一种指定人员预警方法、电子设备及存储介质与流程

1.本发明涉及图像处理技术领域，特别是涉及一种指定人员预警方法、电子设备及存储介质。


背景技术：

2.随着经济的快速发展，视频监控设备也已经得到广泛应用。这些视频监控设备在我们生活中起着举足轻重的作用，为我们的生活带来了便利，也带来了安全。但是，随着监控设备越来越多，需要更多的人员时时刻刻监控着，需要更多的人力和物力的投入，也会造成一部分的资源浪费。只靠监控人员人眼识别效率比较低，准确度也不高。


技术实现要素：

3.针对上述技术问题，本发明提供一种指定人员预警方法、电子设备及存储介质，至少部分解决现有技术中存在的问题。
4.在本发明的一方面，提供一种指定人员预警方法，包括：
5.s100，获取目标监控设备当前时间采集到的目标图像。
6.s200，若目标图像中包含人脸部分，则获取人脸部分对应的目标人脸特征数据。
7.s300，判断预设的指定人员列表中是否存在指定人脸特征数据，若存在，则获取每一指定人脸特征数据。
8.s400，获取目标匹配度列表p＝(p1，p2，
…
，pu，
…
，pq)，u＝1，2，
…
，q；其中，q为指定人脸特征数据的数量，pu为目标人脸特征数据与第u个指定人脸特征数据的目标匹配度。
9.s500，若指定匹配度max(p)大于预设匹配度阈值，则进入步骤s600；其中，max()为预设的最大值确定函数。
10.s600，确定目标监控设备的目标设备标识是否为预设设备标识，若是，则执行步骤s700。
11.s700，根据目标设备标识，获取历史图像列表集s＝(s1，s2，
…
，si，
…
，sm)；si＝(s
i,1
，s
i,2
，
…
，s
i,j
，
…
，s
i,n
)；i＝1，2，
…
，m；j＝1，2，
…
，n；其中，m为目标时间段的数量，m个目标时间段长度相同且依次相邻，第m个目标时间段的结束时间为当前时间对应日期的开始时间；si为第i个目标时间段对应的历史图像列表；n为关键监控设备的数量，关键监控设备为目标监控设备对应的目标区域内的监控设备；s
i,j
为第j个关键监控设备在第i个目标时间段内获取到的历史图像列表；每一历史图像列表中均包括若干历史图像。
12.s800，根据目标人脸特征数据遍历s，得到第一特征值列表ts＝(ts1，ts2，
…
，tsi，
…
，tsm)；其中，tsi为si对应的第一特征值；tsi＝1，则表示si中至少一个历史图像列表中的至少一个历史图像内包含与目标人脸特征数据符合匹配条件的人脸图像；tsi＝0，则表示si中任意历史图像列表中的任意历史图像内均不包含与目标人脸特征数据符合匹配条件的人脸图像。
13.s900，若目标数量l大于预设数量阈值，则输出预警提示信息；其中，l＝∑
mi＝1
tsi。
14.在本发明的另一方面，提供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任意一项的指定人员预警方法。
15.在本发明的另一方面，提供一种电子设备，包括处理器和上述非瞬时性计算机可读存储介质。
16.本发明至少具有以下有益效果：
17.本发明提供的指定人员预警方法，会获取目标监控设备当前时间采集到的目标图像，若目标图像中包含人脸部分，则获取人脸部分对应的目标人脸特征数据。判断预设的指定人员列表中是否存在指定人脸特征数据，若存在，则获取每一指定人脸特征数据。根据目标人脸特征数据与每一指定人脸特征数据的目标匹配度，判断目标图像中包含的人脸部分是否与指定人员的一致，如果目标人脸特征数据与每一指定人脸特征数据的目标匹配度中的最大值超过预设匹配度阈值，则说明目标图像中包含人脸部分是指定人员列表中包含的指定人员之一。然后确定目标监控设备的目标设备标识是否为预设设备标识，若是，则根据目标设备标识，获取历史图像列表集s，也就是获取当前时间之前m个目标时间段内目标区域的所有监控设备采集的历史图像。根据目标人脸特征数据遍历s，得到第一特征值列表ts＝(ts1，ts2，
…
，tsi，
…
，tsm)；其中，若tsi＝1，则表示si中至少一个历史图像列表中的至少一个历史图像内包含与目标人脸特征数据符合匹配条件的人脸图像，也就是说指定人员在当前时间之前的第i个目标时间段内出现在目标区域。从而判断在当前时间之前指定人员在目标区域内的出现的天数，也就是目标数量是否大于预设数量阈值，若大于，则输出预警提示信息。本发明提供的指定人员预警方法，能够通过获取到的目标人脸特征数据自动判断其是否符合指定人脸特征数据，从而判断目标图像中是否出现了指定人员，提高了确定指定人员的效率。如果出现，再通过判断目标设备标识是否为预设设备标识，以确定指定人员是否出现在预设的区域内，如果是，则再判断指定人员再预设的区域内出现的时间，从而确定是否进行预警。通过设置多层次条件，能够提高对指定人员进行预警的准确率和效率。
