场所A，高频出行场所A为异常人员到访的次数大于等于第二阈值的场所；

S6：挖掘高频出行场所A在第三时间周期内的高频到访人员，高频到访人员为到访该场所的次数大于等于第三阈值的人员；

S7，挖掘在第四时间周期内与异常人员同框出现的人员，同框出现的人员为与异常人员在同一场所、就近关联场所或同一设备的采集区域内同时出现、且出现的时间间隔小于等于第一预设时间间隔的人员，就近关联场所为与高频出行场所A之间的距离小于等于第四阈值的场所；

S8，挖掘高频到访人员在第五时间周期内的高频出行场所B，高频出行场所B为高频到访人员到访该场所的次数大于等于第五阈值的场所；

S9，挖掘同框出现的人员在第六时间周期内的高频出行场所C，高频出行场所C为同框出现的人员到访该场所的次数大于等于第六阈值的场所；

S10：挖掘同框出现的人员在第七时间周期内的密接人员B，密接人员B为与同框出现的人员接触的次数大于等于第七阈值的人员；

S11，挖掘密接人员A在第八时间周期内的密接人员C，密接人员C为与密接人员A接触的次数大于等于第八阈值的人员；

S12，挖掘密接人员A在第九时间周期内的高频出行场所D，高频出行场所D为密接人员A到访该场所的次数大于等于第九阈值的场所；

S13：根据得到的密接人员A、高频出行场所A、高频到访人员、高频出行场所B、同框出现的人员、高频出行场所C、密接人员B、密接人员C、高频出行场所D形成人员追踪链，以异常人员作为中心点辐射生成人员活动图谱。

2.根据权利要求1所述的一种基于四维出行模型的人员活动图谱实现方法，其特征在于，

所述步骤S1中，构建出行人员的四维出行模型的具体步骤包括：

S101：将出行人员的历史人脸图像数据进行汇聚，得到人员出行日志流水；

S102：根据预设的数据清洗策略对人员出行日志流水进行清洗；

S103：对人员出行日志流水加载类型标签，类型标签包括人员类型标签X、场所标签Z和设备标签Y；

S104：根据已加载的人员类型标签X，对人员出行日志流水进行分割，然后将分割后的人员出行日志流水对应输入预设的分析模型进行训练，分析模型内包括四个维度的分析通道，根据分析模型内配置的分析策略将人员出行日志流水输入分析通道中的一个或多个，由分析模型并行完成人员出行日志流水的分析并归类，四个维度分别为时间维度、场所维度、设备维度和人员维度；

S105，根据训练好的分析模型构建出行人员的四维出行模型。

3.根据权利要求2所述的一种基于四维出行模型的人员活动图谱实现方法，其特征在于，所述步骤S101，将出行人员的历史人脸图像数据进行汇聚，得到人员出行日志流水之前还包括如下步骤：

S001：将出行人员的图像数据输入预先训练好的人脸识别模型进行人脸图像筛选，并将筛选出的人脸图像与人脸识别模型中存储的人脸图片进行匹配；若匹配成功，给出行人员的人脸图像数据标记身份识别ID；若匹配失败，则进入步骤S002；

S002：将出行人员的人脸图像数据输入预先训练好的人脸聚类模型进行人员聚类，聚类后给出行人员的人脸图像数据标记身份识别ID。