本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種人群關(guān)系網(wǎng)絡(luò)分析方法及裝置。
背景技術(shù)：
：在數(shù)據(jù)的智能分析和挖掘領(lǐng)域，往往通過對海量數(shù)據(jù)的深入分析處理來發(fā)現(xiàn)隱含在數(shù)據(jù)中的有用模式，從而解決日常社會生活中的各種問題場景。如智慧城市/安防，商業(yè)智能(英文：BusinessIntelligence，簡稱：BI)等應(yīng)用場景中，都對人的活動特別是人群(社會)活動的相關(guān)模式有著濃厚的興趣和應(yīng)用的痛點，這些模式包含人群的特定的活動時間規(guī)律、地點規(guī)律、軌跡規(guī)律及這些規(guī)律背后的隱含的商業(yè)價值。但在這些模式中，人群關(guān)系網(wǎng)絡(luò)是一個有相對較高價值，且處于較深層次的模式信息，蘊含著較高的商業(yè)價值。事實上，在目前已經(jīng)比較充分的數(shù)字化、互聯(lián)網(wǎng)化的生活模式下，人的各種類型的活動通常都伴隨信息化/數(shù)字化信息的產(chǎn)生，比方說人的購買行為會產(chǎn)生一條或多條的購物記錄及支付記錄，一次旅行會產(chǎn)生為數(shù)眾多的交通、住宿等記錄，打一次電話或通過社交APP的聯(lián)系溝通等，會產(chǎn)生通話記錄/社交記錄等信息，總之，人的衣食住行、工作、教育、醫(yī)療等幾乎所有活動，都被數(shù)字化、信息化，在這個過程中也就產(chǎn)生了海量的信息。人群關(guān)系網(wǎng)絡(luò)的分析需要記錄人群中的個人不同類型活動的信息，然而，雖然以上海量的信息極其巨大，但一個最重大的問題是這些看似海量的信息卻以極其割裂的方式掌握在各方手中，這種割裂數(shù)據(jù)的形式導(dǎo)致這些數(shù)據(jù)在應(yīng)用上要統(tǒng)一應(yīng)用非常困難：幾乎不可能被統(tǒng)一的收集并加以利用，這是由于在不同的數(shù)據(jù)之間，同一個人的信息由于缺乏統(tǒng)一的標(biāo)識，無法進(jìn)行綜合統(tǒng)一的分析，無法分辨不同的信息哪些是來自于同一個人，這樣就丟失了重要的分析基礎(chǔ)；數(shù)據(jù)的格式極其不統(tǒng)一，在統(tǒng)一整理使用分析方面困難巨大?；谝陨蠁栴}，通常在一個垂直領(lǐng)域進(jìn)行人員關(guān)系網(wǎng)絡(luò)的分析是比較常見的，如銀行財務(wù)關(guān)系網(wǎng)絡(luò)，購物平臺的消費關(guān)系網(wǎng)絡(luò)等。但是這些領(lǐng)域依然存在以下方面的缺點：數(shù)據(jù)通常依賴于人為輸入的準(zhǔn)確性，但是人們在這些活動中，通常會使用一些非真實的身份信息；基于賬號等身份信息容易在多方之間互相串用，導(dǎo)致很多的噪音數(shù)據(jù)，影響分析的準(zhǔn)確性?？偨Y(jié)以上問題，通過目前常規(guī)信息來源及分析手段，第一，不能得到廣泛人群關(guān)系網(wǎng)絡(luò)的分析的方案，第二，即便在垂直分析領(lǐng)域，數(shù)據(jù)來源的天生不可靠性對數(shù)據(jù)分析的準(zhǔn)確性也產(chǎn)生一定的影響。技術(shù)實現(xiàn)要素：本發(fā)明實施例提供一種人群關(guān)系網(wǎng)絡(luò)分析方法及裝置，以實現(xiàn)廣泛、準(zhǔn)確的人群關(guān)系分析。一方面，提供了一種人群關(guān)系網(wǎng)絡(luò)分析方法，所述方法包括：根據(jù)設(shè)定的數(shù)據(jù)采集格式對多個場所的視頻數(shù)據(jù)進(jìn)行數(shù)據(jù)采集，采集到的數(shù)據(jù)包括人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息；將所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息進(jìn)行實時聚類處理；根據(jù)實時聚類處理后的所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息，構(gòu)造人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息。