一种重点人员智能预警方法及系统与流程

本发明涉及智能防控，具体涉及一种重点人员智能预警方法及系统。

背景技术：

1、在公安治安防控、司法社区矫正、民政特殊人群管理领域都涉及到重点人员管控的需求，传统主要以人工管理和被动式管控为主，即通过定期上门走访或报备登记的方式开展常态化管理，并在异常事件发生之后进行打击处理或处罚教育，耗费人力较多且处置效率不高，加大了管理难度和成本。

2、随着智慧城市建设的推进，智慧警务、智慧司法、智慧民政等“智慧+”业务得到快速发展，借助先进的智能ai算法、大数据处理分析等技术手段，逐渐将人工管理转变为智能无感化管理，将事后处置转变为事前预警分析，强调全方位动态管理，强化防范意识，尽可能减少危险事件的发生。同时，对于已经发生的案事件，可实现线索的快速发现，减少分析研判的时间，提高管理服务的质效。在人员无感化管理和事前预警分析过程中，通常根据人员活动特点构建匹配的模型开展分析活动，根据模型触发的预警信息捕获其异常行为，从而开展提前关注和干预，这种方式具有一定的应用局限性，对于不同类型的人员需要构建不同的模型进行分析，模型组件复用性不强且耗费资源。因此，需要考虑从通用性角度出发，实现人员预警模型的设计和搭建，使其应用场景更加多元化，同时打破单一数据应用的局限，实现人员活动数据的有机组合和关联，发挥大数据应用的优势，并且能够在模型预警的基础上进行人员的动态分级，筛选出异常活动的群体，从而进行有差别的监控管理，最大程度的发挥资源优势，达到全面掌握、重点管控的目的，从而为打击违法犯罪活动、保障公共安全提供切实有效的手段，提升整体智慧管理的能力。

技术实现思路

1、本发明的目的在于提供一种重点人员智能预警方法及系统，结合实际治安管控、司法监控和特殊群体关爱的需要，按照人员业务属性分类建立重点人员原始数据库，整合多元化的人员活动轨迹大数据，构建人员个体的轨迹数据集，在此基础上，分析不同业务属性人员的活动特点，汇总并拆解为独立且单一的活动行为，将活动行为映射为可量化的通用算子；根据人员业务属性特点，自定义选取不同的通用算子构建预警分析模型，记录模型产生的所有预警数据；将人员预警数据有效转化为风险值，在同一业务属性人员中设置人员风险管控阈值，依据风险值实现人员的动态分级，从而实现更加科学合理的管控，并且研发相关的系统，提供人员数据库建立、模型自定义配置、预警可视化展示的相关功能。

2、本发明的目的可以通过以下技术方案实现：

3、一种重点人员智能预警方法，包括以下步骤:

4、s1：按照人员业务属性分类建立重点人员原始数据库，数据库包含人员姓名、身份信息、业务属性、人脸照片；

5、s2：获取人员各类轨迹活动大数据，通过特征比对和身份索引建立同一人员的轨迹数据集，包括人卡抓拍数据、车辆抓拍数据、购票数据、宾馆登记数据、网吧登记数据、手机位置数据，建立方式如下：

6、通过人卡和车辆抓拍数据，提取人脸特征信息；

7、利用通过人脸特征信息进行同一人员抓拍数据的聚档；

8、将人员聚档后的档案数据，选取质量最优的一张，与已有的人员静态库进行比对，达到设定的相似值后，进行人员身份置信；

9、通过人员身份证号进行具有身份属性的轨迹活动数据的关联

10、s3：细化各类重点人员行为特征，将其拆分为具有独立发生和判断的单一活动，并映射为通用算子，涵盖了首次入城、频繁入城、离城分析、区域进入、区域离开、失联分析、昼伏夜出、频繁活动、大范围活动、可疑同行、多人出现，通用算子建立步骤如下；

