[发明专利]一种基于大数据的轨道交通客流异常模式识别方法

权利要求书

1.一种基于大数据的轨道交通客流异常模式识别方法，包括以下步骤：

采集乘客的刷卡信息并判断是否属于异常卡，其中异常卡用于表征刷卡记录存在异常行为；

在判断为异常卡的情况下，采集异常卡乘客的脸图信息和人体特征，并将异常卡号与脸图信息绑定，进而将异常卡对应的脸图信息，发布到多个跟踪摄像机，该多个跟踪摄像机根据本地人脸识别库，分别比对自己获取的脸图信息，如果检索到本地人脸识别库中的人脸信息，则将比对结果和对应摄像机的视频流上传至目标服务器。

2.根据权利要求1所述的方法，其中，根据以下步骤判断是否属于异常卡：

基于乘客乘地铁的历史OD数据，提取异常卡号以及该异常卡号的异常行为类型；

在乘客刷卡时采集乘客的卡号，根据卡号判断是否为异常卡。

3.根据权利要求1所述的方法，其中，采集乘客的刷卡信息并判断是否属于异常卡包括：

当乘客进入到人脸识别摄像机的有效识别区域后，采集乘客的脸图信息并进行缓存，如果判断属于正常卡，则将该乘客的脸图信息移除，如果判断是异常卡，则缓存该异常卡信息并绑定对应的脸图信息。

4.根据权利要求1所述的方法，根据以下步骤判断刷卡记录是否存在异常行为：

根据同站进出的次数过滤滤掉无意的同站进出记录；

通过聚类分析判断同站进出表征的异常行为类型；

设定异常行为相似性评估的特征向量，以识别出异常行为。

5.根据权利要求4所述的方法，其中，所述异常行为相似性评估的特征向量表示为：

z表示结合文献、社交媒体和真实案例后，对特征向量进行的相似性评估指标，n＝1,2,3分别表示文献，社交媒体和真实案例，w_n代表权重，z_n表示打分，i(z)代表乘客的异常行为属性，0表示正常卡，1表示异常卡，threshold¹表示阈值。

6.根据权利要求1所述的方法，其中，通过以下步骤识别异常行为：

将乘客的出行记录转化为时间特征图和空间特征图，将所述时间特征图和空间特征图进行组合形成二维特征图；

构建神经网络分类器，以所述二维特征图为输入，以是否存在异常行为作为输出，进而识别异常行为。

7.根据权利要求6所述的方法，其中，生成所述二维特征图包括：

采用平均池和最大池的操作产生一个有效的特征描述符，然后在连接的特征描述符上，用卷积层来生成空间注意图，用来编码应该强调或者抑制的地方。

8.根据权利要求6所述的方法，其中，所述神经网络分类器包括多个依次连接的卷积层和池化层，所述卷积层用于利用一组滤波器和非线性层变换提取目标图像的局部特征，生成特征图，然后对该特征图中每组的像素进行求和、加权和偏置，并通过激活函数得到池化层的特征图，所述池化层用于利用池化操作减少所述卷积层特征向量的维数，提高特征表达能力。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述的方法的步骤。