[发明专利]基于图像聚类数据进行区域人口分类管理方法

说明书

本发明公开基于图像聚类数据进行区域人员分类管理方法。包括通过数据接入模块，接入所需视频流数据、人脸和人体抓拍图片数据；视频流数据、人脸和人体抓拍图片数据分别通过人像视频结构化和图片结构化计算引擎进行人脸和人体结构化，输出获取相应的人脸和人体结构化数据；对接入所有人脸抓拍设备的基础信息数据；调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成视频身份ID的创建和赋予过程；以Hadoop或Spark分布式计算框架为基础，构建人脸分类算法。本发明对聚类归集数据再加工，进行分析挖掘，进行区域人口精细分类，便于在人口管理过程中使用。

技术领域

本发明涉及计算机技术领域，尤其涉及基于图像聚类数据进行区域人口分类管理方法。

背景技术

现有技术中涉及到区域人口分类管理的技术方案有以下两种：

一.当前区域实有人口的管理工作量大量依赖社区民警进行不定期“上门”数据采集，通过采集APP进行系统录入，受制于采集时间、采集频率和采集范围无法做对即时和全覆盖，导致数据采集不全、数据质量差、数据真实性难以难等问题，也进一步导致公安人口管理工作难以做出成绩，其不足之处在于：1.数据采集汇聚严重依赖人工，数据不全、错误率高；2.数据质量问题导致难以对区域人员数据进行分类管理；3.缺少对人工采集、汇聚数据的验证办法；4.基于人工采集、汇聚的数据难以实现对区域人口进行精细化管理。

二.通过人脸识别系统对区域人员进出进行人脸抓拍，然后对抓拍结果进行查询统计，分析得出当前抓拍目标在本区域进出或出现次数。其不足之处在于：1.对区域人员频次分析，只能通过大数据分析模型，每次在海量的抓拍数据中重新计算得出，受制于人脸特征值对比计算需要依赖GPU算力，因此随着抓拍数据量的逐步增加，模型分析计算的GPU资源消耗线性增加、人脸比对精度直线下降；2.没有结合社区民警采集的一标三实中实有人口数据进行关联分析，找出异常数据，推进数据准确性的持续提升。

发明内容

本发明的目的克服现有技术中的不足而提供一种基于图像聚类数据进行区域人口分类管理方法，该方法对聚类归集数据再加工，进行分析挖掘，进行区域人口精细分类，便于在人口管理过程中使用。

本发明的技术方案如下：

基于图像聚类数据进行区域人口分类管理方法，其特征在于：包括

通过数据接入模块，接入所需视频流数据、人脸和人体抓拍图片数据；

视频流数据、人脸和人体抓拍图片数据分别通过人像视频结构化和图片结构化计算引擎进行人脸和人体结构化，输出获取相应的人脸和人体结构化数据；

对接所有人脸抓拍设备的基础信息数据；

调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成视频身份ID的创建和赋予过程；

以Hadoop或Spark分布式计算框架为基础，构建人脸分类算法，结合抓拍时间、时间规律进行判定分析。

上述人脸聚类分析算法包括：

接入已处理好的人脸和人体结构化数据，包括特征值和结构化属性数据；

加载已接入的人脸抓拍设备的基础信息数据；

加载已有的全量聚类人脸数据；

进行人脸特征值对比，基于抓拍时间的人脸结构化属性关联分析；

基于关联设备的抓拍时间、地点进行时空关系分析，从初步聚类数据中去除干扰数据；

完成目标聚类数据更新。