CN111222784A - 一种基于人口大数据的安防监控方法和系统 - Google Patents
一种基于人口大数据的安防监控方法和系统 Download PDFInfo
- Publication number
- CN111222784A CN111222784A CN202010006330.7A CN202010006330A CN111222784A CN 111222784 A CN111222784 A CN 111222784A CN 202010006330 A CN202010006330 A CN 202010006330A CN 111222784 A CN111222784 A CN 111222784A
- Authority
- CN
- China
- Prior art keywords
- community
- information
- personnel
- risk
- security
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007637 random forest analysis Methods 0.000 claims abstract description 24
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012502 risk assessment Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 3
- 238000003066 decision tree Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人口大数据的安防监控方法和系统。所述方法包括：获取当前社区中第一时期内待评估的社区人员信息；将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息；其中，所述风险评估模型是采用随机森林算法训练生成的；对所述风险人员进行重点监控处理。本发明可以加强对社区内居住人员的安防监控，发现异常的因素，能够在不良事件发生之前进行预警和及时处理，保障了社区的安全和稳定。
Description
技术领域
本发明涉及安防技术领域，具体地涉及一种基于人口大数据的安防监控方法和系统。
背景技术
随着社会经济发展，人口流动越来越频繁，物流、送餐等上门服务也成为常态，由此给社区安全带来了较大隐患。为了保障社区安全，很多社区在出入口安排保安人员进行监控，并且设置有门禁设备对人员出入进行控制。并且门禁设备的功能也在不断强化和完善，不仅仅是较为原始和传统的“刷卡”出入，而是增加了面部设备、身份证识别等多样化的功能，通过与后台服务器的交互，从而更加有效地控制社区外人员的出入。
但是，现有的措施均着眼于对社区外人员临时出入的控制，而忽略了社区内住户可能存在的安全风险。城镇化的发展使得集中式居住的社区规模越来越大，一个社区内的常住人口不仅有买房居住的，还有很多租房居住的住户，人员的复杂性和流动性使得社区内住户从事违法犯罪行为或者住户间发生激烈冲突的事件屡见不鲜。为了避免上述情况，现有的社区管理手段需要投入大量的治安人员在社区内进行巡逻，管理成本非常高，而且效果难以保障。布置在社区内的现有安防监控系统均需要安保人员通过监控室屏幕实时监控，但因疲劳或疏忽等导致往往不能及时发现和处理风险事件。
发明内容
本发明的目的在于提供一种基于人口大数据的安防监控方法和系统，通过对大数据的汇总分析，以发现社区安全隐患以重点关注或提前采取措施，从而解决上述背景技术中提出的问题。
在本发明的第一方面，提出了一种基于人口大数据的安防监控方法，包括：
获取当前社区中第一时期内待评估的社区人员信息；
将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息；其中，所述风险评估模型是采用随机森林算法训练生成的；
对所述风险人员进行重点监控处理。
进一步地，所述待评估的社区人员信息包括待评估的社区人员的个人信息、第一时期内的出入记录、社区内行为事件和/或社区内行动轨迹。
进一步地，按照下述方式生成所述风险评估模型：
获取第二时期内第一区域的社区安防历史数据，所述第二时期大于所述第一时期，所述第一区域包括多个社区；
根据所述社区安防历史数据，采用随机森林算法训练得到所述风险评估模型。
进一步地，在将所述待评估的社区人员信息输入风险评估模型之前，还包括：
判断所述待评估的社区人员信息中每个社区人员的信息完整度，将信息不完整的相应社区人员认定为风险人员。
进一步地，所述判断每个社区人员的信息完整度包括：
通过与预设模板对比，确定社区人员信息中的缺失信息；
若所述缺失信息为关键信息，则认定信息不完整；
否则，计算缺失信息在全部信息中的占比，若所述占比大于预设阈值，则认定信息不完整。
进一步地，对所述风险人员进行重点监控处理包括：
提交安保人员进行人工处理；和/或
将所述风险人员信息发送至云服务器，由所述云服务器根据公安数据库进行二次筛选。
在本发明的第二方面，提出了一种基于人口大数据的安防监控系统，包括：
