[发明专利]一种昼伏夜出人员判定方法、装置、电子设备及存储介质

说明书

本申请提供一种昼伏夜出人员判定方法、装置、电子设备及存储介质。该方法包括：获取第一历史时间段内待判定人员在目标区域的活动特征；目标区域包括多个图像采集装置，活动特征包括所述多个图像采集装置采集到待判定人员的时间、出入信息、在图像采集装置采集区域内的停留时长和是否路过图像采集装置；利用判定模型对活动特征进行分析，获得待判定人员对应的判定结果；判定模型为利用多个训练样本对卷积神经网络模型训练获得。本申请实施例通过获取待判定人员的活动特征，并利用判定模型对其进行分析，获得判定结果，不需要安保人员进行人工统计，降低了安保人员的工作压力，另外通过判定模型能够提高判定的效率及准确性。

技术领域

本申请涉及大数据处理技术领域，具体而言，涉及一种昼伏夜出人员判定方法、装置、电子设备及存储介质。

背景技术

社区安全是社会安全的基石，长期以来，我国安全形势严峻的重要原因之一是社区安全基础差。所以构建安全祥和的社区是社会安全的重要基础。

一般情况下，居民的生活习惯是白天出门工作，晚上回家睡觉，而对于一些不法分子来说，他们更倾向于白天在家，晚上活动，因此，对这类昼伏夜出的人员的判定很有必要。

现有技术中，通过小区中的安保人员统计每个人的出入时间，从而可以找到具有昼伏夜出类型的人员。这种方法会给安保人员带来较大的工作压力，再有，有些人可能不通过小区大门出去，这就使安保人员无法统计，导致无法准确判断。

发明内容

本申请实施例的目的在于提供一种昼伏夜出人员判定方法、装置、电子设备及存储介质，用以降低安保人员的工作压力，以及准确识别昼伏夜出人员。

第一方面，本申请实施例提供一种昼伏夜出人员判定方法，包括：获取第一历史时间段内待判定人员在目标区域的活动特征；其中，所述目标区域包括多个图像采集装置，所述活动特征包括所述多个图像采集装置采集到所述待判定人员的时间、出入信息、在图像采集装置采集区域内的停留时长和是否路过图像采集装置；利用判定模型对所述活动特征进行分析，获得所述待判定人员对应的判定结果；其中，所述判定结果为昼伏夜出或非昼伏夜出，所述判定模型为利用多个训练样本对卷积神经网络模型训练获得。

本申请实施例通过获取待判定人员的活动特征，并利用判定模型对其进行分析，获得判定结果，不需要安保人员进行人工统计，降低了安保人员的工作压力，另外通过判定模型能够提高判定的效率及准确性。

进一步地，在获取第一历史时间段内待判定人员在目标区域的活动特征之后，所述方法还包括：对所述活动特征中非数值参数进行数值化处理。以便于判定模型识别及分析。

进一步地，在获取第一历史时间段内待判定人员在目标区域的活动特征之前，所述方法还包括：获取训练样本集，所述训练样本集中的训练样本包括训练特征和训练标签；分别将每个训练样本的训练特征输入所述卷积神经网络模型中，所述卷积神经网络模型输出所述训练特征对应的预测标签；根据所述预测标签和所述训练标签计算损失函数，并通过反向传播对所述卷积神经网络模型中的参数进行优化，获得所述判定模型。

本申请实施例通过对卷积神经网络模型进行训练，获得判定模型，能够通过判定模型高效准确的对待判定人员进行判定。

进一步地，所述卷积神经网络包括：多个卷积层、池化层和全连接层；其中：所述卷积层包括多个卷积核和ReLU激活函数，所述卷积层用于对所述活动特征进行特征提取，获得多个特征矩阵；所述池化层用于对所述特征矩阵进行降采样；所述全连接层用于根据降采样后的特征矩阵获得判定结果。

进一步地，在获得所述待判定人员对应的判定结果之后，所述方法还包括：获取目标规则，所述目标规则包括昼伏夜出人员对应的各个图像采集装置对应的进入目标区域时间段和出目标区域时间段；利用所述目标规则对所述判定结果进行调整，获得目标判定结果。

本申请实施例通过利用目标规则对待判定人员的判定结果进行调整，以提高判定的准确性。