一种基于视频图像解析及大数据分析的智能预警方法

技术领域

本发明属于数据分析处理技术领域，尤其涉及一种基于视频图像解析及大数据分析的智能预警方法。

背景技术

目前，涉及民生的“小案”，即：入室盗窃、扒窃、盗窃三车、盗窃“三电”设施、两抢、诈骗等多发性侵财案件。根据近两年全省的数据统计：全省65％的盗窃案件由盗窃惯犯所为，且盗窃犯罪人员中有35％成为惯犯。前科惯犯人员主要特点是在短时间内在某一地点反复从事同一违法犯罪行为。因此管控好前科惯犯，针对前科人员开展现案人案关联研判有助于显著遏制区域盗窃等“小案”发案率。

现有技术仅针对前科人员进行简单的、单一的关联查询，并不能教有效判断出再次犯案的可能性。

通过上述分析，现有技术存在的问题及缺陷为：现有依靠人工仅针对前科人员进行简单的、单一的关联查询，并不能较有效判断出再次犯案的可能性；没有基于智能化技术进行及时预警的方法。

解决以上问题及缺陷的难度为：

一是人为判断的方式工作量庞大，现基层的人员配置本就较为不足，这更是加大基础人员的工作负担；二是采取人为过滤查询的方式，效率低下；三是人为判断信息的及时性不足；四是人为判断结果的有效性不足。

解决以上问题及缺陷的意义为：以智能化技术研判的方式，减轻基层人员的工作负担，通过视频图像解析和大数据分析解析出前科人员的时空轨迹等关键信息，预测出前科人员的行为风险程度，及时可为基层民警提供及时有效的预警，改变办案方式同时也提升整体办案效率。

发明内容

针对现有技术存在的问题，本发明提供了一种基于视频图像解析及大数据分析的智能预警方法。

本发明是这样实现的，一种基于视频图像解析及大数据分析的智能预警方法，所述基于视频图像解析及大数据分析的智能预警方法包括：

步骤一，获取前科人员布控人像聚档和公安视频图像，并对获取的前科人员布控人像聚档和公安视频图像进行AI解析，分析前科人员的时空轨迹及近期行为；

步骤二，基于解析、分析结果确定前科人员的历史作案特征及近期行为预测风险程度；根据前科人员的历史作案特征及近期行为预测风险程度进行实时预警。

进一步，所述近期行为预测风险程度确定包括：

基于前科人员是否存在近期频繁联系同类小案前科人员、近期联系同类“小案”前科人员两次以上、近期联系前科同案人员程度上升、近期联系盗窃惯犯人员、近期资金变动规模较以往激增、最近交易人员包含前科惯犯人员、最近交易人员包含前科同案人员、手机通讯录出现盗窃高危户籍地人员、本人有吸毒前科、本人有赌博前科、在多个案发地周边出现的手机号码、开户时间低于半年以及近期高危地区通联次数占比较高判断前科人员的近期行为预测风险程度。

进一步，所述近期行为预测风险程度确定还包括：

获取数据为嫌疑人的通话记录，采用PageRank图算法对1个月内的嫌疑人手机通话记录数据进行危险度预估训练，确定嫌疑人的稳定关系网以及高危值，并预估所有嫌疑人的危险程度。

进一步，所述预估所有嫌疑人的危险程度包括：

如果一个嫌疑人被很多其他嫌疑人通话记录关联到的话，判断这个嫌疑人属于比较危险人员，即危险程度较高；

如果一个值很高的嫌疑人通话记录关联到一个其他的嫌疑人，则被关联到的嫌疑人危险程度也对应提高。

进一步，所述预估所有嫌疑人的危险程度还包括：

w

其中，n表示嫌疑人与B通话的次数；L表示嫌疑人与B通话的总时长L。

进一步，所述基于视频图像解析及大数据分析的智能预警方法还包括：

基于视频图像解析结果以及数据分析结果当出现需预警场景时进行实时预警；

所述需预警场景包括但不限于：

多名同类型小案前科人员同时出现在同一人像卡口；相近卡口短时间内出现多名小案前科人员；盗窃/销售电动车前科人员一段时间内骑乘多部不同的电动车；入室盗窃前科人员短时间内出现在多个小区卡口；扒窃前科人员长时间徘徊在公交车站、菜市场、火车站等人员密度较高的场合。