附图说明
18.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1为本发明实施例提供的一种指定人员预警方法流程图。
具体实施方式
20.下面将结合本发明实施例中的附图，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，本领域技术人员在没有作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。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
23.请参考图1所示，本发明的实施例提供了一种指定人员预警方法，包括：
24.s100，获取目标监控设备当前时间采集到的目标图像。
25.具体的，所述目标图像为将目标监控设备采集的监控视频进行抽帧获取到的图像。
26.进一步的，本领域技术人员知晓，现有技术中任一将视频进行抽帧处理获取图像的方法，均落入本发明的保护范围，在此不再赘述。
27.s200，若目标图像中包含人脸部分，则获取人脸部分对应的目标人脸特征数据。
28.s300，判断预设的指定人员列表中是否存在指定人脸特征数据，若存在，则获取每一指定人脸特征数据。
29.具体的，所述预设的指定人员列表中的指定人员根据实际情况进行设置，所述预设的指定人员列表中指定人脸特征数据可能不唯一，也可能不存在指定人脸特征数据。
30.进一步的，所述指定人员列表中指定人员的数据包括指定人员的指定人脸特征数据、人脸图像、人口属性信息。所述人口属性信息包括姓名、性别、家庭住址等
31.s400，获取目标匹配度列表p＝(p1，p2，
…
，pu，
…
，pq)，u＝1，2，
…
，q；其中，q为指定人脸特征数据的数量，pu为目标人脸特征数据与第u个指定人脸特征数据的目标匹配度。
32.s500，若指定匹配度max(p)大于预设匹配度阈值，则进入步骤s600；其中，max()为预设的最大值确定函数。
33.具体的，所述预设匹配度阈值的取值范围为0.9-0.99，优选的，预设匹配度阈值的取值为0.95。
34.s600，确定目标监控设备的目标设备标识是否为预设设备标识，若是，则执行步骤s700。
35.具体的，所述预设设备标识表示目标监控设备是预设区域内定点安装的视频监控设备。
36.进一步的，所述预设区域可以为银行区域、学校区域、商场区域等。
37.s700，根据目标设备标识，获取历史图像列表集s＝(s1，s2，
…
，si，
…
，sm)；si＝(s
i,1
，s
i,2
，
…
，s
i,j
，
…
，s
i,n
)；i＝1，2，
…
，m；j＝1，2，
…
，n；其中，m为目标时间段的数量，m个目标时间段长度相同且依次相邻，第m个目标时间段的结束时间为当前时间对应日期的开
始时间；si为第i个目标时间段对应的历史图像列表；n为关键监控设备的数量，关键监控设备为目标监控设备对应的目标区域内的监控设备；s
i,j
为第j个关键监控设备在第i个目标时间段内获取到的历史图像列表；每一历史图像列表中均包括若干历史图像。
38.具体的，所述目标时间段的长度为24小时，也就是需要获取当前时间之前m天的目标区域内的所有监控设备采集到的历史图像。
39.进一步的，若干所述关键监控设备中可以包含目标监控设备。
40.s800，根据目标人脸特征数据遍历s，得到第一特征值列表ts＝(ts1，ts2，
…
，tsi，
…
，tsm)；其中，tsi为si对应的第一特征值；tsi＝1，则表示si中至少一个历史图像列表中的至少一个历史图像内包含与目标人脸特征数据符合匹配条件的人脸图像；tsi＝0，则表示si中任意历史图像列表中的任意历史图像内均不包含与目标人脸特征数据符合匹配条件的人脸图像。
41.s900，若目标数量l大于预设数量阈值，则输出预警提示信息；其中，l＝∑
mi＝1
tsi。
42.具体的，所述预设数量阈值的可选范围为3-10，优选的，所述预设数量阈值为5。
43.本发明提供的指定人员预警方法，会获取目标监控设备当前时间采集到的目标图像，若目标图像中包含人脸部分，则获取人脸部分对应的目标人脸特征数据。判断预设的指定人员列表中是否存在指定人脸特征数据，若存在，则获取每一指定人脸特征数据。根据目标人脸特征数据与每一指定人脸特征数据的目标匹配度，判断目标图像中包含的人脸部分是否与指定人员的一致，如果目标人脸特征数据与每一指定人脸特征数据的目标匹配度中的最大值超过预设匹配度阈值，则说明目标图像中包含人脸部分是指定人员列表中包含的指定人员之一。然后确定目标监控设备的目标设备标识是否为预设设备标识，若是，则根据目标设备标识，获取历史图像列表集s，也就是获取当前时间之前m个目标时间段内目标区域的所有监控设备采集的历史图像。根据目标人脸特征数据遍历s，得到第一特征值列表ts＝(ts1，ts2，