優(yōu)選地，所述結(jié)構(gòu)化信息包括：采集時間、采集地點，所述根據(jù)實時聚類處理后的所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息，構(gòu)造人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息，包括：根據(jù)采集時間進(jìn)行時延關(guān)系過濾，確定所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系；根據(jù)采集地點進(jìn)行地理信息映射，確定各人臉特征值對應(yīng)的個人的活動的場所；根據(jù)所述采集時間和采集地點，分析各人臉特征值對應(yīng)的個人在所述場所的行為；根據(jù)所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系、各人臉特征值對應(yīng)的個人的活動的場所、以及各人臉特征值對應(yīng)的個人在所述場所的行為，構(gòu)造所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的人群關(guān)系無向權(quán)重視圖。優(yōu)選地，所述人群關(guān)系無向權(quán)重視圖包含多個邊集合：Edge(Person(x),Person(y),R(z),Weight(w))；其中，Person(x)、Person(y)表示任意的個人，R(z)表示Person(x)與Person(y)之間的關(guān)系類型，Weight(w)表示Person(x)與Person(y)之間的密切度為Weight(w)。優(yōu)選地，所述方法還包括：在所述人群關(guān)系無向權(quán)重視圖中加入關(guān)系視圖過濾參數(shù)進(jìn)行所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的過濾，得到過濾的人群關(guān)系無向權(quán)重視圖；其中，所述關(guān)系視圖過濾參數(shù)包括：關(guān)系類型的集合，單個關(guān)系的權(quán)重門限，總體關(guān)系的權(quán)重門限，中心點Person(center)及圖遍歷深度。另一方面，提供了一種人群關(guān)系網(wǎng)絡(luò)分析裝置，所述裝置包括：采集模塊，用于根據(jù)設(shè)定的數(shù)據(jù)采集格式對多個場所的視頻數(shù)據(jù)進(jìn)行數(shù)據(jù)采集，采集到的數(shù)據(jù)包括人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息；聚類模塊，用于將所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息進(jìn)行實時聚類處理；構(gòu)造模塊，用于根據(jù)實時聚類處理后的所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息，構(gòu)造人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息。優(yōu)選地，所述結(jié)構(gòu)化信息包括：采集時間、采集地點，所述構(gòu)造模塊包括：第一確定單元，用于根據(jù)采集時間進(jìn)行時延關(guān)系過濾，確定所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系；第二確定單元，用于根據(jù)采集地點進(jìn)行地理信息映射，確定各人臉特征值對應(yīng)的個人的活動的場所；分析單元，用于根據(jù)所述采集時間和采集地點，分析各人臉特征值對應(yīng)的個人在所述場所的行為；構(gòu)造單元，用于根據(jù)所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系、各人臉特征值對應(yīng)的個人的活動的場所、以及各人臉特征值對應(yīng)的個人在所述場所的行為，構(gòu)造所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的人群關(guān)系無向權(quán)重視圖。優(yōu)選地，所述人群關(guān)系無向權(quán)重視圖包含多個邊集合：Edge(Person(x),Person(y),R(z),Weight(w))；其中，Person(x)、Person(y)表示任意的個人，R(z)表示Person(x)與Person(y)之間的關(guān)系類型，Weight(w)表示Person(x)與Person(y)之間的密切度為Weight(w)。