本发明的另一目的在于提供一种实施所述基于视频图像解析及大数据分析的智能预警方法的基于视频图像解析及大数据分析的智能预警系统，所述基于视频图像解析及大数据分析的智能预警系统包括：

数据获取模块，用于获取前科人员布控人像聚档、公安视频图像以及其他数据；

AI解析模块，用于对获取的前科人员布控人像聚档和公安视频图像进行AI解析；

数据分析模块，用于分析前科人员的时空轨迹及近期行为；

特征及程度确定模块，用于基于解析、分析结果确定前科人员的历史作案特征及近期行为预测风险程度；

预警模块，用于根据前科人员的历史作案特征及近期行为预测风险程度进行实时预警。

本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述基于视频图像解析及大数据分析的智能预警方法，包括下列步骤：

步骤一，获取前科人员布控人像聚档和公安视频图像，并对获取的前科人员布控人像聚档和公安视频图像进行AI解析，分析前科人员的时空轨迹及近期行为；

步骤二，基于解析、分析结果确定前科人员的历史作案特征及近期行为预测风险程度；根据前科人员的历史作案特征及近期行为预测风险程度进行实时预警。

本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述基于视频图像解析及大数据分析的智能预警方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：以智能化技术研判的方式，在基于海量数据的基础上，包括但不限于前科人员信息数据、人员视频图像数据、话单数据、通话频率、人员关系图谱、手机通讯录、交易信息、户籍信息、案发地信息等数据，碰撞出前科人员多维度的历史作案特征以及近期行为的风险值，可根据风险值的高低来评估前科人员再次作案的可能性，超过风险值将自动化且及时为基层民警提供前科人员的风险预警，减轻基层负担的同时，有效提升整体办案效率。

本发明场景更明确，根据“小案”特征，针对性的分析主要的场景，减少无效的资源浪费。本发明准确性更高，通过大数据，多维度地分析嫌疑人的犯案动机，有效提高预警的准确度。

附图说明

图1是本发明实施例提供的基于视频图像解析及大数据分析的智能预警方法流程图。

图2是本发明实施例提供的基于视频图像解析及大数据分析的智能预警系统结构示意图；

图中：1、数据获取模块；2、AI解析模块；3、数据分析模块；4、特征及程度确定模块；5、预警模块。

图3是本发明实施例提供的数据模型示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于视频图像解析及大数据分析的智能预警方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于视频图像解析及大数据分析的智能预警方法包括：

S101，获取前科人员布控人像聚档和公安视频图像，并对获取的前科人员布控人像聚档和公安视频图像进行AI解析，分析前科人员的时空轨迹及近期行为；

S102，基于解析、分析结果确定前科人员的历史作案特征及近期行为预测风险程度；根据前科人员的历史作案特征及近期行为预测风险程度进行实时预警。

本发明实施例提供的近期行为预测风险程度确定包括：

基于前科人员是否存在近期频繁联系同类小案前科人员、近期联系同类“小案”前科人员两次以上、近期联系前科同案人员程度上升、近期联系盗窃惯犯人员、近期资金变动规模较以往激增、最近交易人员包含前科惯犯人员、最近交易人员包含前科同案人员、手机通讯录出现盗窃高危户籍地人员、本人有吸毒前科、本人有赌博前科、在多个案发地周边出现的手机号码、开户时间低于半年以及近期高危地区通联次数占比较高判断前科人员的近期行为预测风险程度。

本发明实施例提供的近期行为预测风险程度确定还包括：

获取数据为嫌疑人的通话记录，采用PageRank图算法对1个月内的嫌疑人手机通话记录数据进行危险度预估训练，确定嫌疑人的稳定关系网以及高危值，并预估所有嫌疑人的危险程度。