云服务器，用于根据所述社区安防历史数据，采用随机森林算法训练得到风险评估模型，将所述风险评估模型发送至社区服务器；
社区服务器，用于获取当前社区中第一时期内待评估的社区人员信息，将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息，对所述风险人员进行重点监控处理。
进一步地，所述对所述风险人员进行重点监控处理包括：
提交安保人员进行人工处理和/或将所述风险人员信息发送至云服务器；
所述云服务器还用于接收所述风险人员信息，根据公安数据库进行二次筛选。
在本发明的第三方面，提出了一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。
在本发明的第四方面，提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述的方法。
本发明实施例的基于人口大数据的安防监控方法和系统通过使用随机森林算法对至少多个社区的历史安防数据训练得到风险评估模型，将待评估的社区人员信息输入所述风险评估模型以识别潜在的风险人员，从而可以加强对社区内居住人员的安防监控，发现异常的因素，能够在不良事件发生之前进行预警和及时处理，保障了社区的安全和稳定。进一步地通过云服务器接入公安数据库，能够对风险人员的情况进行再次筛选，从而降低了刑事犯罪发生的概率。
附图说明
图1示出了根据本发明实施例的基于人口大数据的安防监控方法的流程图；
图2示出了根据本发明实施例的基于人口大数据的安防监控系统的架构图；
图3示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
社区内安全事件包括家庭内部冲突、楼上楼下的邻里冲突、内部住户的犯罪行为、独居人员突发意外等。这些事件在现有的安防监控体系中难以被发现，但在其发生严重后果之前，往往出现一些征兆，例如在邻里严重冲突之前，会发生程度较低但较频繁地争吵，犯罪人员的社区出入缺乏规律性等。随着社区监控系统的完善、图像识别等技术的改进以及云计算和大数据技术的普及，已经能够准确、全面地获得社区人员的各项信息。基于此，提出了本发明的实施例。
图1示出了根据本发明实施例的一种基于人口大数据的安防监控方法100，包括：
S101、获取当前社区中第一时期内待评估的社区人员信息；
其中，社区人员是指社区居民，包括自有房屋产权的住户和租房居住的租户。所述社区人员在入住社区时需登记个人信息，例如姓名、身份证号、工作单位等等，这些个人信息被存储在社区服务器中。可选地，一些门禁设备具有人脸识别和身份证刷卡功能，从而对于任何出入社区的人员均可以记录其信息。
系统可以按照设定的周期定期启动对社区人员的评估和/或在设定的日期启动对社区人员的评估。所述设定的周期例如为每周或每月，所述设定的时点例如为春节前十天、国庆节前十天等具有特殊意义的日期。当按照设定的周期启动对社区人员的评估时，所述第一时期可选地不小于所述设定的周期。
所述待评估的社区人员包括社区的全部人员或者部分人员。由于社区人员的数量较为庞大，为了降低处理负荷，可选地每次仅评估社区部分人员，按照预设的规则从社区的全部人员中筛选得到待评估的社区人员。所述预设的规则包括入住社区时长小于第一预设阈值的人员、距离上次被评估的时长大于第二预设阈值的人员等等。
所述待评估的社区人员信息包括待评估的社区人员的个人信息、第一时期内的出入记录、社区内行为事件和/或社区内行动轨迹等。由于社区安装有门禁和监控设备，而目前很多监控设备都已具备人脸识别和姿态识别功能，因此能够精准地记录社区内人员的出入情况和活动情况，从而形成出入记录和行动轨迹。所述社区内行为事件可以由物业日常管理的日志而生成。所述第一时期可选地大于或等于一个月，以能够合理地体现社区人员近期的情况，降低偶然因素的影响。
S102、将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息；其中，所述风险评估模型是采用随机森林算法训练生成的；
其中，按照下述方式生成所述风险评估模型：
获取第二时期内第一区域的社区安防历史数据，所述第二时期大于所述第一时期，所述第一区域包括多个社区；
根据所述社区安防历史数据，采用随机森林算法训练得到所述风险评估模型。
可选地，所述风险评估模型由云服务器基于大数据生成。所述社区安防历史数据可以为较长时期和较大范围内收集得到的，例如所述第二时期的时长为第一时期的10倍，第一区域为一个或多个城市。各个社区的社区服务器将社区人员信息的数据发送至所述云服务器汇总。所述社区人员信息的数据中还包括和人员有关的风险数据，例如邻里冲突、扰乱治安、犯罪行为、意外事件等。
随机森林作为一种以决策树为基学习器构成Bagging集成的集成学习方法，利用随机选择特征和样本集的决策树作为弱学习器，采用所有决策树投票的方式得到最后的分类结果。
具体地，以汇总的社区人员信息数据为对样本集，根据专家经验对所述数据进行特征提取，例如选取性别、年龄区间、籍贯、工作类型、出入时间规律程度、行动轨迹一致性、物业投诉情况等作为样本特征，以风险人员、非风险人员作为分类标签；