優(yōu)選地，所述裝置還包括：過濾模塊，用于在所述人群關(guān)系無向權(quán)重視圖中加入關(guān)系視圖過濾參數(shù)進(jìn)行所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的過濾，得到過濾的人群關(guān)系無向權(quán)重視圖；其中，所述關(guān)系視圖過濾參數(shù)包括：關(guān)系類型的集合，單個關(guān)系的權(quán)重門限，總體關(guān)系的權(quán)重門限，中心點Person(center)及圖遍歷深度。實施本發(fā)明實施例提供的人群關(guān)系網(wǎng)絡(luò)分析方法及裝置，具有如下有益效果：將視頻圖像采集和人臉識別技術(shù)引入到大范圍的人群關(guān)系網(wǎng)絡(luò)的分析當(dāng)中，解決了數(shù)據(jù)來源的廣度和統(tǒng)一性的問題；信息采集無需要人為配合，信息準(zhǔn)確率高；綜合利用圖像采集的多維度信息，包括地理位置，短時的信息，長時的信息，為人群關(guān)系的分析、分類、相互關(guān)系的識別提供多維度的信息，關(guān)系分析廣泛且精準(zhǔn)。人群關(guān)系無向權(quán)重視圖的存儲結(jié)構(gòu)及基于此結(jié)構(gòu)的動態(tài)過濾視圖呈現(xiàn)方法，很好的支持動態(tài)、持續(xù)的關(guān)系網(wǎng)絡(luò)的分析和展示，能夠極大提升關(guān)系分析的靈活性和效率。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析方法的流程示意圖；圖2為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析方法進(jìn)一步細(xì)化的流程示意圖；圖3為人群關(guān)系時延過濾器結(jié)構(gòu)示意圖；圖4為地理信息關(guān)聯(lián)處理示意圖；圖5為行為模式識別處理示意圖；圖6為示例的人群關(guān)系無向權(quán)重視圖；圖7為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析裝置的結(jié)構(gòu)示意圖；圖8為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析裝置進(jìn)一步細(xì)化的結(jié)構(gòu)示意圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。圖1為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析方法的流程示意圖，該方法包括以下步驟：S101，根據(jù)設(shè)定的數(shù)據(jù)采集格式對多個場所的視頻數(shù)據(jù)進(jìn)行數(shù)據(jù)采集。本實施例依托于現(xiàn)在的廣泛的視頻采集網(wǎng)絡(luò)進(jìn)行多個場所內(nèi)人群活動記錄的采集，可采用現(xiàn)有的視頻圖像采集技術(shù)。為了對廣大范圍內(nèi)的數(shù)據(jù)實行統(tǒng)一的采集和分析，本實施例規(guī)定了數(shù)據(jù)采集的統(tǒng)一格式，采集到的數(shù)據(jù)包括人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息。人臉特征值用于唯一準(zhǔn)確地確定個人，通過人臉識別技術(shù)可以獲得人臉特征值，各人臉特征值對應(yīng)的結(jié)構(gòu)化信息用于分析人群之間的關(guān)系，結(jié)構(gòu)化信息可以是：時間、地點、性別、服飾、表情等。S102，將所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息進(jìn)行實時聚類處理。由于人臉特征值用于唯一準(zhǔn)確地確定個人，對于采集到的數(shù)據(jù)中屬于某個人的數(shù)據(jù)進(jìn)行聚類處理，可以獲取每個人的一系列的社會活動記錄。S103，根據(jù)實時聚類處理后的所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息，構(gòu)造人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息。