本发明实施例提供的预估所有嫌疑人的危险程度包括：

如果一个嫌疑人被很多其他嫌疑人通话记录关联到的话，判断这个嫌疑人属于比较危险人员，即危险程度较高；

如果一个值很高的嫌疑人通话记录关联到一个其他的嫌疑人，则被关联到的嫌疑人危险程度也对应提高。

本发明实施例提供的预估所有嫌疑人的危险程度还包括：

w

其中，n表示嫌疑人与B通话的次数；L表示嫌疑人与B通话的总时长L。

本发明实施例提供的基于视频图像解析及大数据分析的智能预警方法还包括：

基于视频图像解析结果以及数据分析结果当出现需预警场景时进行实时预警。

本发明实施例提供的需预警场景包括但不限于：

多名同类型小案前科人员同时出现在同一人像卡口；相近卡口短时间内出现多名小案前科人员；盗窃/销售电动车前科人员一段时间内骑乘多部不同的电动车；入室盗窃前科人员短时间内出现在多个小区卡口；扒窃前科人员长时间徘徊在公交车站、菜市场、火车站等人员密度较高的场合。

如图2所示，本发明实施例提供的基于视频图像解析及大数据分析的智能预警系统包括：

数据获取模块1，用于获取前科人员布控人像聚档、公安视频图像以及其他数据；

AI解析模块2，用于对获取的前科人员布控人像聚档和公安视频图像进行AI解析；

数据分析模块3，用于分析前科人员的时空轨迹及近期行为；

特征及程度确定模块4，用于基于解析、分析结果确定前科人员的历史作案特征及近期行为预测风险程度；

预警模块5，用于根据前科人员的历史作案特征及近期行为预测风险程度进行实时预警。

下面结合具体实施例对本发明的技术方案做进一步说明。

实施例1：

本发明中，根据前科人员布控人像聚档和公安视频图像AI解析，分析前科人员的时空轨迹及近期行为，可在案件发生前实时解析，推送预警信息。实时预警将根据图像解析数据将根据前科人员的历史作案特征及近期行为预测风险程度，引导进行下一步街面打击。

具体如下：

1.预警场景

(1)多名同类型“小案”前科人员同时出现在同一人像卡口；

(2)相近卡口短时间内出现多名“小案”前科人员；

(3)盗窃/销售电动车前科人员一段时间内骑乘多部不同的电动车；

(4)入室盗窃前科人员短时间内出现在多个小区卡口；

(5)扒窃前科人员长时间徘徊在公交车站、菜市场、火车站等人员密度较高的场合；

2.预警风险等级

(1)近期频繁联系同类“小案”前科人员；

(2)近期联系同类“小案”前科人员两次以上；

(3)近期联系前科同案人员程度上升；

(4)近期联系盗窃惯犯人员；

(5)近期资金变动规模较以往激增；

(6)最近交易人员包含前科惯犯人员；

(7)最近交易人员包含前科同案人员；

(8)手机通讯录出现盗窃高危户籍地人员；

(9)本人有吸毒前科；

(10)本人有赌博前科；

(11)在多个案发地周边出现的手机号码；

(12)开户时间低于半年；

(13)近期高危地区通联次数占比较高；

3.嫌疑人危险程度

可获取数据为嫌疑人的通话记录，因此数据的内涵假定前提即所有人都有高危概率。本方案算法采用对1个月内的嫌疑人手机通话记录数据进行危险度预估训练来预估出所有嫌疑人的危险程度，算法采用PageRank图算法，嫌疑人通讯记录里发起的通讯对象有嫌疑人，那么表示有一条指向的边，算法具体核心思想如下：

①如果一个嫌疑人被很多其他嫌疑人通话记录关联到的话，说明这个嫌疑人属于比较危险人员，也就是值会相对较高；

②如果一个值很高的嫌疑人通话记录关联到一个其他的嫌疑人，那么被关联到的嫌疑人值会相应地因此而提高。

该模型可以得到嫌疑人的稳定关系网以及高危值，假设嫌疑人与B通话的次数n与总时长L(小时)，那么的A->b的权(w)可以由如下公式表示，

w

4.数据需求

本模型涉及部分存于数据域内的数据，考虑到需要保证数据安全情况，研判模型可采用联邦学习的形式有效保证在满足公民隐私保护、数据安全和政府法规的要下，进行数据使用和机器学习建模，提高模型的准确性。

该模型所需数据按照数据来源区分可分为一般数据及公民隐私数据。日常使用可仅使用一般数据，确认为犯罪嫌疑人再按需获取特定人员隐私数据。

按照使用功能可区分为：模型学习使用数据、上线使用数据。模型学习数据可按照一定频率使用历史的数据(如一年一次)，模型学习后将固化案件特征用于后续智能研判；上线使用数据需要及时更新，用于实时研判使用。

在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体，或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所做的做的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。