[发明专利]基于人口信息库与实名通话记录的团伙及其头目识别方法

说明书

本发明公开了一种基于人口信息库与实名通话记录的团伙及团伙头目的识别方法，该方法包括：(1)对监控中的人群场景分析，监控视频中移动的行人和静止人群进行小群体(团伙)分割，确定团伙群体目标；对团伙群体目标进行人脸检测；(2)分别通过确定团伙成员之间的跟随关系、确定人脸方向持续时间进行基于视频信息的团伙头目检测；(3)基于人口信息库，通过深度学习卷积神经网络算法实现人像比对，确定团伙成员身份信息；(4)结合通讯数据库，确定团伙内部实名通话时间及次数记录，以及团伙与外部异常通话时间、次数记录，实现基于通话记录的团伙头目检测；(5)综合分析视频信息及通话记录关系，实现犯罪团伙头目和成员的识别。

技术领域

本发明属于监控视频中人脸识别、移动通信数据挖掘、犯罪地理学技术领域，具体设计是对监控视频人脸识别和实名通话记录数据分析对团伙及团伙头目精确识别的方法。

背景技术

在当前城市犯罪的案情报告中，团伙性质作案的数目和比例呈现逐年递增趋势，犯罪形势严峻。团伙化犯罪其人数规模大、组织形式多样、危害程度高、团伙抓捕难度大等特点越来越多的构成了对社会公共安全、平安城市的较大威胁。对充分把握破案的主动权，完善犯罪团伙的分析需求不断上升。

现阶段，随着监控视频系统的普及，移动通信技术的发展，深度学习卷积神经网络算法在人脸识别等图像处理领域优秀计算能力，大量的监控视频卡口数据、行人轨迹、人口信息数据库、实名通讯数据库等大数据为及时快速的判断犯罪团伙规模、定位和识别犯罪团伙提供了技术契机。

发明内容

针对现有技术中存在的(1)理论性强，缺少实际场景的应用；(2)容易造成团伙犯罪的部分团伙成员漏网；(3)未考虑团伙成员频繁联系的潜在犯罪分子；(4)未充分利用人口信息库以及实名通话记录数据库等问题，本发明提出了一种针对实际应用监控视频场景下，运用人口信息数据库和通讯数据库等大数据，对团伙及团伙头目进行人脸识别。和现有技术相比，本发明根据人口信息库与深度学习卷积神经网络算法识别出来的团伙个人信息，结合通讯数据库的实名通话记录分析，确定团伙关联活动网络，进而实现对犯罪团伙及团伙头目团伙和外部异常成员的精确识别和打击。

基于人口信息库与实名通话记录的团伙及团伙头目的识别，其特征包括以下步骤：

步骤1：对监控中的人群场景分析，监控视频中移动的行人和静止人群进行小群体(团伙)分割，确定团伙群体目标；针对以上两种情况对监控视频的群体进行人脸检测。

步骤2：分别通过确定监控视频中移动团伙成员之间的跟随关系、监控视频中静止小群体团伙人脸方向持续时间，进行基于视频信息的团伙头目检测。

步骤3：基于人口信息库，通过深度学习卷积神经网络算法实现人像比对，确定团伙成员身份信息。

步骤4：结合通讯数据库，确定团伙内部实名通话时间及次数记录，以及团伙与外部异常通话时间、次数记录，实现基于通话记录的团伙头目检测。

步骤5：综合分析视频信息及通话记录关系，实现犯罪团伙头目和成员和团伙外部异常成员的识别。

进一步地，步骤1包括以下步骤：

步骤：1.1：运动小群体KLT特征点：采用Kanade-Lucas-Tomasi(KLT)算法，获得运动小群体特征点的位置，小群体特征点跟踪得到运动轨迹；t时刻对应的某一帧图像F(x,y,t),t+τ时刻对应的图像为G(x,y,t+τ),灰度值平方差和(sum of squared differences,SSD)最小化d:

d＝∫∫w·[G(x+d)-F(x)]²dx (1-1)

其中，F(x)、G(x+d)代表相邻两帧的关系，w为权值。位移量为每一帧的特征点在空间上的位移