[發明專利]一種基于監督學習的地面公交扒竊個體自動檢測方法

有效

• 申請號: 201711399106.3
• 申請日: 2017-12-22
• 公開（公告）號: CN107992902B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 尹寶才;趙霞;張勇;張可;王文婷
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

本發明公開一種基于監督學習的地面公交扒竊個體自動檢測方法。針對目前在公共交通安全監管方面尚缺乏一套有效的智能交通數據分析方法以自動檢測地面公交扒竊個體的問題，本發明采用地面公交大數據和社交網絡有效數據，提出一種基于有監督式分類的地面公交扒竊個體自動檢測方法，包括以下步驟：步驟1：提取異常出行關鍵特征；步驟2：嵌入扒竊組別的聚類分析；步驟3：扒竊個體樣本庫構建；步驟4：扒竊個體有監督式分類。本發明提出的地面公交扒竊個體自動檢測方法可應用于公共交通行業數據分析平臺，為扒竊個體檢測、扒竊事件預警及可視化布控提供科學依據。

技術領域

本發明屬于公共交通異常檢測領域，尤其涉及一種基于監督學習的地面公交扒竊個體自動檢測方法。

背景技術

人流密集且流動頻繁的公共交通場所極易滋生扒竊事件，在高峰時間、熱點區域處尤為嚴重。有效打擊場所內的扒竊事件是保障公共交通安全運營的重要途徑。雖然短期警力投入能夠顯著抑制扒竊事件的發生，但仍不能從源頭上有效遏制其發展態勢。究其原因，尚缺乏一套有效的地面公交扒竊個體自動檢測方法。

歷年針對公共交通異常檢測的專利主要是以硬件報警設施為主。例如，申請號為200820052528.3的專利公開了一種公共客運車和軌道客運列車車廂防盜語音報警器的實用新型，可在個體發現扒手時觸發使用。但是這類發明通常只適用于事中報警，未考慮報警后車廂內產生的個體騷動、扒竊反擊等安全隱患，也無法提前預警異常事件。近年來，大數據的采集為自動檢測異常個體提供數據驅動支持。與傳統的基于硬件設施報警檢測異常個體的方法不同，基于大數據驅動的異常檢測方法是在歷史數據的基礎上，通過訓練歷史工作模式，應用于現有工作模式的學習中。這類方法能夠提前檢測顯著偏離于正常模式之外的異常工作模式。例如，申請號為201710161500.7的專利公開了一種基于視頻分析的打架斗毆異常行為自動檢測方法，根據視頻中的人體姿態、動作、表情等可視元素準確標定并學習異常事件(如打架斗毆)。但視頻數據的區域聯動性差、分辨率低等問題決定了上述專利只適用于單點異常事件檢測，并不適用于具有大規模網絡特性的公共交通異常個體檢測。申請號為201510937719.2的專利公開了一種異常行為檢測方法，通過觀察一定時期內多組別個體在普適環境中的既定行為模式來檢測其未來異常行為。這類專利對所學樣本的發生率有較高要求。樣本間的顯著不均衡性(如小概率異常事件)會顯著降低這類方法的訓練精度，因而不適用于具有小概率特性的公共交通異常扒竊個體的檢測?；诖耍暾執枮?01611232408.7的專利公開了一種基于大數據機器學習的異常行為發現方法及系統，提出一套2階段分類方法來檢測異常個體，即：首先有效分離出正常、異常訓練樣本直至二者達到合理配比后，人工添加樣本標簽，以便有監督式檢測異常樣本。實驗結果雖證實該框架的高效性，但仍無法準確判定具有復合特征的訓練樣本的標簽。此外，這類方法也無法有效檢測不同類型的異常個體，如固定場所作案或游蕩型作案的扒竊個體。

基于此，本發明提出一種基于監督學習的地面公交扒竊個體自動檢測方法。研究成果可應用于公共交通行業數據分析平臺，為扒竊個體檢測、扒竊事件預警及可視化布控提供科學依據。

發明內容

針對現有技術中存在的上述問題，本發明采用地面公交大數據和社交網絡有效數據，提出一種基于監督學習的地面公交扒竊個體自動檢測方法。從空間、時間和屬性維度提取異常出行關鍵特征之后，嵌入先驗扒竊類型對全體數據進行組別細分和無監督式聚類，采用ROCF和LOF算子對類和類內潛在異常個體進行標定，以構建扒竊個體樣本庫，最終應用于有監督式的扒竊個體分類學習中。

為實現上述目的，本發明采用如下的技術方案：

一種基于監督學習的地面公交扒竊個體自動檢測方法包括以下步驟：