[發(fā)明專利]一種多維信息感知處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811186314.X
• 申請(qǐng)日: 2018-10-11
• 公開（公告）號(hào): CN109461106A
• 公開（公告）日: 2019-03-12
• 發(fā)明（設(shè)計(jì)）人: 霍慶明
• 申請(qǐng)（專利權(quán)）人: 浙江公共安全技術(shù)研究院有限公司
• 主分類號(hào): G06Q50/26
• 分類號(hào): G06Q50/26;H04N7/18;H04B5/00;H04W4/021;H04W4/029;H04W4/40
• 代理公司: 杭州浙科專利事務(wù)所(普通合伙) 33213
• 代理人: 吳秉中

1.一種多維信息感知處理方法，包括多維數(shù)據(jù)采集、多維數(shù)據(jù)聯(lián)合處理和處理后數(shù)據(jù)應(yīng)用，其特征在于：所述多維數(shù)據(jù)采集包括卡口過車數(shù)據(jù)、wifi探針探測(cè)數(shù)據(jù)、多維感知門采集數(shù)據(jù)、人臉設(shè)備拍攝人臉數(shù)據(jù)、rfid記錄數(shù)據(jù)、電子圍欄采集數(shù)據(jù)等，匯集110警情、警力，網(wǎng)吧，案件信息，人口數(shù)據(jù)，賓館住宿，智能警務(wù)亭，智慧社區(qū)等數(shù)據(jù)；多維數(shù)據(jù)聯(lián)合處理包括空間聚類分析和關(guān)系圖譜分析；處理后數(shù)據(jù)應(yīng)用包括：人像預(yù)警、伴隨人員分析、落腳點(diǎn)分析、徘徊車輛分析、時(shí)空交叉分析、同行分析、晝伏夜出分析、人流分析、隱匿車輛分析、作息規(guī)律分析、套牌車輛分析、布控預(yù)警分析、被害人關(guān)系分析、犯罪模式分析。

2.如權(quán)利要求1所述的多維信息感知處理方法，其特征在于：

所述卡口過車數(shù)據(jù)通過卡口過車時(shí)拍攝數(shù)據(jù)實(shí)時(shí)傳輸平臺(tái)，平臺(tái)使用流計(jì)算方式將當(dāng)前實(shí)時(shí)拍攝的記錄和歷史拍攝到的記錄累加形成當(dāng)前總的采集數(shù)量，最終以總采集量和當(dāng)天采集量寫入數(shù)據(jù)庫(kù)，形成卡口過車按卡口分類的當(dāng)天采集量和累計(jì)采集量列表；

所述Wifi探針探測(cè)數(shù)據(jù)通過采集數(shù)據(jù)實(shí)時(shí)傳輸?shù)狡脚_(tái)，平臺(tái)使用流計(jì)算方式將當(dāng)前探針實(shí)時(shí)采集到的記錄和歷史采集到的記錄累加形成當(dāng)前總的采集數(shù)量，最終以總采集量和當(dāng)天采集量寫入數(shù)據(jù)庫(kù)，形成wifi探針按探針mac地址分類的當(dāng)天采集量和累計(jì)采集量列表；

所述人臉設(shè)備拍攝人臉數(shù)據(jù)通過人臉設(shè)備拍攝到人臉后實(shí)時(shí)傳輸?shù)狡脚_(tái)，平臺(tái)使用流計(jì)算方式將當(dāng)前實(shí)時(shí)拍攝的記錄和歷史拍攝到的記錄累加形成當(dāng)前總的拍攝數(shù)量，最終以總數(shù)量和當(dāng)天拍攝量寫入數(shù)據(jù)庫(kù)，形成以人臉拍攝設(shè)備點(diǎn)位按當(dāng)天采集量和累計(jì)采集量分類列表；

所述rfid記錄數(shù)據(jù)通過城市中安裝的rfid采集設(shè)備，當(dāng)安裝rfid標(biāo)簽的車輛經(jīng)過rfid采集設(shè)備后采集設(shè)備采集到信息，包括車牌，編號(hào)，所有人，注冊(cè)日期，實(shí)時(shí)發(fā)送到平臺(tái)，平臺(tái)通過流計(jì)算方式把實(shí)時(shí)接收到的數(shù)據(jù)和歷史接收數(shù)據(jù)累加，形成以rfid采集設(shè)備點(diǎn)位按當(dāng)天采集量和累計(jì)采集量分類列表；

所述多維感知門采集數(shù)據(jù)包括三類數(shù)據(jù)：身份證、電子設(shè)備mac、人臉照片；行人經(jīng)過感知門需要刷身份證，同時(shí)設(shè)備自動(dòng)采集人員隨身攜帶的手機(jī)，pad等電子設(shè)備的mac地址及設(shè)備內(nèi)安裝軟件的虛擬身份，拍攝人臉照片；三類數(shù)據(jù)實(shí)時(shí)傳輸?shù)狡脚_(tái)，平臺(tái)通過流計(jì)算把三類數(shù)據(jù)按設(shè)備mac地址進(jìn)行分類統(tǒng)計(jì)，計(jì)算出當(dāng)日采集量和累計(jì)采集量。

3.如權(quán)利要求1所述的多維信息感知處理方法，其特征在于：

所述空間聚類分析中把空間距離的通用基本表達(dá)式稱為閔可夫斯基(Minkowski)距離；

閔可夫斯基(Minkowski)距離,該基本表達(dá)式的p階，p>0，形式如下：

其中，為向量z的p范數(shù)；

在以下表達(dá)式中對(duì)空間類別使用K-Means分類算法，空間距離測(cè)算采用歐式距離Dis₂，包括如下步驟：

步驟1、數(shù)據(jù)簇的數(shù)目K∈N；隨機(jī)初始化K個(gè)均值向量μ₁，…，μ_k∈R^d；

步驟2、將每個(gè)x∈D劃分到簇argmin_jDis₂(x，μ_j)；

步驟3、遍歷1到K的所有簇，將x∈D劃分到對(duì)應(yīng)的簇，得到D_j；

步驟4、計(jì)算向量

重復(fù)計(jì)算步驟1-4，直到μ₁，…，μ_k不再變化，認(rèn)為算法收斂完成。

4.如權(quán)利要求1所述的多維信息感知處理方法，其特征在于：

所述關(guān)系圖譜分析首先計(jì)算關(guān)系網(wǎng)絡(luò)里各對(duì)象的關(guān)系遠(yuǎn)近，也就是社交網(wǎng)絡(luò)里的路徑長(zhǎng)度采用直接疊加路徑集合的方式，按照指數(shù)衰減長(zhǎng)度來計(jì)算更短的路徑；加權(quán)分值計(jì)算如下：

其中是從x到y(tǒng)的所有長(zhǎng)度路徑的集合，并且β＞0是預(yù)測(cè)變量的參數(shù)；

接下來計(jì)算兩個(gè)節(jié)點(diǎn)類會(huì)鏈接到相似鄰居的范圍，也就是計(jì)算相似度區(qū)間；表達(dá)式如下：

假設(shè)計(jì)算得到score(x，y)在相似度similarity(x，y)之下，接下來可以計(jì)算每個(gè)節(jié)點(diǎn)的評(píng)分：

計(jì)算網(wǎng)絡(luò)中所有邊的得分，并刪除得分最低的邊的部分。