然后，将社区人员信息的历史数据按照某一分割比例划分为训练集和测试集，训练集用于训练数据，得到多棵决策树，组成随机森林分类模型，测试集用于测试模型的预测准确率；本实施例中，设置分割比例为0.2，即80％的历史数据用于模型的训练，其余数据用作测试。
设定随机森林预测模型的输入参数进行模型训练，输入参数包括：决策树棵数t、每棵决策树的深度deep、事故相关风险因素维度n以及每个节点的特征选择个数f，t、deep和f均为整数，f为n的平方根或者以2为底取n的对数；
采用bagging集成算法从训练集中随机抽取m个样本，组成一个新的训练集；
从所有特征d中随机选择k个特征(k<d)，然后从k个特征中选择最佳分割属性作为节点建立CART决策树；
本实例中，共有性别、年龄区间、籍贯、工作类型、出入时间规律程度、行动轨迹一致性、物业投诉情况7个特征，在建立决策树时，随机选择k个特征(k<7)，然后从k个特征中选择最佳分割属性作为节点建立CART决策树；
重复以上两个步骤120次，建立120棵CART决策树，形成随机森林预测模型；
将测试集输入随机森林预测模型中，以判断随机森林预测模型预测的精度，并调整随机森林预测模型的参数(决策树的数量t和节点特征选择个数f)，使其精度满足需求。
将待社评估的社区人员信息输入到训练好的随机森林预测模型中，随机森林中的每棵决策树都会给出该人员的风险情况，随机森林依据少数服从多数的原则，将得票多的风险情况输出为最终预测的结果，从而高精度的完成风险人员的预测。
所述风险人员信息包括人员姓名、身份证号、住处、联系方式、风险概述等。
S103、对所述风险人员进行重点监控处理。
其中，包括提交安保人员进行人工处理和/或将所述风险人员信息发送至云服务器，由所述云服务器根据公安数据库进行二次筛选。可选地，在得到风险人员信息后，将其发送至安保人员，安保人员可根据所述风险人员的信息在出入口和社区内巡逻时重点予以关注和监控。所述二次筛选包括由云服务器从公安数据库中查询是否存在所述风险人员的犯罪信息，并将查询结果反馈至社区服务器。对于存在犯罪信息的情况，将所述风险人员信息发送至社区安保人员。需要注意的是，考虑人员的隐私权，不将具体犯罪信息反馈至社区服务器和发送至社区安保人员，即社区安保人员获知的风险人员信息的内容和未经过二次筛选的是一样的，但经过二次筛选的风险人员会特别标记。
上述实施例使用随机森林算法对至少多个社区的历史安防数据训练得到风险评估模型，将待评估的社区人员信息输入所述风险评估模型以识别潜在的风险人员，从而可以加强对社区内居住人员的安防监控，发现异常的因素，能够在不良事件发生之前进行预警和及时处理，保障了社区的安全和稳定。进一步地通过云服务器接入公安数据库，能够对风险人员的情况进行再次筛选，从而降低了刑事犯罪发生的概率。
此外，由于社区人员信息的收集和录入不可避免地需要人工参与，可能导致社区人员信息登记不完整的情况，例如通过门禁设备能够记录社区人员的姓名、身份证号和人脸信息，但由于该人员没有前往物业登记，因此社区服务器无法获取入住时间和住户地址等信息。
针对于此，在将所述待评估的社区人员信息输入风险评估模型之前，还包括：
判断所述待评估的社区人员信息中每个社区人员的信息完整度，将信息不完整的相应社区人员认定为风险人员。
其中，所述判断每个社区人员的信息完整度包括：
通过与预设模板对比，确定社区人员信息中的缺失信息项；
若所述缺失信息项为关键信息，则认定信息不完整；否则，计算缺失信息在全部信息中的占比，若所述占比大于预设阈值，则认定信息不完整。其中，所述关键信息为根据经验设定的，对于判断社区人员的风险影响较大的信息，例如入住时间、住户地址等。如果未缺失关键信息，例如缺失的是部分出入记录、行动轨迹不连续等，则通过计算信息缺失比例来判断，将信息缺失过多的社区人员认定为风险人员。
图2示出了根据本发明实施例的一种基于人口大数据的安防监控系统200，包括云服务器201和多个社区服务器202，其中：
云服务器201，用于根据所述社区安防历史数据，采用随机森林算法训练得到风险评估模型，将所述风险评估模型发送至社区服务器；其中，所述社区安防历史数据为第二时期内第一区域的社区安防历史数据，所述第二时期大于所述第一时期，所述第一区域包括多个社区；
社区服务器202，用于获取当前社区中第一时期内待评估的社区人员信息，将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息，对所述风险人员进行重点监控处理。其中，所述待评估的社区人员信息包括待评估的社区人员的个人信息、第一时期内的出入记录、社区内行为事件和/或社区内行动轨迹等。
进一步地，所述社区服务器202还用于在将所述待评估的社区人员信息输入风险评估模型之前，判断所述待评估的社区人员信息中每个社区人员的信息完整度，将信息不完整的相应社区人员认定为风险人员。所述判断每个社区人员的信息完整度包括：
通过与预设模板对比，确定社区人员信息中的缺失信息；
若所述缺失信息为关键信息，则认定信息不完整；
否则，计算缺失信息在全部信息中的占比，若所述占比大于预设阈值，则认定信息不完整。
进一步地，所述对所述风险人员进行重点监控处理包括：
提交安保人员进行人工处理；和/或将所述风险人员信息发送至云服务器。