11、设置单个通用算子的分析规则；

12、确定单个通用算子标识和模型参数，标记其主键参数和状态；

13、将单个通用算子封装成算子组件，标记组件使用属性

14、s4：选定具有同一业务属性的人员数据库，自定义选择满足条件的一个或多个通用算子，从而构建针对该类人群的预警分析模型，模型设置方式如下；

15、选择所需的通用算子，计算通用算子个数；

16、判断通用算子个数是否为1；

17、若选择通用算子个数为1，确认其具备单独使用的属性，自主设置模型参数，确定预警分析模型运行时间；

18、若选择通用算子个数大于1，确认各算子具备与其他算子联用的属性，确定各算子之间的连接关系和运算逻辑，自主设置各算子模型参数，确定预警分析模型运行时间

19、s5：记录模型产生的所有预警数据，包括：人员姓名、身份证号、触发预警的通用算子个数，预警通用算子名称，对应的预警时间、对应的预警地点、对应的主键参数和阈值，从而形成预警数据表，并可按照人员业务属性进行预警数据过滤；

20、s6：设定分析时间段，针对同一类业务属性的人员预警数据，以人员身份证号为索引，关联其所有预警数据，将预警数据转换为风险值，具体转换方式如下：

21、获取同一业务属性人员数据库中所有人员的预警数据，包括：触发预警的通用算子个数、预警通用算子标识、对应的预警时间、对应的预警地点、对应的主键参数和阈值，对于无主键参数的情况，该条预警数据中主键参数和阈值默认为1；

22、设定人员基础风险值，同一业务属性人员数据库中人员的基础风险值一致，分别计算每个预警通用算子主键参数与阈值的比值，比值结果再乘以基础风险值，得到单个人员在单个通用算子下的预警风险值，对于无主键参数的情况，预警风险值等于基础风险值；

23、累计同一业务属性人员针对同一通用算子的预警数据，以人为维度进行预警数据的聚合，得到该通用算子的预警人数，将该人数与本人员库得到人员总数进行相比，从而获得该通用算子在本人员库的预警熵权；

24、取本人员库内预警通用算子个数的最大值，将单个人员的预警通用算子个数与最大值相比，得到单个人员对应的预警系数；

25、将预警熵权与对应预警风险值相乘，并乘以对应的预警系数，得到单个人员在该通用算子下的加权风险值，并依次计算该人员对应的其他通用算子的加权风险值；

26、将该人员所有加权风险值求和，得到其对应的人员风险值；

27、人员风险值根据分析时间范围的变化进行动态更新。

28、s7：同一业务属性人员，设置人员风险管控阈值，在模型运行时间内，实现人员的动态分级，具体方式如下：

29、若人员风险值大于等于风险管控阈值，则风险程度高，标记为红码，要进行实时监控和管理；

30、若人员风险值小于风险管控阈值且非零，则风险程度较低，标记为黄码，要进行定期监控和管理；

31、若人员风险值为零且有轨迹活动数据，则标记为绿码，不需要进行监管；

32、若人员风险值为零且无轨迹活动数据，则标记为蓝码，需要对人员进行确认，从而对人员原始数据库进行清理；

33、人员分级情况根据模型设置和运行时间的变化而动态变化。

34、作为本发明进一步的方案：s1中，重点人员原始数据库数据来源及处理过程方式，具体如下所示：

35、数据来源包括已掌握的人员、已关联的人员、已处置的人员；

36、其中，已掌握的人员包括各业务管理部门登记在册的重点人员；已关联人员主要针对案事件研判中确定的犯罪嫌疑人；已处置人员主要针对被打击处置，有违法记录的重点人员；

37、上述人员根据业务属性进行聚合，业务属性由人员类别决定，并根据身份证号进行人员去重，建立不同业务属性对应的人员原始数据库，数据库包含人员姓名、身份信息、业务属性、人脸照片；

38、人员原始数据库可按照不同数据源的更新频率进行动态更新，在更新过程中实现人员数据的清洗、比对和入库。

39、作为本发明进一步的方案：s2中，人员轨迹数据集的数据来源和构建方式，具体如下所示：

40、筛选人脸卡口抓拍的人脸图片，以及车辆卡口抓拍的主副驾驶人员的人脸图片，通过人脸识别算法进行人脸特征的提取，人脸特征关联对应的人脸抓拍图片；

41、通过人脸特征信息进行人员抓拍数据的聚档，当人脸特征比对相似度达到设定阈值，则进行人脸特征的关联，同时将对应的人脸抓拍图片进行关联，赋予同一人员id，形成单个人员的抓拍档案；