采集到以上格式統(tǒng)一的人臉特征值和多個結(jié)構(gòu)化信息后，進(jìn)行人群關(guān)系網(wǎng)絡(luò)的分析。人群關(guān)系網(wǎng)絡(luò)包括人在某個場所所處的角色，人在某個時間點在進(jìn)行什么，以及人與人之間的關(guān)系等。通過根據(jù)每個人的一系列的社會活動記錄包含的多條結(jié)構(gòu)化信息，可以分析出人群關(guān)系網(wǎng)絡(luò)，具體地，例如，通過分析一段時間內(nèi)某個人在某個時間點經(jīng)常進(jìn)入某場所，可以分析該人在某個場所工作；又例如，通過分析一段時間內(nèi)某個人在某個時間點進(jìn)行某件事的頻率，可以分析該人在某個時間點在進(jìn)行什么，如上班；再例如，某兩個人在同一時間段經(jīng)常進(jìn)入某場所，可以分析該兩人為同事。根據(jù)本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析方法，將視頻圖像采集和人臉識別技術(shù)引入到大范圍的人群關(guān)系網(wǎng)絡(luò)的分析當(dāng)中，解決了數(shù)據(jù)來源的廣度和統(tǒng)一性的問題，能夠?qū)崿F(xiàn)廣泛、準(zhǔn)確的人群關(guān)系分析。圖2為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析方法進(jìn)一步細(xì)化的流程示意圖，該方法包括以下步驟：S201，根據(jù)設(shè)定的數(shù)據(jù)采集格式對多個場所的視頻數(shù)據(jù)進(jìn)行數(shù)據(jù)采集。本實施例依托于現(xiàn)在的廣泛的視頻采集網(wǎng)絡(luò)進(jìn)行多個場所內(nèi)人群活動記錄的采集，可采用現(xiàn)有的視頻圖像采集技術(shù)。為了對廣大范圍內(nèi)的數(shù)據(jù)實行統(tǒng)一的采集和分析，本實施例規(guī)定了數(shù)據(jù)采集的統(tǒng)一格式，采集到的數(shù)據(jù)包括人臉特征值和至少一條結(jié)構(gòu)化信息。設(shè)定的數(shù)據(jù)采集格式如下表1所示：表1示例的數(shù)據(jù)采集格式人臉特征值時間地點其它結(jié)構(gòu)化信息(性別、服飾、表情等)人臉特征值用于唯一準(zhǔn)確地確定個人。通過現(xiàn)有的人臉識別技術(shù)可以識別視頻數(shù)據(jù)中的人臉，從而得到識別出的人臉的人臉特征值。在獲取視頻數(shù)據(jù)中的人臉特征值之外，還可獲得多條結(jié)構(gòu)化信息，至少一條結(jié)構(gòu)化信息用于分析人群之間的關(guān)系，結(jié)構(gòu)化信息包括時間、地點、性別、服飾、表情等。S202，將所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息進(jìn)行實時聚類處理。通過對采集到的人臉特征值進(jìn)行聚類分析，得到當(dāng)前采集的信息的人員ID(m),對于整個采集范圍，同一個人的信息，實時聚類分析輸出相同的ID(m)。S203，根據(jù)采集時間進(jìn)行時延關(guān)系過濾，確定所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系。S204，根據(jù)采集地點進(jìn)行地理信息映射，確定各人臉特征值對應(yīng)的個人的活動的場所。S205，根據(jù)所述采集時間和采集地點，分析各人臉特征值對應(yīng)的個人在所述場所的行為。本實施例中，人群關(guān)系網(wǎng)絡(luò)通過人群關(guān)系無向權(quán)重視圖體現(xiàn)。在構(gòu)造人群關(guān)系無向權(quán)重視圖之前，進(jìn)行三個預(yù)處理步驟(S203-S205)：(1):根據(jù)采集時間等關(guān)鍵信息，進(jìn)行關(guān)系的時延過濾，得到一次采集過程中的具有關(guān)聯(lián)關(guān)系的相關(guān)人員。其基本思想是，只在足夠相近的時間采集到的人，才可能具有關(guān)聯(lián)關(guān)系。(2):利用采集數(shù)據(jù)的地理位置信息，進(jìn)行地理位置與場所屬性的關(guān)聯(lián)處理，得到關(guān)系發(fā)生的場所信息(如醫(yī)院、飯店、地鐵等)。(3):根據(jù)聚類的結(jié)果，得到某個人在當(dāng)前場所的所有采集記錄的時間序列，以判斷這個人在當(dāng)前場景的角色，如同樣的飯店場所，不同采集得到的人的根據(jù)其時間序列可判斷為是顧客和店員，同樣是醫(yī)院，其時間序列的不同可判斷為醫(yī)生還是病人。