所述云服务器还用于接收所述风险人员信息，根据公安数据库进行二次筛选。
由于本发明的示例实施方式的系统可以用于实现上述图1描述的方法的实施方式的步骤，因此对于本发明系统实施方式中未披露的细节，请参照本发明上述的方法的实施方式，在此不再赘述。
下面结合一具体示例阐述由本发明的系统执行的基于人口大数据的安防监控方法流程：
在一个城市中，设有云服务器平台，每个社区中设有社区服务器，通过社区已有的门禁、监控摄像头等设备采集信息以及由物业管理人员人工登记的方式，获取在社区中居住的社区人员的信息并存储在社区服务器中，各个社区的社区服务器定期将社区人员信息发送至所述云服务器汇总，形成与社区安防相关的大数据，即社区安防历史数据。所述社区安防历史数据例如包括过去三年内该城市所有社区的社区人员信息。
云服务器根据所述社区安防历史数据，采用随机森林算法训练得到风险评估模型，将所述风险评估模型发送至社区服务器。基于大数据，能够发现易于导致安保风险的一些情形，例如长期不出入小区、出入时间异常、行动轨迹异常、来访人员数量过多等；通过所述风险评估模型中的规则可以判定待评估人员是否符合这些情形。
社区服务器周期性地和/或在设定的日期从内部存储设备中获取所在社区中的全部社区人员信息，所述社区人员信息包括姓名、身份证号、性别、入住社区时长、上次评估时间等，然后从中选择入住社区时长小于第一预设阈值的人员和距离上次被评估的时长大于第二预设阈值的人员，作为待评估人员。
逐一判断所述待评估人员的信息完整度，包括确定社区人员信息中的缺失信息项。若没有缺失信息，则进入下一步；若有缺失信息，则进一步判断所述缺失信息是否为关键信息，如是，则认定信息不完整，将该待评估人员标记为风险人员；否则，计算缺失信息在全部信息中的占比，若所述占比大于预设阈值，则认定信息不完整，将该待评估人员标记为风险人员；若所述占比小于预设阈值，则进入下一步；
将待评估人员信息输入风险评估模型，得到风险人员信息，包括人员姓名、身份证号、住处、联系方式、风险概述等。
将所述风险人员信息通过界面呈现或消息发送等方式提交安保人员；
同时，将所述风险人员信息发送至云服务器；
所述云服务器连接公安数据库，根据风险人员姓名和身份证号查询是否有犯罪信息，将存在犯罪信息的风险人员信息进行特别标记，并发送至安保人员。
社区安保人员重点关注所述风险人员，由此以发现可能的犯罪行为，或者潜在的邻里冲突。
综上，本发明的实施例通过多种途径收集多个社区甚至一个城市的社区人员信息，利用随机森林算法生成风险评估模型，以根据社区内居住人员一段时间内的表现识别潜在的冲突、犯罪等异常风险，从而提高了社区的安全性。
图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。设备300可以用于实现图2中的社区服务器202。如图所示，设备300包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的计算机程序指令或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序指令，来执行各种适当的动作和处理。在RAM 303中，还可以存储设备300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元301执行上文所描述的各个方法和处理。例如，在一些实施例中，方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由CPU 301执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，CPU 301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种基于人口大数据的安防监控方法，其特征在于，包括：
获取当前社区中第一时期内待评估的社区人员信息；
将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息；其中，所述风险评估模型是采用随机森林算法训练生成的；
对所述风险人员进行重点监控处理。
2.根据权利要求1所述的安防监控方法，其特征在于，所述待评估的社区人员信息包括待评估的社区人员的个人信息、第一时期内的出入记录、社区内行为事件和/或社区内行动轨迹。
3.根据权利要求2所述的安防监控方法，其特征在于，按照下述方式生成所述风险评估模型：
获取第二时期内第一区域的社区安防历史数据，所述第二时期大于所述第一时期，所述第一区域包括多个社区；
根据所述社区安防历史数据，采用随机森林算法训练得到所述风险评估模型。
4.根据权利要求3所述的安防监控方法，其特征在于，在将所述待评估的社区人员信息输入风险评估模型之前，还包括：
判断所述待评估的社区人员信息中每个社区人员的信息完整度，将信息不完整的相应社区人员认定为风险人员。
5.根据权利要求4所述的安防监控方法，其特征在于，所述判断每个社区人员的信息完整度包括：
通过与预设模板对比，确定社区人员信息中的缺失信息；
若所述缺失信息为关键信息，则认定信息不完整；
否则，计算缺失信息在全部信息中的占比，若所述占比大于预设阈值，则认定信息不完整。