42、从抓拍档案中选取抓拍质量最优的一张，与已有的人员静态库进行比对，比对相似度达到设定阈值后，判定为同一人，将人员身份信息与人员抓拍档案进行关联，实现人员id与身份证号的绑定，完成抓拍档案人员身份的置信，其中，人员静态库通常指包含人员身份信息的数据库，如：常住人口库、流动人口库等；

43、将身份证号作为索引，遍历各类购票数据、宾馆登记数据、网吧登记数据，将匹配成功的购票数据、登记数据与人员抓拍档案进行关联，同时，通过身份证号匹配关联的手机号，获取手机定位数据，从而形成单个人员轨迹数据集。

44、作为本发明进一步的方案：s3中，通用算子建立过程中，根据人员活动特点，将其特定行为进行拆解，使其具备在特定场景下独立发生和判断的特点；

45、特定场景包括：首次入城、频繁入城、离城分析、区域进入、区域离开、失联分析、昼伏夜出、频繁活动、大范围活动、可疑同行和多人出现；

46、将每个活动映射为一个通用算子，基于人员轨迹数据集设置通用算子的分析规则。

47、作为本发明进一步的方案：s4中，若选择通用算子个数为1，确认其具备单独使用的属性，自主设置模型参数，当通用算子状态为实时，预警时间段从当前时间点开始到未来某个时间点，当通用算子状态为历史时，预警时间段从某个历史时间点到当前时间点，当通用算子状态二者都支持时，预警时间段不做限制，预警分析模型运行时间按照预警时间进行设置；

48、若选择通用算子个数大于1，确认各算子具备与其他算子联用的属性，对于具有排斥关系的算子，不得在同一预警分析模型中同时进行设置；对于具备首位节点属性的算子，排在第一位，其余算子在此之后进行连接；对于无特别要求的算子，可根据设置需要进行逐个串联或并联；对于具备末位节点属性的算子，排在所有算子之后；对于串联的算子，其运算结果取所有串联算子结果的交集；对于并联的算子，运算结果可设置为并集或者交集，自主设置各算子模型参数，预警时间按照算子状态进行设置，预警分析模型运行时间按照各算子中预警时间段的并集进行设置。

49、作为本发明进一步的方案：s6中，实现同一业务属性人员预警数据转换为风险值的方式，具体如下所示：

50、以人员身份证号为索引，遍历同一业务属性人员数据库中所有人员的预警数据，获取触发预警的通用算子个数cij(i＝1,2......n,j＝1,2......m)，其中i表示同一业务属性人员数据库在所有人员库中的编号，j表示本人员库内具体人员的编号，预警通用算子标识，对应的预警时间、对应的预警地点、对应的主键参数pij，阈值til(l＝1,2......q)，其中l表示通用算子的编号，对于无主键参数的情况，记为pij＝1且til＝1；

51、设定人员基础风险值b，其中，同一业务属性人员数据库中人员的基础风险值一致，针对单个人员的预警数据，对于有主键参数的通用算子，分别计算每个预警通用算子主键参数pij与阈值til的比值，比值结果再乘以基础风险值，得到单个人员在单个通用算子下的预警风险值sjl；

52、sjl＝b*pij/til；

53、对于无主键参数的情况，sjl＝b；

54、分别计算本人员库中每个通用算子的预警次数，以人为维度进行预警数据的聚合，得到通用算子的预警人数ol，将该人数与本人员库人员总数m进行相比，从而获得该通用算子在本人员库的预警熵权wl；

55、wl＝ol/m；

56、取本人员库内预警通用算子个数的最大值θi，其中θi＝max(cij)，将单个人员的预警通用算子个数与最大值相比，得到单个人员对应的预警系数λj，其中λj＝cij/θi；