對于第一個預(yù)處理步驟，即時延過濾，其結(jié)構(gòu)如圖3所示。人群關(guān)系時延過濾器工作過程包含過濾操作和維護(hù)操作，其中過濾操作的過程如下：1：當(dāng)對一個元素進(jìn)行關(guān)系時延過濾時，遍歷Map中現(xiàn)有的元素。2：針對當(dāng)前Map中存在的每一個元素，生成一個關(guān)系項，輸出到后續(xù)的流程。3：如果Map為空，則不生成任何關(guān)系項。人群關(guān)系時延過濾器的維護(hù)操作包含如下步驟：1：當(dāng)對一個元素(x)進(jìn)行過濾操作時，首先將其加入到DelayFiltingMap中，設(shè)定其超時時間為ExpireTime(x)2：每一個維護(hù)周期Tick，遍歷每個Map中元素，對ExpireTime(x)進(jìn)行減一操作。3：如果ExpireTime(x)減為0，則從Map刪除元素。4：重復(fù)步驟1-3，對DelayFiltingMap進(jìn)行持續(xù)不斷的維護(hù)。對于第二個預(yù)處理步驟，即地理信息關(guān)聯(lián)處理，其處理示意圖如圖4所示。其工作過程包含如下步驟：1：接收圖像采集所處的地理位置的信息坐標(biāo)。2：遍歷對自標(biāo)注的位置信息，及第三方的地圖及GIS信息系統(tǒng)進(jìn)行查詢。直到采集的地理位置的坐標(biāo)映射為場所的屬性信息(如車站，商場，醫(yī)院等等)3：將場所信息輸出給后續(xù)模塊。對于第三個預(yù)處理步驟，即行為模式識別，其處理示意圖如圖5所示。行為模式識別過程包含以下步驟：1：所有的實時聚類結(jié)果的信息，都存儲在聚類信息數(shù)據(jù)庫中，數(shù)據(jù)庫中存儲了每一個已經(jīng)聚好類的數(shù)據(jù)采集的記錄的所有結(jié)果。2：當(dāng)一個新的識別請求發(fā)生時，首先通過數(shù)據(jù)庫查詢模塊得到當(dāng)前類的所有的視頻圖像的分采集的在當(dāng)前地點的采集記錄。3：對得到的記錄的集合進(jìn)行概率統(tǒng)計，得到出行采集的時間的時間分布直方圖。4：用統(tǒng)計出的分布直方圖與行為模式庫的模式進(jìn)行卷積，得到卷積最大的結(jié)果，如果符合一定的閾值設(shè)定要求，則匹配映射成功，得到這個類別在當(dāng)前地點的行為模式(如上班，送快遞，吃飯，購物，未知等)5：將匹配得到的地點相關(guān)的行為模式輸出到后續(xù)處理步驟。S206，根據(jù)所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系、各人臉特征值對應(yīng)的個人的活動的場所、以及各人臉特征值對應(yīng)的個人在所述場所的行為，構(gòu)造所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的人群關(guān)系無向權(quán)重視圖。本實施例的人群關(guān)系無向權(quán)重圖，包含一個特別設(shè)計的Graph存儲結(jié)構(gòu)和特別設(shè)計的Graph更新，即權(quán)重計算過程。人群關(guān)系Graph無向權(quán)重圖的結(jié)構(gòu)如圖6所示。如圖6所示的Graph是一個無向多重的權(quán)重圖，它表述了人與人之間關(guān)系的類型與各類型的權(quán)重。權(quán)重表明了兩個人之間某種關(guān)系嚴(yán)密的程度。對于某一種關(guān)系，權(quán)重的計算方法如下：Weight(R)＝∑(1/Tintelvel)×Ccapture其中，Weight(R)是指某一種關(guān)系的權(quán)重，Tintervel是表明采集時兩個人之間相隔的出現(xiàn)的時間長短，Ccapture是指兩個人共同采集的到的次數(shù)。其中兩個人之間所有Wegiht(R)的和是兩個人之間關(guān)系的總權(quán)重Weight(total)，Weight(total)表明了兩個人之所有關(guān)系密切度的和。Graph的更新計算步驟如下：1：預(yù)處理輸出通過計算后，輸出以下形式的無向圖(graph)的邊集合：Edge(Person(x),Person(y),R(z),Weight(w))；其中，Person(x)、Person(y)表示任意的個人，R(z)表示Person(x)與Person(y)之間的關(guān)系類型，Weight(w)表示Person(x)與Person(y)之間的密切度為Weight(w)。