CN111191601A - 同行用户识别方法、装置、服务器及存储介质 - Google Patents

Abstract

本申请适用于计算机技术领域，提出一种同行用户识别方法，包括：获取第一预设时间段内各个摄像头拍摄的第一目标图像，确定第一目标用户与第二目标用户的第一同行次数，并根据所述第一同行次数确定所述第一目标用户的目标同行用户。实现了通过同行次数进行同行关系分析，且在通过同行次数进行同行关系分析时，不需要采集海量的样本数据，提高同行关系分析的效率。

Description

同行用户识别方法、装置、服务器及存储介质

技术领域

本申请属于计算机技术领域，尤其涉及一种同行用户识别方法、装置、服务器及存储介质。

背景技术

随着人们认识的增强以及计算机技术的不断发展，人们发现同行者之间往往具有某些类似的特征，如果能够准确地分析出同行用户，则可以为用户分类提供很好的数据依据。目前，针对用户的同行用户分析的方法需要依赖于海量的样本数据确定用户的同行时间，进而根据同行时间确定同行用户，存在分析效率低下的问题。

发明内容

有鉴于此，本申请实施例提供了同行用户识别方法、装置、服务器及存储介质，以解决现有技术中对同行用户识别需要依赖于海量的样本数据，识别效率低下的问题。

本申请实施例的第一方面提供了一种同行用户识别方法，包括：

获取第一预设时间段内各个摄像头拍摄的第一目标图像；

根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户，所述第一同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量；

根据所述第一同行次数确定所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述根据所述第一同行次数确定所述第一目标用户的目标同行用户，包括：

将所述第一同行次数大于预设次数阈值的第二目标用户确定为所述第一目标用户的预选同行用户；

基于所述第一目标用户与各个所述预选同行用户的第一同行次数构建第一同行次数矩阵；

基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵；

基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵，包括：

根据所述第一同行次数与同行权重值之间的预设映射关系，将所述第一同行次数矩阵中所述第一目标用户与各个所述预选同行用户的第一同行次数映射为对应的同行权重值，得到所述同行权重矩阵。

在一种可选的实现方式中，在所述基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户之前，包括：

将所述第一预设时间段划分为预设数量的第二预设时间段；

从所述第一目标图像中确定所述第二预设时间段内各个摄像头拍摄的第二目标图像；

根据所述第二目标图像确定所述第二预设时间段内所述第一目标用户与各个所述预选同行用户的第二同行次数；

根据各个所述第二预设时间段对应的所述第一目标用户与各个所述预选同行用户的第二同行次数分别构建各个所述第二预设时间段对应的第二同行次数矩阵。

在一种可选的实现方式中，所述基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户，包括：

基于预设的关联图谱分析方法分析所述第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值；

根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述基于预设的关联图谱分析方法分析所述第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值，包括：

构建所述第二同行次数矩阵的时序关联图谱；

根据所述时序关联图谱确定所述第二同行次数的变化规律；

根据所述第二同行次数的变化规律，确定各个所述预选同行用户与所述第一目标用户的同行概率值。

在一种可选的实现方式中，所述根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户，包括：

根据所述同行概率值和所述同行权重矩阵，分别计算各个所述预选同行用户的加权概率值；

基于所述加权概率值，从所述预选同行用户中识别出所述第一目标用户的同行用户。

本申请实施例第二方面提供了一种同行用户识别装置，包括：

获取模块，用于获取第一预设时间段内各个摄像头拍摄的第一目标图像；

第一确定模块，用于根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户，所述第一同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量；

第二确定模块，用于根据所述第一同行次数确定所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述第二确定模块包括：

第一确定单元，用于将所述第一同行次数大于预设次数阈值的第二目标用户确定为所述第一目标用户的预选同行用户；

第一构建单元，用于基于所述第一目标用户与各个所述预选同行用户的第一同行次数构建第一同行次数矩阵；

映射单元，用于基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵；

第二确定单元，用于基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述映射单元具体用于：

根据所述第一同行次数与同行权重值之间的预设映射关系，将所述第一同行次数矩阵中所述第一目标用户与各个所述预选同行用户的第一同行次数映射为对应的同行权重值，得到所述同行权重矩阵。