57、将预警熵权wl与对应预警风险值sjl相乘，并乘以对应的预警系数λj，从而得到单个人员在通用算子l下的加权风险值djl，并依次计算该人员对应的其他通用算子的加权风险值；

58、djl＝λj*wl*sjl；

59、将该人员所有加权风险值djl求和，得到其对应的人员风险值dj；

60、

61、人员风险值根据分析时间范围的变化进行动态更新。

62、作为本发明进一步的方案：s7中，实现同一业务属性人员的动态自动分级，具体过程如下：

63、初始分析时间段内，即模型初始运行时间内，同一业务属性人员按照人员风险值由高到低进行排序，取其序列的中位数作为人员风险管控阈值dt；

64、非初始分析时间段内，取上一分析时段内人员风险值的均值作为人员风险管控阈值dt；

65、将人员风险管控阈值dt与人员风险值dj进行逐个对比，根据比对结果进行人员的分级，并赋予不同的色码进行区分；

66、若dj≥dt，则该人员异常活动频繁，风险程度高，标记为红码，要进行实时监控和管理；

67、若dj＜dt且dj≠0，则该人员异常活动情况良好，风险程度较低，标记为黄码，要进行定期监控和管理；

68、若dj＝0，且该人员在分析时间段内轨迹数据集非空，则该人员近期活动属于正常行为，标记为绿码，不需要进行监管；

69、若dj＝0，且该人员在分析时间段内轨迹数据集为空，则该人员标记为蓝码，需要对人员进行确认，从而对人员原始数据库中对应的数据进行清理。

70、作为本发明进一步的方案：一种重点人员智能预警系统,包括数据管理模块、通用算子设置模块、预警模型配置模块和可视化展示模块；

71、所述数据管理模块实现人员数据、区域数据以及人员标签信息的分类管理，为预警模型建立提供数据基础；

72、所述通用算子设置模块实现通用算子规则和参数的设置，通过提供算子api，实现通用算子的调用和参数的传递；

73、所述预警模型配置模块根据人员数据的选择，通过可视化方式实现通用算子封装组件的自主拖动和组合，建立人员预警分析模型，并设置模型相关参数；

74、所属可视化展示模块实现基于电子地图的预警数据的全量展示，清晰展示预警人员、地点以及预警数据分布情况，同时可基于预警点实现关联数据的展示。

75、本发明的有益效果：

76、(1)本发明整合人员视图轨迹数据、购票类轨迹数据、登记类轨迹数据、手机位置数据，实现同一人员不同维度数据的有机关联，突破了仅依靠单一数据源进行人员分析的局限性，更好地将视频图像数据与业务类数据进行了融合，构建统一的人员轨迹数据集，充分发挥多元数据融合的优势；

77、(2)本发明将重点人员异常活动进行分析和拆解，形成相对独立的活动行为，将活动行为进行抽样和量化，以模型化方式构建通用算子，并将算子组件化，有利于进行复用，减少模型的重复建设；

78、(3)本发明在通用算子基础上，结合不同类型人员的管控特点，通过灵活组合设置，构建相匹配的预警分析模型，实现人员的个性化监管，屏蔽底层数据和逻辑的复杂性，操作更加方便简单；

79、(4)本发明通过预警分析模型中产生的预警数据，设定将其转化为人员风险值的方法，通过通用算子预警个数、预警触发人员数量、主键参数与阈值比值等，对基础风险值进行加权处理，摒弃单纯的依靠预警触发进行固定分值计算的方式，更加贴合个体的真实情况，并在同一类群体中实现有效区分；

80、(5)本发明通过整合历史和当前的人员风险值，实现同一类群体中不同活动状态的分级设定，用以筛选活动异常的人员，实现精准管控和聚力打击，发挥有限资源的最大价值，同时筛选出无效的人员数据，便于对人员数据库进行动态更新，保持数据的鲜活性；

81、(6)本发明解决了人员轨迹数据整合、通用模型设计、预警分析模型构建、人员分级管控的的一系列问题，搭建起一整套通用的人员分析方法，系统地实现重点人员异常活动分析预警的目的，满足治安管控、司法监管的需要，极大地丰富了管理手段，提高了管理质效。