6.根据权利要求5所述的安防监控方法，其特征在于，对所述风险人员进行重点监控处理包括：
提交安保人员进行人工处理；和/或
将所述风险人员信息发送至云服务器，由所述云服务器根据公安数据库进行二次筛选。
7.一种基于人口大数据的安防监控系统，其特征在于，包括：
云服务器，用于根据所述社区安防历史数据，采用随机森林算法训练得到风险评估模型，将所述风险评估模型发送至社区服务器；
社区服务器，用于获取当前社区中第一时期内待评估的社区人员信息，将所述待评估的社区人员信息输入风险评估模型，得到风险人员信息，对所述风险人员进行重点监控处理。
8.根据权利要求7所述的系统，其特征在于，所述对所述风险人员进行重点监控处理包括：
提交安保人员进行人工处理和/或将所述风险人员信息发送至云服务器；
所述云服务器还用于接收所述风险人员信息，根据公安数据库进行二次筛选。
9.一种设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～6中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010006330.7A CN111222784A (zh) | 2020-01-03 | 2020-01-03 | 一种基于人口大数据的安防监控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010006330.7A CN111222784A (zh) | 2020-01-03 | 2020-01-03 | 一种基于人口大数据的安防监控方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111222784A true CN111222784A (zh) | 2020-06-02 |
Family
ID=70831246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010006330.7A Pending CN111222784A (zh) | 2020-01-03 | 2020-01-03 | 一种基于人口大数据的安防监控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222784A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667201A (zh) * | 2020-07-10 | 2020-09-15 | 南通市亿控自动化系统有限公司 | 一种工业互联网智能监控的信息处理方法和装置 |
| CN111784039A (zh) * | 2020-06-28 | 2020-10-16 | 中国人民公安大学 | 一种基于动态风险评估的城市大型活动警力布防方法 |
| CN113191648A (zh) * | 2021-05-07 | 2021-07-30 | 北京石油化工学院 | 一种社区协同风险治理方法 |
| CN115409311A (zh) * | 2022-04-20 | 2022-11-29 | 盈机技术服务(北京)有限公司 | 社会安全风险的评估方法、装置以及存储介质 |
| CN117172729A (zh) * | 2023-11-03 | 2023-12-05 | 南通进宝机械制造有限公司 | 一种基于大数据的劳务分包人员管理系统 |
| CN118433228A (zh) * | 2024-04-03 | 2024-08-02 | 浙江三网科技股份有限公司 | 一种基于智慧社区的智能家居安防方法和系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101404107A (zh) * | 2008-11-19 | 2009-04-08 | 公安部第三研究所 | 基于人脸识别技术的网吧监控报警系统 |
| CN103279798A (zh) * | 2013-06-12 | 2013-09-04 | 林宝宗 | 在押人员羁押必要性审查系统 |
| CN103793968A (zh) * | 2012-11-04 | 2014-05-14 | 西安扩力机电科技有限公司 | 博物馆参观人员信息自动备案装置 |
| CN106157400A (zh) * | 2016-06-27 | 2016-11-23 | 合肥指南针电子科技有限责任公司 | 一种小区门禁智能管理系统 |
| CN106314438A (zh) * | 2016-08-15 | 2017-01-11 | 西北工业大学 | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 |
| CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
| CN206557873U (zh) * | 2017-03-02 | 2017-10-13 | 叶云龙 | 一种基于人脸识别的智能安保防进入系统 |