在一种可选的实现方式中，所述第二确定模块，还包括：

划分单元，用于将所述第一预设时间段划分为预设数量的第二预设时间段；

第三确定单元，用于从所述第一目标图像中确定所述第二预设时间段内各个摄像头拍摄的第二目标图像；

第四确定单元，用于根据所述第二目标图像确定所述第二预设时间段内所述第一目标用户与各个所述预选同行用户的第二同行次数；

第二构建单元，用于根据各个所述第二预设时间段对应的所述第一目标用户与各个所述预选同行用户的第二同行次数分别构建各个所述第二预设时间段对应的第二同行次数矩阵。

在一种可选的实现方式中，所述第二确定子单元，包括：

得到子单元，用于基于预设的关联图谱分析方法分析所述第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值；

第一确定子单元，用于根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述得到子单元，包括：

构建子单元，用于构建所述第二同行次数矩阵的时序关联图谱；

第二确定子单元，用于根据所述时序关联图谱确定所述第二同行次数的变化规律；

第三确定子单元，用于根据所述第二同行次数的变化规律，确定各个所述预选同行用户与所述第一目标用户的同行概率值。

在一种可选的实现方式中，所述第一确定子单元，包括：

计算子单元，用于根据所述同行概率值和所述同行权重矩阵，分别计算各个所述预选同行用户的加权概率值；

识别子单元，用于基于所述加权概率值，从所述预选同行用户中识别出所述第一目标用户的同行用户。

本申请实施例第一方面提供的同行用户识别方法，与现有技术中采用同行时间进行同行关系分析相比，通过各个摄像头拍摄的第一目标图像，确定第一目标用户与第二目标用户的第一同行次数，并根据所述第一同行次数确定所述第一目标用户的目标同行用户。实现了通过同行次数进行同行关系分析，且在通过同行次数进行同行关系分析时，通过从第二目标用户中确定第一目标用户的预选同行用户，并根据第一目标用户与各个预选同行用户的同行权重矩阵，从各个预选同行用户中确定第一目标用户的目标同行用户，不需要采集海量的样本数据，提高同行关系分析的效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请第一实施例提供的同行用户识别方法的实现流程图；

图2是图1中S103在第一实施例中的具体实现流程图；

图3是图2中S1034的具体实现流程图；

图4是图3中S301的具体实现流程图；

图5是图3中S302的具体实现流程图；

图6是图1中S103在第二实施例中的具体实现流程图；

图7是本申请实施例提供的同行用户识别装置的结构示意图；

图8是本申请实施例提供的服务器的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

需要说明的是，目前在进行同行关系分析时，通常按照时间关系进行分析在按照时间关系进行分析时，为了保证分析结果的准确性，需要预先采集海量数据以及对采集的海量数据采用时间窗口进行归类分析。在这种情况下，不管是获取海量数据的过程还是对海量数据进行分析都需要花费较长的时间，浪费大量的资源。

如果仅通过某时间段(如半小时)内采集的数据进行分析，虽然能够提高分析效率，但是在某时间段内同行用户出现在固定摄像头下的同行数据也可能仅为一次，无法保证分析结果的准确性。

有鉴于此，本申请方案提出了通过同行次数来判断同行用户的方案。为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。如图1所示，是本申请第一实施例提供的同行用户识别方法的实现流程图，本实施例可以由同行用户识别装置的硬件或软件实现，所述同行用户识别装置为具有计算功能的计算设备，例如服务器。详述如下：

S101，获取第一预设时间段内各个摄像头拍摄的第一目标图像。

可以理解地，各个所述摄像头通常位于同一预设区域内，且所有所述摄像头之间具有一定的空间位置关系，所述第一目标图像为所有所述摄像头在所述第一预设时间段内拍摄的包含有经过所述预设区域的目标对象的图像。

S102，根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户，所述第一同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量。