2:檢查現(xiàn)存的無向多重權(quán)重圖，如果當(dāng)前邊的存在，則進(jìn)行權(quán)重累加。3：如果當(dāng)前邊不存在，則新建這邊，并把Edge(Person(x),Person(y),R,Weight(r))作為新邊的初始權(quán)重。4：折舊因子及周期計算，周期性對無向多得權(quán)重圖中的權(quán)重進(jìn)行進(jìn)行折舊因子為α計算。折舊后的權(quán)重為折舊前的(1-a)倍。S207，在所述人群關(guān)系無向權(quán)重視圖中加入關(guān)系視圖過濾參數(shù)進(jìn)行所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的過濾，得到過濾的人群關(guān)系無向權(quán)重視圖。在原始的人群關(guān)系圖的基礎(chǔ)上，通過加入關(guān)系視圖過濾條件(如權(quán)重門限,關(guān)系類型等)，得到原始關(guān)系圖的一個過濾視圖，通過不斷的調(diào)整過濾條件，對關(guān)系網(wǎng)圖進(jìn)行動態(tài)/連續(xù)的呈現(xiàn)和分析。其中，所述關(guān)系視圖過濾參數(shù)包括：關(guān)系類型的集合，單個關(guān)系的權(quán)重門限，總體關(guān)系的權(quán)重門限，中心點Person(center)及圖遍歷深度。本實施例所提出的視圖過濾，其工作步驟如下：1：設(shè)置過濾的參數(shù)，參數(shù)可包含關(guān)系類型的集合，單個關(guān)系的權(quán)重門限，總體關(guān)系的權(quán)重門限等，另外一個關(guān)鍵的參數(shù)是中心點Person(center)及圖遍歷深度。2：根據(jù)中心點及遍歷深度，得到總的關(guān)系graph的一個子Graph.3:根據(jù)設(shè)定的參數(shù)，對由2得到的子圖進(jìn)行過濾和更新。不符合條件的圖的邊將從子圖中刪除。4：輸出子圖的過濾的最終結(jié)果為過濾視圖。根據(jù)本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析方法，將視頻圖像采集和人臉識別技術(shù)引入到大范圍的人群關(guān)系網(wǎng)絡(luò)的分析當(dāng)中，解決了數(shù)據(jù)來源的廣度和統(tǒng)一性的問題，能夠?qū)崿F(xiàn)廣泛、準(zhǔn)確的人群關(guān)系分析；信息采集無需要人為配合，信息準(zhǔn)確率高；綜合利用圖像采集的多維度信息，包括地理位置，短時的信息，長時的信息，為人群關(guān)系的分析、分類、相互關(guān)系的識別提供多維度的信息，關(guān)系分析廣泛且精準(zhǔn)；人群關(guān)系無向權(quán)重視圖的存儲結(jié)構(gòu)及基于此結(jié)構(gòu)的動態(tài)過濾視圖呈現(xiàn)方法，很好的支持動態(tài)、持續(xù)的關(guān)系網(wǎng)絡(luò)的分析和展示，能夠極大提升關(guān)系分析的靈活性和效率。需要說明的是，對于前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動作順序的限制，因為根據(jù)本發(fā)明，某些步驟可以采用其他順序或者同時進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定是本發(fā)明所必須的。圖7為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析裝置的結(jié)構(gòu)示意圖，該裝置1000包括：采集模塊11、聚類模塊12和構(gòu)造模塊13。采集模塊11，用于根據(jù)設(shè)定的數(shù)據(jù)采集格式對多個場所的視頻數(shù)據(jù)進(jìn)行數(shù)據(jù)采集。本實施例依托于現(xiàn)在的廣泛的視頻采集網(wǎng)絡(luò)進(jìn)行多個場所內(nèi)人群活動記錄的采集，可采用現(xiàn)有的視頻圖像采集技術(shù)。為了對廣大范圍內(nèi)的數(shù)據(jù)實行統(tǒng)一的采集和分析，本實施例規(guī)定了數(shù)據(jù)采集的統(tǒng)一格式，采集到的數(shù)據(jù)包括人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息。