[发明专利]电像计算时空轨迹车码关联方法、装置、设备及存储介质

说明书

本发明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。

技术领域

本发明实施例涉及电像计算技术领域，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。

背景技术

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，本发明关注车码关联问题。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。

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。

发明内容

本发明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。

第一方面，本发明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。

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。

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。

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：