(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210485396.8 (22)申请日 2022.05.06 (65)同一申请的已公布的文献号 申请公布号 CN 114584617 A (43)申请公布日 2022.06.03 (73)专利权人 南京维数软件股份有限公司 地址 210000 江苏省南京市栖霞区尧化 街 道甘家边东108号02幢401室 (72)发明人 胡芃　王冲　朱云　王飞　林旺　 张晓东　 (74)专利代理 机构 北京市隆安 律师事务所 11323 专利代理师 杨云 (51)Int.Cl. H04L 67/55(2022.01)G08B 21/00(2006.01) G06V 20/52(2022.01) G06F 16/215(2019.01) G06F 16/2455(2019.01) G06F 16/2457(2019.01) (56)对比文件 CN 108090419 A,2018.0 5.29 CN 114240826 A,202 2.03.25 CN 113190700 A,2021.07.3 0 CN 112995266 A,2021.0 6.18 WO 20210 36832 A1,2021.0 3.04 审查员 董莉 (54)发明名称 一种基于汇聚处理平台的抓拍数据分发方 法及装置 (57)摘要 本发明公开了一种基于汇聚处理平台的抓 拍数据分发方法及装置， 包括如下步骤： 采集抓 拍点位的抓拍数据， 并提取抓拍数据中的人像数 据； 对人像数据进行数据预处理， 形成人像数据 流； 监控提供人像数据流的抓拍点位， 实时分析 抓拍点位的拍摄异常状况， 生 成异常状况告警信 息； 搭建与后端用户的数据消息分发通道， 将人 像数据流按照后端用户订阅方式进行分发推送。 本发明解决了海量人像抓拍数据汇聚、 分析及分 发推送的难度， 简化各业务系统的数据使用成 本， 大大提升人像抓拍数据的服 务支援能力。 权利要求书3页 说明书9页 附图4页 CN 114584617 B 2022.08.02 CN 114584617 B 1.一种基于汇聚处 理平台的抓拍数据分发方法， 其特 征在于， 包括如下步骤： 采集抓拍点位的抓拍数据， 并提取抓拍数据中的人像数据； 对人像数据进行 数据预处 理， 形成人像数据流； 监控提供人像数据流的抓拍点位， 实时分析抓拍点位的拍摄异常状况， 生成异常状况 告警信息； 在后端用户与汇聚处理平台之间建立第一消息队列和第二消息队列， 其中， 第一消息 队列用于存 储并传输后端用户订阅方式， 第二消息队列用于存 储并传输人像数据流； 融合第一消息队列和第二消息队列， 搭建形成数据消息分发通道， 根据第一消息队列 中的后端用户订阅方式将第二消息队列中的人像数据流分发推送至后端用户； 其中， 汇聚处理平台包括消息组件、 协调组件和Redis集群， 消息组件为Kafka大数据组 件， 协调组件为ZooKeeper分布式中间件， 消息组件用于根据后端用户订阅方式将存储的人 像数据流分发推送， 协调组件用于将抓拍点位、 消息组件及后端用户的配置信息达成一致，   Redis集群用于存 储消息组件分发推送的日志 记录； 根据第一消息队列中的后端用户订阅方式将第二消息队列中的人像数据流分发推送 至后端用户， 具体包括： 消息组件接收到第一消息队列的信息后， 识别并解析后端用户订阅方式， 生成第一触 发信号和第二触发信号； 基于第一触发信号， 消息组件对储存的人像数据流进行分发前的处理， 生成待分发的 订阅人像数据流， 将订阅人像数据流传递到第二消息队列； 基于第二触发信号， 消息组件将已传递到第 