一种目标区域确定方法、电子设备及存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。根据本发明的这种实施方式的电子设备。电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件（包括储存器和处理器）的总线。其中，储存器存储有程序代码，程序代码可以被处理器执行，使得处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器（ram）和/或高速缓存储存器，还可以进一步包括只读储存器（rom）。储存器还可以包括具有一组（至少一个）程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。电子设备也可以与一个或多个外部设备（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是cd-rom，u盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

背景技术：

1、人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

2、在现有的人员寻找场景中通常会使用到人脸识别技术进行身份认证。但是由于对目标人员具体位置的不确定，所以会在目标人员可能的出现的较大范围内开启所有的监控组件，进行全量监控，以进行人脸识别寻找。

3、但是在较大的区域中涉及的监控组件数量较多，由此，会耗费大量的计算资源。

技术实现思路

1、针对上述技术问题，本发明采用的技术方案为：一种目标区域确定方法，方法包括如下步骤：

2、根据目标人员对应的多个历史监控数据，生成目标人员对应的多个监控特征数据。每一监控特征数据包括对应拍摄位置的位置信息。

3、根据位置信息对多个监控特征数据进行聚类处理，生成至少一个位置族群。

4、对每一位置族群进行区域关联度处理，生成每一位置族群对应的每一目标关联区域的区域关联值。

5、若目标关联区域对应的区域关联值大于第一关联度阈值，则确定目标关联区域为目标区域。

6、区域关联度处理包括：

7、跟据位置族群中的最大经度值、最小经度值、最大纬度值及最小纬度值，生成位置族群对应的矩形搜索区域。

8、将位于搜索区域中的每一预设类型的地块区域，确定为位置族群对应的每一目标关联区域。

9、根据位置族群中所有的监控特征数据及每一目标关联区域的位置信息，生成每一目标关联区域的区域关联值。

10、进一步的，根据位置族群中所有的监控特征数据及每一目标关联区域的位置信息，生成每一目标关联区域的区域关联值，包括：

11、根据位置族群中所有的监控特征数据及每一目标关联区域的中心位置信息，生成每一目标关联区域的区域关联值。

12、其中，第h个目标关联区域的区域关联值glh满足如下条件：

13、

14、其中，及分别为第h个目标关联区域中心点的经度值及纬度值。及分别为位置族群中第m个监控特征数据的经度值及纬度值。v为位置族群中包括的监控特征数据的总数。

15、进一步的，根据位置族群中所有的监控特征数据及每一目标关联区域的位置信息，生成每一目标关联区域的区域关联值，包括：

16、根据位置族群中所有的监控特征数据及每一目标关联区域的中心位置信息及区域面积信息，生成每一目标关联区域的区域关联值。

17、其中，第h个目标关联区域的区域关联值glh满足如下条件：

18、

19、其中，及分别为第h个目标关联区域中心点的经度值及纬度值。及分别为位置族群中第m个监控特征数据的经度值及纬度值。v为位置族群中包括的监控特征数据的总数。为第h个目标关联区域的面积值。

20、进一步的，监控特征数据还包括对应拍摄位置的抓拍次数。

21、根据位置族群中所有的监控特征数据及每一目标关联区域的位置信息，生成每一目标关联区域的区域关联值，包括：

22、根据位置族群中所有的监控特征数据及每一目标关联区域的中心位置信息及区域面积信息，生成每一目标关联区域的区域关联值。

23、其中，第h个目标关联区域的区域关联值glh满足如下条件：

24、

25、其中，为位置族群中第m个监控特征数据对应的抓拍次数。

26、进一步的，监控特征数据还包括对应拍摄位置的拍摄时间序列。

27、根据位置族群中所有的监控特征数据及每一目标关联区域的位置信息，生成每一目标关联区域的区域关联值，包括：

28、根据位置族群中所有的监控特征数据及每一目标关联区域的中心位置信息及区域面积信息，生成每一目标关联区域的区域关联值。

29、其中，第h个目标关联区域的区域关联值glh满足如下条件：

30、

31、其中，为位置族群中第m个监控特征数据对应的摄时间序列的时间均值。为当前时间。为历史监控数据的最早时间。

32、进一步的，在根据位置信息对多个监控特征数据进行聚类处理，生成至少一个位置族群之前，方法还包括：

33、将抓拍次数小于预设拍摄次数的监控特征数据去除。

34、进一步的，根据位置信息对多个监控特征数据进行聚类处理，生成至少一个位置族群，包括：

35、使用k-means聚类算法对多个监控特征数据进行聚类处理，生成至少一个初始族群。

36、将初始族群中的带状族群去除，生成至少一个位置族群。

37、进一步的，在确定目标关联区域为目标区域之后，方法还包括：

38、将目标区域中每一监控组件，确定为目标数据获取组件并配置目标监控任务。

39、作为本发明的第二个方面，还提供了一种非瞬时性计算机可读存储介质，存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述中的一种目标区域确定方法。

40、作为本发明的第三个方面，还提供了一种电子设备，包括处理器和上述的非瞬时性计算机可读存储介质。

41、本发明至少具有以下有益效果：

42、在实际的场景中，目标人员通常会在一个区域中高频次的进行活动，如在居住区周围或者办公区域周围。对应的，在这些区域中的监控组件也会拍摄到目标人员更多的监控画面，也即监控特征数据。由此，也可以通过对历史监控数据中的拍摄位置信息进行聚类，以将这些具有高关联度区域确定的出来。并且，在本发明中可以根据位置族群中所有的监控特征数据及每一目标关联区域的位置信息，来进一步生成每一目标关联区域的区域关联值，以便更加准确的确定出目标人员实际对应的常在区域，也即目标区域。