通常，在所述第一预设时间段内经过所述预设区域的用户可能有很多个，但是同行用户通常会共同经过在空间位置上相关联的多个摄像头，因此，可以通过第一目标用户与第二目标用户共同经过的摄像头数量来确定第一目标用户与第二目标用户是否为同行用户。在本实施例中，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户。需要说明的是，所述预设次数阈值可以根据已有的同行数据确定，例如，根据已有的同行数据，可以确定同行用户在第一预设时间段内共同经过的摄像头数量，并以共同经过的摄像头数量作为预设次数阈值。

将所述第一目标用户与所述第二目标用户共同经过的摄像头的数量定义为第一同行次数，根据所述第一目标图像确定所述第一目标用户与所述第二目标用户的第一同行次数。

S103，根据所述第一同行次数确定所述第一目标用户的目标同行用户。

可以理解地，若有第二目标用户与所述第一目标用户同行，则该第二目标用户与所述第一目标用户至少共同经过在空间位置上相互关联的摄像头，在本实施例中，通过预设次数阈值，并比较所述第一同行次数与所述预设次数阈值的关系，来确定所述第一目标用户的目标同行用户。

由上述分析可知，本申请实施例提供的同行用户识别方法，通过各个摄像头拍摄的第一目标图像，确定第一目标用户与第二目标用户的第一同行次数，并根据所述第一同行次数确定所述第一目标用户的目标同行用户。实现了通过同行次数进行同行关系分析，且在通过同行次数进行同行关系分析时，不需要采集海量的样本数据，提高同行关系分析的效率。

在一可选的实现方式中，如图2所示，是图1中S103在第一实施例中的具体实现流程图。由图2可知，在本实施例中，S103包括S1031～S1034。详述如下：

S1031，将所述第一同行次数大于预设次数阈值的第二目标用户确定为所述第一目标用户的预选同行用户。

可以理解地，在实际应用场景中，所述预设次数阈值也可以是根据经验值以及大量的实验测试得到的，根据第一同行次数与预设次数阈值的关系确定同行用户，有可能出现误判的现象。因此，在本实施例中，将所述第一同行次数大于所述预设次数阈值的第二目标用户定义为所述第一目标用户的预选同行用户，进一步，从所述预选同行用户中确定出目标同行用户。

S1032，基于所述第一目标用户与各个所述预选同行用户的第一同行次数构建第一同行次数矩阵。

所述同行次数矩阵为表示各个所述预选同行用户与所述第一目标用户共同经过的摄像头的数量的矩阵。通过构建所述第一同行次数矩阵，可以很明确地观察到各个所述预选同行用户与所述第一目标用户共同经过摄像头的数量，并基于所述共同经过摄像头的数量进行确定是否为目标同行用户。

S1033，基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵。

可以理解地，当所述第一同行次数越大，说明对应同行的概率越高。在本实施例中，预先建立所述第一同行次数与同行权重值之间的映射关系，具体地，可以根据已有的同行数据，分析合适的摄像头映射函数，例如，分别为在第一预设时间段内的同行次数(共同经过的摄像头数量)大于预设次数阈值的同行用户对于的同行次数赋予预设的同行权重值，以增加预测两个人同行关系的权重，可以理解地，也可以设置同行权重值上限，当同行用户的第一同行次数对应的同行权重值大于一定阈值之后，所有大于该第一同行次数对应的同行权重值均为固定的同行权重值。

进一步地，将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵。

具体地，S1033包括：根据所述第一同行次数与同行权重值之间的预设映射关系，将所述第一同行次数矩阵中所述第一目标用户与各个所述预选同行用户的第一同行次数映射为对应的同行权重值，得到所述同行权重矩阵。

S1034，基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

可以理解地，所述同行权重值为衡量同行概率值的权重值，当所述第一同行次数越大，对应地同行权重值越高。在本实施例中，为了在保证计算结果准确性的基础上提高计算效率，预设了同行权重值的阈值，也即，当所述第一同行次数达到一定数量后，对应的所述同行权重值均为所述同行权重值阈值。