人臉特征值用于唯一準(zhǔn)確地確定個人，通過人臉識別技術(shù)可以獲得人臉特征值，各人臉特征值對應(yīng)的結(jié)構(gòu)化信息用于分析人群之間的關(guān)系，結(jié)構(gòu)化信息可以是：時間、地點、性別、服飾、表情等。聚類模塊12，用于將所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息進(jìn)行實時聚類處理。由于人臉特征值用于唯一準(zhǔn)確地確定個人，對于采集到的數(shù)據(jù)中屬于某個人的數(shù)據(jù)進(jìn)行聚類處理，可以獲取每個人的一系列的社會活動記錄。構(gòu)造模塊13，用于根據(jù)實時聚類處理后的所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息，構(gòu)造人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息。采集到以上格式統(tǒng)一的人臉特征值和多個結(jié)構(gòu)化信息后，進(jìn)行人群關(guān)系網(wǎng)絡(luò)的分析。人群關(guān)系網(wǎng)絡(luò)包括人在某個場所所處的角色，人在某個時間點在進(jìn)行什么，以及人與人之間的關(guān)系等。通過根據(jù)每個人的一系列的社會活動記錄包含的多條結(jié)構(gòu)化信息，可以分析出人群關(guān)系網(wǎng)絡(luò)，具體地，例如，通過分析一段時間內(nèi)某個人在某個時間點經(jīng)常進(jìn)入某場所，可以分析該人在某個場所工作；又例如，通過分析一段時間內(nèi)某個人在某個時間點進(jìn)行某件事的頻率，可以分析該人在某個時間點在進(jìn)行什么，如上班；再例如，某兩個人在同一時間段經(jīng)常進(jìn)入某場所，可以分析該兩人為同事。根據(jù)本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析裝置，將視頻圖像采集和人臉識別技術(shù)引入到大范圍的人群關(guān)系網(wǎng)絡(luò)的分析當(dāng)中，解決了數(shù)據(jù)來源的廣度和統(tǒng)一性的問題，能夠?qū)崿F(xiàn)廣泛、準(zhǔn)確的人群關(guān)系分析。圖8為本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析裝置進(jìn)一步細(xì)化的結(jié)構(gòu)示意圖，該裝置2000包括：采集模塊21、聚類模塊22、構(gòu)造模塊23和過濾模塊24。采集模塊21，用于根據(jù)設(shè)定的數(shù)據(jù)采集格式對多個場所的視頻數(shù)據(jù)進(jìn)行數(shù)據(jù)采集，采集到的數(shù)據(jù)包括人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息。聚類模塊22，用于將所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息進(jìn)行實時聚類處理。構(gòu)造模塊23，用于根據(jù)實時聚類處理后的所述人臉特征值和各人臉特征值對應(yīng)的結(jié)構(gòu)化信息，構(gòu)造人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息。在本實施例中，構(gòu)造模塊23包括：第一確定單元231、第二確定單元232、分析單元233和構(gòu)造單元234。第一確定單元231，用于根據(jù)采集時間進(jìn)行時延關(guān)系過濾，確定所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系系；第二確定單元232，用于根據(jù)采集地點進(jìn)行地理信息映射，確定各人臉特征值對應(yīng)的個人的活動的場所；分析單元233，用于根據(jù)所述采集時間和采集地點，分析各人臉特征值對應(yīng)的個人在所述場所的行為；構(gòu)造單元234，用于根據(jù)所述人臉特征值對應(yīng)的人群之間的關(guān)聯(lián)關(guān)系、各人臉特征值對應(yīng)的個人的活動的場所、以及各人臉特征值對應(yīng)的個人在所述場所的行為，構(gòu)造所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的人群關(guān)系無向權(quán)重視圖。