[發明專利]基于位置定位的事件識別方法、裝置、設備及存儲介質

在審

• 申請號: 202010345878.4
• 申請日: 2020-04-27
• 公開（公告）號: CN111666971A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 王天宇;蔡健;吳滿芳
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/29;G06F30/18;G06K9/00
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

1.一種基于位置定位的事件識別方法，其特征在于，包括：

獲取預設地圖和待識別事件的事件信息，所述事件信息包括位置信息，所述預設地圖包括多個地圖網格；

基于所述預設地圖，根據所述位置信息確定所述待識別事件所處的目標地圖網格，并獲取所述目標地圖網格對應的識別模型；

利用所述識別模型對所述待識別事件進行事件識別，以輸出所述待識別事件對應的異常得分；

若所述異常得分高于預設閾值，則確定所述待識別事件為異常事件。

2.根據權利要求1所述的事件識別方法，其特征在于，還包括：

基于經緯度對地圖進行網格劃分，以得到包括多個地圖網格的預設地圖。

3.根據權利要求1所述的事件識別方法，其特征在于，所述事件信息還包括事件圖像，所述方法還包括：

獲取所述目標地圖網格內的歷史事件的歷史圖像；

對所述事件圖像進行圖像識別，以判斷所述事件圖像與所述歷史圖像的相似度；

若所述事件圖像與所述歷史圖像的相似度大于預設值，則確定所述待識別事件為異常事件。

4.根據權利要求1所述的事件識別方法，其特征在于，所述方法還包括：

分別獲取每個地圖網格中的歷史事件信息，所述歷史事件信息包括歷史事件特征和特征值；

利用每個所述地圖網格中的所述歷史事件特征和特征值訓練孤立森林模型，并將訓練得到的所述孤立森林模型作為每個所述地圖網格對應的識別模型。

5.根據權利要求4所述的事件識別方法，其特征在于，所述利用每個所述地圖網格中的所述歷史事件特征和特征值訓練孤立森林模型，包括：

利用隨機森林算法對所述歷史事件特征和特征值進行訓練，得到所述歷史事件特征的重要性；

對所述歷史事件特征的重要性進行排序，以根據排序結果調整所述歷史事件特征對應的權重；

根據所述歷史事件特征、特征值和所述歷史事件特征對應的權重訓練孤立森林模型。

6.根據權利要求1所述的事件識別方法，其特征在于，在所述根據所述位置信息確定所述待識別事件所處的目標地圖網格之后，所述方法還包括：

基于多個所述待識別事件所處的目標地圖網格調用對應的網格模型，并基于所述網格模型輸出每個所述目標地圖網格的異常得分；

根據所述異常得分對多個所述待識別事件進行排序，以依次對所述待識別事件進行異常識別。

7.根據權利要求6所述的事件識別方法，其特征在于，所述方法還包括：

獲取每個地圖網格的網格信息，并根據所述網格信息構建每個所述地圖網格的網格畫像，所述網格畫像包括網格特征和所述網格特征對應的特征值；

利用每個地圖網格的所述網格特征和所述網格特征對應的特征值分別訓練孤立森林模型，并將訓練得到的所述孤立森林模型分別作為所述地圖網格對應的網格模型。

8.一種基于位置定位的事件識別裝置，其特征在于，包括：

信息獲取模塊，用于獲取預設地圖和待識別事件的事件信息，所述事件信息包括位置信息，所述預設地圖包括多個地圖網格；

網格確定模塊，用于基于所述預設地圖，根據所述位置信息確定所述待識別事件所處的目標地圖網格，并獲取所述目標地圖網格對應的識別模型；

異常識別模塊，用于利用所述識別模型對所述待識別事件進行事件識別，以輸出所述待識別事件對應的異常得分；

異常確定模塊，用于若所述異常得分高于預設閾值，則確定所述待識別事件為異常事件。

9.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器；

所述存儲器用于存儲計算機程序；

所述處理器，用于執行所述計算機程序并在執行所述計算機程序時實現如權利要求1至7中任一項所述的基于位置定位的事件識別方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時使所述處理器實現如權利要求1至7中任一項所述的基于位置定位的事件識別方法。