由上述分析可知，本实施例从所述第二目标用户中确定出预选同行用户，进一步构建所述预选同行用户与所述第一目标用户的同行权重矩阵，根据所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。能够进一步提高同行用户识别的准确性。

在一种可选的实现方式中，如图3所示，是图2中S1034的具体实现流程图。由图3可知，S1034包括S301～S302。详述如下：

S301，基于预设的关联图谱分析方法分析第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值。

具体地，所述第二同行次数矩阵为将所述第一预设时间段划分为预设数量的第二预设时间段，根据所述第一目标用户与各个所述预选同行用户分别在各个所述第二预设时间段内的第二同行次数，构建的各个所述第二预设时间段对应的第二同行次数矩阵。

所述预设的关联图谱分析方法可以根据实际情况进行选择，例如基于关联度的分析方法、基于中心度的分析方法或者基于聚类的分析方法等，在本实施例中，以所述基于关联度的分析方法为例，如图4所示，是图3中S301的具体实现流程图。

由图4可知，在本实施例中，S301包括S3011～S3013。详述如下：

S3011，构建第二同行次数矩阵的时序关联图谱。

需要说明的是，由于各个所述第二预设时间段是连续的时间段，根据各个所述第二预设时间段之间的时间顺序，确定所述第二同行次数的时序，并构建第二同行次数矩阵的时序关联图谱。

S3012，根据所述时序关联图谱确定所述第二同行次数的变化规律。

可以理解地，所述时序关联图谱用于表示所有所述第二同行次数在时间以及空间上的关联度，根据所有所述第二同行次数在时间以及空间上的关联度可以确定所述第二同行次数的变化规律。

S3013，根据所述第二同行次数的变化规律，确定各个所述预选同行用户与所述第一目标用户的同行概率值。

可以理解地，所述同行概率值与所述变化规律之间存在正比关系，根据所述第二同行次数的变化规律，为每个所述第二同行次数分配一个规律性变化的比值常数，用每个所述第二同行次数乘以各自对应的比值常数，可以得到各个所述预选同行用户与所述第一目标用户的同行概率值。

S302，根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

可以理解地，各个所述同行概率值用于表示所述预选同行用户在各个所述第二预设时间段内与所述第一目标用户同行的概率，将所述同行概率值与所述同行权重矩阵进行加权求和，则可以根据所述加权求和的结果从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

通过上述分析可知，本实施例通过构建第二同行次数矩阵的时序关联图谱，并基于所述时序关联图谱分析所述第二同行次数的变化规律，进一步根据所述变化规律确定同行概率值；将所述同行概率值与所述同行权重矩阵相结合，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。能够进一步提高同行用户识别的准确性。

在一种可选的实现方式中，如图5所示，是图3中S302的具体实现流程图。由图5可知，S302包括S3021～S3022。详述如下：

S3021，根据所述同行概率值和所述同行权重矩阵，分别计算各个所述预选同行用户的加权概率值。

分别将所述同行概率值与所述同行权重矩阵进行加权求和，得到各个所述预选同行用户的加权概率值。

S3022，基于所述加权概率值，从所述预选同行用户中识别出所述第一目标用户的同行用户。

可以理解地，所述加权概率值越大，所述预选同行用户为所述第一目标同行用户的概率越高。在本实施例中，预设加权概率阈值，当所述预选同行用户的加权概率值大于所述加权概率阈值时，则确定所述预选同行用户为所述第一目标用户的同行用户，当所述预选同行用户的加权概率值小于或等于所述加权概率阈值时，则确定所述预选同行用户不为所述第一目标用户的同行用户。

在一种可选的实现方式中，如图6所示，是图1中S103在第二实施例中的具体实现流程图。由图6可知，本实施例与图2所示实施例相比，S601～S603与S1031～S1033以及S608与S1034的具体实现过程相同，不同之处在于，在S608之前，还包括S604～S607。需要说明的是，S604与S603为并列执行关系。