所述人群關(guān)系無向權(quán)重視圖包含多個邊集合：Edge(Person(x),Person(y),R(z),Weight(w))；其中，Person(x)、Person(y)表示任意的個人，R(z)表示Person(x)與Person(y)之間的關(guān)系類型，Weight(w)表示Person(x)與Person(y)之間的密切度為Weight(w)。過濾模塊24，用于在所述人群關(guān)系無向權(quán)重視圖中加入關(guān)系視圖過濾參數(shù)進(jìn)行所述人群關(guān)系網(wǎng)絡(luò)基礎(chǔ)信息的過濾，得到過濾的人群關(guān)系無向權(quán)重視圖；其中，所述關(guān)系視圖過濾參數(shù)包括：關(guān)系類型的集合，單個關(guān)系的權(quán)重門限，總體關(guān)系的權(quán)重門限，中心點Person(center)及圖遍歷深度。根據(jù)本發(fā)明實施例提供的一種人群關(guān)系網(wǎng)絡(luò)分析裝置，將視頻圖像采集和人臉識別技術(shù)引入到大范圍的人群關(guān)系網(wǎng)絡(luò)的分析當(dāng)中，解決了數(shù)據(jù)來源的廣度和統(tǒng)一性的問題，能夠?qū)崿F(xiàn)廣泛、準(zhǔn)確的人群關(guān)系分析；信息采集無需要人為配合，信息準(zhǔn)確率高；綜合利用圖像采集的多維度信息，包括地理位置，短時的信息，長時的信息，為人群關(guān)系的分析、分類、相互關(guān)系的識別提供多維度的信息，關(guān)系分析廣泛且精準(zhǔn)；人群關(guān)系無向權(quán)重視圖的存儲結(jié)構(gòu)及基于此結(jié)構(gòu)的動態(tài)過濾視圖呈現(xiàn)方法，很好的支持動態(tài)、持續(xù)的關(guān)系網(wǎng)絡(luò)的分析和展示，能夠極大提升關(guān)系分析的靈活性和效率。在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關(guān)描述。通過以上的實施方式的描述，所屬領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可以用硬件實現(xiàn)，或固件實現(xiàn)，或它們的組合方式來實現(xiàn)。當(dāng)使用軟件實現(xiàn)時，可以將上述功能存儲在計算機可讀介質(zhì)中或作為計算機可讀介質(zhì)上的一個或多個指令或代碼進(jìn)行傳輸。計算機可讀介質(zhì)包括計算機存儲介質(zhì)和通信介質(zhì)，其中通信介質(zhì)包括便于從一個地方向另一個地方傳送計算機程序的任何介質(zhì)。存儲介質(zhì)可以是計算機能夠存取的任何可用介質(zhì)。以此為例但不限于：計算機可讀介質(zhì)可以包括隨機存取存儲器(RandomAccessMemory，RAM)、只讀存儲器(Read-OnlyMemory，ROM)、電可擦可編程只讀存儲器(ElectricallyErasableProgrammableRead-OnlyMemory，EEPROM)、只讀光盤(CompactDiscRead-OnlyMemory，CD-ROM)或其他光盤存儲、磁盤存儲介質(zhì)或者其他磁存儲設(shè)備、或者能夠用于攜帶或存儲具有指令或數(shù)據(jù)結(jié)構(gòu)形式的期望的程序代碼并能夠由計算機存取的任何其他介質(zhì)。此外。任何連接可以適當(dāng)?shù)某蔀橛嬎銠C可讀介質(zhì)。例如，如果軟件是使用同軸電纜、光纖光纜、雙絞線、數(shù)字用戶線(DigitalSubscriberLine，DSL)或者諸如紅外線、無線電和微波之類的無線技術(shù)從網(wǎng)站、服務(wù)器或者其他遠(yuǎn)程源傳輸?shù)?，那么同軸電纜、光纖光纜、雙絞線、DSL或者諸如紅外線、無線和微波之類的無線技術(shù)包括在所屬介質(zhì)的定影中。如本發(fā)明所使用的，盤(Disk)和碟(disc)包括壓縮光碟(CD)、激光碟、光碟、數(shù)字通用光碟(DVD)、軟盤和藍(lán)光光碟，其中盤通常磁性的復(fù)制數(shù)據(jù)，而碟則用激光來光學(xué)的復(fù)制數(shù)據(jù)。上面的組合也應(yīng)當(dāng)包括在計算機可讀介質(zhì)的保護(hù)范圍之內(nèi)?？傊陨纤鰞H為本發(fā)明技術(shù)方案的較佳實施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3