二消息队列中的订 阅人像数据流分发推送 给发出订阅请求的后端用户； 其中， 订阅人像数据流的数据量 不大于消息组件中存 储的人像数据流的数据量； 识别并解析后端用户订阅方式， 生成第一触发信号和第二触发信号， 具体包括： 识别后端用户订 阅方式中订 阅内容和消息数据接收内容， 并对订 阅内容和消息数据接 收内容分别进行解析； 依据订阅内容的解析结果， 给出后端用户订阅方式中的订阅范围和数据消息过滤条 件， 生成第一触发信号； 解析消息数据接收内容中的消息接收地址和消息接收模式， 并对消息接收模式进行分 类， 划分第一消息接收模式和 第二消息接收模式， 基于消息接收地址、 第一消息接收模式和 第二消息 接收模式生成第二触发信号； 其中， 第一消息接收模式为直推模式， 消息组件自定义分发条件， 并依据自定义分发条 件推送订阅人像数据流， 并将推送信息记录到Redis集群， 第二消息接收模式为 自拉模式， 消息组件根据不同后端用户订阅请求标记分发推送相应主题方式。 2.如权利要求1所述的抓拍 数据分发方法， 其特征在于， 对人像数据进行数据预处理， 形成人像数据流， 具体包括： 将所有抓拍点位进行预先注册， 生成相应的注册信息， 根据注册信息补全初始 的人像 数据， 得到第一预处 理数据； 对第一预处理数据进行格 式清洗和重复度筛选， 得到第 二预处理数据， 其中， 格式清洗 按照预设的标准业务规范进行， 使得人像数据的格式一致， 重复度筛选的参数包括数据特权　利　要　求　书 1/3 页 2 CN 114584617 B 2征和业务内容， 对筛 选出的冗余人像数据进行清洗删除； 针对第二预处理数据中的数据 特征进行校验， 若满足设定的阈值要求则形成人像数据 流， 若不满足设定的阈值要求则将第二预处理数据作为初始的人像数据重新进行预处理， 直至满足设定的阈值要求。 3.如权利要求1所述的抓拍数据分发方法， 其特征在于， 实时分析抓拍点位的拍摄异常 状况， 生成异常状况告警信息， 具体包括： 实时采集设定时段的各个抓拍点 位的抓拍数据， 形成抓拍数据集 合； 将抓拍数据集 合输入已建立的异常 分析模型， 分析 各个抓拍点 位的拍摄异常状况； 根据拍摄异常状况， 给 出异常拍摄的抓拍点 位， 生成异常状况告警信息 。 4.如权利要求3所述的抓拍 数据分发方法， 其特征在于， 已建立的异常分析模型， 具体 包括： 预先统计各个抓拍点 位的历史抓拍数据， 形成历史抓拍数据集 合； 分析各个抓拍点位历史抓拍数据的散度情况， 逐个抓拍点位给出特征指标和至少两组 数据变异指标， 对特 征指标和数据变异指标进行处 理， 形成各个抓拍点 位的概率分布模型； 融合各个抓拍点 位的概率分布模型， 建立异常 分析模型。 5.如权利要求4所述的抓拍数据分发方法， 其特征在于， 融合各个抓拍点位的概率分布 模型， 建立异常 分析模型， 具体包括： 采用第一概率分布区间和第二概率分布区间判断所有抓拍点位的拍摄异常状况； 其 中， 采用第一概率分布区间判断拍 摄异常状况的抓拍点位数量为 ξ1， 采用第二概率分布区 间判断拍摄异常状况的抓拍点 位数量为ξ2； 融合ξ1个点位抓拍数据的第一概率分布区间， 给出基于第一概率分布区间的第一异常 状况函数， 具体为： 其中， 为第一异常状况函数， xi为第一概率分布区间的抓拍点位中第i个点位实 时的抓拍数据， μi为第i个点位历史抓拍数据平均值， ni为第i个点位的倍数， niσi为第i个点 位ni倍的历史抓拍数据标准差； 融合ξ2个点位抓拍数据的第二概率分布区间， 给出基于第二概率分布区间的第二异常 状况函数， 具体为： 权　利　要　求　书 2/3 页 3 CN 114584617 B 3