| CN107944380A (zh) * | 2017-11-20 | 2018-04-20 | 腾讯科技（深圳）有限公司 | 身份识别方法、装置及存储设备 |
| CN108596386A (zh) * | 2018-04-20 | 2018-09-28 | 上海市司法局 | 一种预测犯人重复犯罪概率的方法及系统 |
| CN108805142A (zh) * | 2018-05-31 | 2018-11-13 | 中国华戎科技集团有限公司 | 一种犯罪高危人员研判方法及系统 |
| CN109086808A (zh) * | 2018-07-16 | 2018-12-25 | 江苏智通交通科技有限公司 | 基于随机森林算法的交通高危人员识别方法 |
| CN109191828A (zh) * | 2018-07-16 | 2019-01-11 | 江苏智通交通科技有限公司 | 基于集成学习的交通参与者事故风险预测方法 |
| CN109410389A (zh) * | 2018-10-10 | 2019-03-01 | 安徽省鹏徽物业管理有限公司 | 一种小区物业管理用来访人员信息采集管理系统 |
| CN109816579A (zh) * | 2019-01-16 | 2019-05-28 | 北京明略软件系统有限公司 | 一种信息处理方法、装置及计算机可读存储介质 |
| CN110544191A (zh) * | 2019-08-15 | 2019-12-06 | 广州市公安局番禺区分局 | 一种社会信息采集汇聚及防控的方法及系统 |
-
2020
- 2020-01-03 CN CN202010006330.7A patent/CN111222784A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101404107A (zh) * | 2008-11-19 | 2009-04-08 | 公安部第三研究所 | 基于人脸识别技术的网吧监控报警系统 |
| CN103793968A (zh) * | 2012-11-04 | 2014-05-14 | 西安扩力机电科技有限公司 | 博物馆参观人员信息自动备案装置 |
| CN103279798A (zh) * | 2013-06-12 | 2013-09-04 | 林宝宗 | 在押人员羁押必要性审查系统 |
| CN106157400A (zh) * | 2016-06-27 | 2016-11-23 | 合肥指南针电子科技有限责任公司 | 一种小区门禁智能管理系统 |
| CN106314438A (zh) * | 2016-08-15 | 2017-01-11 | 西北工业大学 | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 |
| CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
| CN206557873U (zh) * | 2017-03-02 | 2017-10-13 | 叶云龙 | 一种基于人脸识别的智能安保防进入系统 |
| CN107944380A (zh) * | 2017-11-20 | 2018-04-20 | 腾讯科技（深圳）有限公司 | 身份识别方法、装置及存储设备 |
| CN108596386A (zh) * | 2018-04-20 | 2018-09-28 | 上海市司法局 | 一种预测犯人重复犯罪概率的方法及系统 |
| CN108805142A (zh) * | 2018-05-31 | 2018-11-13 | 中国华戎科技集团有限公司 | 一种犯罪高危人员研判方法及系统 |
| CN109086808A (zh) * | 2018-07-16 | 2018-12-25 | 江苏智通交通科技有限公司 | 基于随机森林算法的交通高危人员识别方法 |
| CN109191828A (zh) * | 2018-07-16 | 2019-01-11 | 江苏智通交通科技有限公司 | 基于集成学习的交通参与者事故风险预测方法 |
| CN109410389A (zh) * | 2018-10-10 | 2019-03-01 | 安徽省鹏徽物业管理有限公司 | 一种小区物业管理用来访人员信息采集管理系统 |
| CN109816579A (zh) * | 2019-01-16 | 2019-05-28 | 北京明略软件系统有限公司 | 一种信息处理方法、装置及计算机可读存储介质 |
| CN110544191A (zh) * | 2019-08-15 | 2019-12-06 | 广州市公安局番禺区分局 | 一种社会信息采集汇聚及防控的方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 卢小宾: "《信息分析》", 29 February 2008, 科学技术文献出版社 * |
| 启典文化编著: "《Excel公式、函数、图表数据分析高手真经》", 31 March 2014, 中国铁道出版社 * |