详述如下：

S604，将所述第一预设时间段划分为预设数量的第二预设时间段。

可以理解地，通常所述第一预设时间段为较长的时间段，例如，以小时为单位的时间段，根据以小时为单位的时间段内获取的同行次数确定同行用户，有可能出现误判的情况。因此，在本实施例中，将所述第一预设时间段划分为预设数量的第二预设时间段，所述第二预设时间段可以为以分钟为单位的时间段。

S605，从所述第一目标图像中确定所述第二预设时间段内各个摄像头拍摄的第二目标图像。

S606，根据所述第二目标图像确定所述第二预设时间段内所述第一目标用户与各个所述预选同行用户的第二同行次数。

S607，根据各个所述第二预设时间段对应的所述第一目标用户与各个所述预选同行用户的第二同行次数分别构建各个所述第二预设时间段对应的第二同行次数矩阵。

可以理解地，构建所述第二同行次数矩阵的过程与构建所述第一同行次数矩阵的过程相同，在此不再赘述。

通过上述分析可知，本实施例通过将所述第一预设时间段划分为预设数量的第二预设时间段，并构建各个所述第二预设时间段对应的第二同行次数矩阵。能够为进一步基于所述第二同行次数矩阵，分析同行用户提供数据基础。

图7是本申请实施例提供的同行用户识别装置的结构示意图。由图7可知，本申请实施例提供的同行用户识别装置7包括：获取模块701、第一确定模块702以及第二确定模块703。详述如下：

获取模块701，用于获取第一预设时间段内各个摄像头拍摄的第一目标图像；

第一确定模块702，用于根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户，所述第一同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量；

第二确定模块703，用于根据所述第一同行次数确定所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述第二确定模块703包括：

第一确定单元，用于将所述第一同行次数大于预设次数阈值的第二目标用户确定为所述第一目标用户的预选同行用户；

第一构建单元，用于基于所述第一目标用户与各个所述预选同行用户的第一同行次数构建第一同行次数矩阵；

映射单元，用于基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵；

第二确定单元，用于基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述映射单元具体用于：

根据所述第一同行次数与同行权重值之间的预设映射关系，将所述第一同行次数矩阵中所述第一目标用户与各个所述预选同行用户的第一同行次数映射为对应的同行权重值，得到所述同行权重矩阵。

在一种可选的实现方式中，所述第二确定模块703，还包括：

划分单元，用于将所述第一预设时间段划分为预设数量的第二预设时间段；

第三确定单元，用于从所述第一目标图像中确定所述第二预设时间段内各个摄像头拍摄的第二目标图像；

第四确定单元，用于根据所述第二目标图像确定所述第二预设时间段内所述第一目标用户与各个所述预选同行用户的第二同行次数；

第二构建单元，用于根据各个所述第二预设时间段对应的所述第一目标用户与各个所述预选同行用户的第二同行次数分别构建各个所述第二预设时间段对应的第二同行次数矩阵。

在一种可选的实现方式中，所述第二确定子单元，包括：

得到子单元，用于基于预设的关联图谱分析方法分析所述第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值；

第一确定子单元，用于根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

在一种可选的实现方式中，所述得到子单元，包括：

构建子单元，用于构建所述第二同行次数矩阵的时序关联图谱；

第二确定子单元，用于根据所述时序关联图谱确定所述第二同行次数的变化规律；

第三确定子单元，用于根据所述第二同行次数的变化规律，确定各个所述预选同行用户与所述第一目标用户的同行概率值。

在一种可选的实现方式中，所述第一确定子单元，包括：

计算子单元，用于根据所述同行概率值和所述同行权重矩阵，分别计算各个所述预选同行用户的加权概率值；

识别子单元，用于基于所述加权概率值，从所述预选同行用户中识别出所述第一目标用户的同行用户。

图8是本申请实施例提供的服务器的结构示意图。如图8所示，该实施例的服务器8包括：处理器80、存储器81以及存储在存储器81中并可在处理器80上运行的计算机程序82，例如同行用户识别程序。处理器80执行计算机程序82时实现上述各个同行用户识别方法实施例中的步骤，例如图1所示的步骤101至103。