| 郑树泉等: "《工业智能技术与应用》", 31 December 2018, 上海科学技术出版社 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784039A (zh) * | 2020-06-28 | 2020-10-16 | 中国人民公安大学 | 一种基于动态风险评估的城市大型活动警力布防方法 |
| CN111784039B (zh) * | 2020-06-28 | 2020-12-25 | 中国人民公安大学 | 一种基于动态风险评估的城市大型活动警力布防方法 |
| CN111667201A (zh) * | 2020-07-10 | 2020-09-15 | 南通市亿控自动化系统有限公司 | 一种工业互联网智能监控的信息处理方法和装置 |
| CN113191648A (zh) * | 2021-05-07 | 2021-07-30 | 北京石油化工学院 | 一种社区协同风险治理方法 |
| CN115409311A (zh) * | 2022-04-20 | 2022-11-29 | 盈机技术服务(北京)有限公司 | 社会安全风险的评估方法、装置以及存储介质 |
| CN117172729A (zh) * | 2023-11-03 | 2023-12-05 | 南通进宝机械制造有限公司 | 一种基于大数据的劳务分包人员管理系统 |
| CN117172729B (zh) * | 2023-11-03 | 2024-04-05 | 南通进宝机械制造有限公司 | 一种基于大数据的劳务分包人员管理系统 |
| CN118433228A (zh) * | 2024-04-03 | 2024-08-02 | 浙江三网科技股份有限公司 | 一种基于智慧社区的智能家居安防方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222784A (zh) | 一种基于人口大数据的安防监控方法和系统 | |
| CN112884325B (zh) | 一种客站设备应用分析及健康状况评价方法及系统 | |
| CN110400215B (zh) | 面向企业家族的小微企业信用评估模型构建方法及系统 | |
| CN113254594B (zh) | 一种面向智慧电厂的安全知识图谱构建方法及系统 | |
| WO2020015104A1 (zh) | 风险旅客流量预测方法、装置、计算机设备和存储介质 | |
| CN110298254A (zh) | 一种用于人员异常行为的分析方法和系统 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| CN110008979A (zh) | 异常数据预测方法、装置、电子设备及计算机存储介质 | |
| CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
| CN111951116A (zh) | 基于无监督孤立点检测的医保反欺诈监测分析方法和系统 | |
| WO2022218001A1 (zh) | 视频分析方法及相关系统 | |
| CN115174205A (zh) | 一种网络空间安全实时监测方法、系统及计算机存储介质 | |
| CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 | |
| CN113822781A (zh) | 一种基于区块链的生态环境监管方法及系统 | |
| US20100042446A1 (en) | Systems and methods for providing core property review | |
| CN118195329A (zh) | 煤矿安全生产智能风险识别的多维融合处理方法及系统 | |
| CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
| Oreopoulos | Do Neighbourhoods Influence Long-term Labour Market Success?: A Comparison of Adults who Grew Up in Different Public Housing Projects | |
| KR20230173257A (ko) | 지역사회재난 안전도 진단플랫폼 | |
| CN115907898A (zh) | 对再保客户进行金融产品推荐的方法及其相关设备 | |
| CN116188223A (zh) | 人员居住管理系统、方法及电子设备 | |
| CN115587128A (zh) | 一种用于小区的实有人口积分管理系统 | |
| CN115222549A (zh) | 风险评估处理方法、装置、计算机设备及存储介质 | |
| CN114756769A (zh) | 小区人员行为健康确定方法、装置、电子设备和存储介质 | |
| CN114241385A (zh) | 基于深度学习的地铁进出站客流预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200602 |