示例性的，计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在存储器81中，并由处理器80执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序82在所述服务器8中的执行过程。例如，计算机程序82可以被分割成获取模块、第一确定模块以及第二确定模块(虚拟装置中的模块)，各模块具体功能如下：

获取模块，用于获取第一预设时间段内各个摄像头拍摄的第一目标图像；

第一确定模块，用于根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量；

第二确定模块，用于根据所述第一同行次数确定所述第一目标用户的目标同行用户。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个通信单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种同行用户识别方法，其特征在于，包括：

获取第一预设时间段内各个摄像头拍摄的第一目标图像；

根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户，所述第一同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量；

根据所述第一同行次数确定所述第一目标用户的目标同行用户。

2.如权利要求1所述的同行用户识别方法，其特征在于，所述根据所述第一同行次数确定所述第一目标用户的目标同行用户，包括：

将所述第一同行次数大于预设次数阈值的第二目标用户确定为所述第一目标用户的预选同行用户；

基于所述第一目标用户与各个所述预选同行用户的第一同行次数构建第一同行次数矩阵；

基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵；

基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

3.如权利要求2所述的同行用户识别方法，其特征在于，所述基于预设的映射规则将所述第一同行次数矩阵映射为各个所述预选同行用户与所述第一目标用户的同行权重矩阵，包括：

根据所述第一同行次数与同行权重值之间的预设映射关系，将所述第一同行次数矩阵中所述第一目标用户与各个所述预选同行用户的第一同行次数映射为对应的同行权重值，得到所述同行权重矩阵。

4.如权利要求2所述的同行用户识别方法，其特征在于，在所述基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户之前，包括：

将所述第一预设时间段划分为预设数量的第二预设时间段；

从所述第一目标图像中确定所述第二预设时间段内各个摄像头拍摄的第二目标图像；

根据所述第二目标图像确定所述第二预设时间段内所述第一目标用户与各个所述预选同行用户的第二同行次数；

根据各个所述第二预设时间段对应的所述第一目标用户与各个所述预选同行用户的第二同行次数分别构建各个所述第二预设时间段对应的第二同行次数矩阵。

5.如权利要求4所述的同行用户识别方法，其特征在于，所述基于所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户，包括：

基于预设的关联图谱分析方法分析所述第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值；

根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户。

6.如权利要求5所述的同行用户识别方法，其特征在于，所述基于预设的关联图谱分析方法分析所述第二同行次数矩阵，得到各个所述预选同行用户与所述第一目标用户的同行概率值，包括：

构建所述第二同行次数矩阵的时序关联图谱；

根据所述时序关联图谱确定所述第二同行次数的变化规律；

根据所述第二同行次数的变化规律，确定各个所述预选同行用户与所述第一目标用户的同行概率值。

7.如权利要求5或6所述的同行用户识别方法，其特征在于，所述根据所述同行概率值与所述同行权重矩阵，从所述预选同行用户中确定出所述第一目标用户的目标同行用户，包括：

根据所述同行概率值和所述同行权重矩阵，分别计算各个所述预选同行用户的加权概率值；

基于所述加权概率值，从所述预选同行用户中识别出所述第一目标用户的同行用户。

8.一种同行用户识别装置，其特征在于，包括:

获取模块，用于获取第一预设时间段内各个摄像头拍摄的第一目标图像；

第一确定模块，用于根据所述第一目标图像确定第一目标用户与第二目标用户的第一同行次数，所述第一目标用户为出现在所有所述第一目标图像中的总次数大于预设次数阈值的用户，所述第二目标用户为与所述第一目标用户共同出现在所有所述第一目标图像中的总次数大于所述预设次数阈值的用户，所述第一同行次数为所述第一目标用户与所述第二目标用户共同经过的摄像头的数量；

第二确定模块，用于根据所述第一同行次数确定所述第一目标用户的目标同行用户。

9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述同行用户识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述同行用户识别方法的步骤。

Images