…
，tsi，
…
，tsm)；其中，若tsi＝1，则表示si中至少一个历史图像列表中的至少一个历史图像内包含与目标人脸特征数据符合匹配条件的人脸图像，也就是说指定人员在当前时间之前的第i个目标时间段内出现在目标区域。从而判断在当前时间之前指定人员在目标区域内的出现的天数，也就是目标数量是否大于预设数量阈值，若大于，则输出预警提示信息。本发明提供的指定人员预警方法，能够通过获取到的目标人脸特征数据自动判断其是否符合指定人脸特征数据，从而判断目标图像中是否出现了指定人员，提高了确定指定人员的效率。如果出现，再通过判断目标设备标识是否为预设设备标识，以确定指定人员是否出现在预设的区域内，如果是，则再判断指定人员再预设的区域内出现的时间，从而确定是否进行预警。通过设置多层次条件，能够提高对指定人员进行预警的准确率和效率。
44.在本发明的一种示例性实施例中，所述步骤s200，包括：
45.s201，通过人脸识别算法对目标图像进行人脸识别，以判断目标图像中是否包含人脸部分。
46.s202，若目标图像中包含人脸部分，则获取所述人脸部分对应的目标人脸特征数据。
47.本领域技术人员知晓，现有技术中任一能够进行人脸特征识别的人脸识别算法，均落入本发明的保护范围，在此不再赘述。
48.在本发明的一种示例性实施例中，所述步骤s200后，还包括：
49.s210，将目标图像存储到目标存储系统中，并获取所述目标存储系统返回的所述目标图像的目标存储地址。
50.具体的，将目标图像存储到目标存储系统中，可以对目标图像进行备份，并且可以统一处理，提高数据处理的效率。
51.进一步的，所述存储系统可以为weed-fs，能够支持图像的裁剪，并且占用的存储空间比较小。
52.在本发明的一种示例性实施例中，所述步骤s210后，还包括：
53.s220，获取所述目标图像的第一数据集，并将所述第一数据集存储到目标数据库；所述第一数据集包括目标人脸特征数据、目标设备标识、目标图像存储地址、抓拍时间；所述抓拍时间为目标监控设备采集到目标图像的时间。
54.具体的，所述预警提示信息包括所述第一数据集中包含的数据。
55.进一步的，所述抓拍时间为目标监控设备采集到目标图像的时间，也就是当前时间。
56.进一步的，将所述第一数据集存储到目标数据库，能够进行集中处理，提高数据处理的效率。
57.在本发明实施例中，所述目标数据库可以为redis。
58.在本发明的一种示例性实施例中，所述目标人脸特征数据n＝(n1，n2，
…
，nk，
…
，n
p
)；其中，k＝1，2，
…
，p；nk为目标人脸特征数据的第k个参数；p为目标人脸特征数据中特征参数的数量。
59.所述步骤s400，包括：
60.s410，获取指定人脸特征数据集m＝(m1，m2，
…
，mu，
…
，m
p
)，mu＝(m
1,u
，m
2,u
，
…
，m
k,u
，
…
，m
p,u
)；其中，mu为第u个指定人脸特征数据；m
k,u
为第u个指定人脸特征数据中的第k个参数。
61.s420，根据n和m，获取目标匹配度列表p＝(p1，p2，
…
，pu，
…
，pq)；其中，pu＝∑
pk＝1
nk*m
k,u
/(sqrt(∑
pk＝1
(nk)2)*sqrt(∑
pk＝1
(m
k,u
)2))。
62.具体的，可以通过比较目标人脸特征数据和指定人脸特征数据，判断目标图像中的人脸部分是否为指定人员列表中指定人脸特征数据的其中之一。
63.进一步的，通过获取所述目标人脸特征数据和指定人脸特征数据的目标匹配度列表，能够快速确认所述目标图像中包含的人脸部分是否与指定人员列表中的指定人员的相符合，并且能够提高判断的准确度。
64.在本发明的一种示例性实施例中，所述步骤s900，包括：
65.s910，若目标数量l大于预设数量阈值，则进入步骤s920。
66.s920，根据目标人脸特征数据遍历s，得到停留时长列表集es＝(es1，es2，
…
，esi，
…
，esm)；esi＝(es
i,1
，es
i,2
，
…
，es
i,j
，
…
，es
i,n
)；其中，esi为si对应的停留时长列表；es
i,j
为目标人脸特征数据对应人员在第i个目标时间段内处于第j个关键监控设备的视野范围内的时长；es
i,j
＝num
i,j
*δt；num
i,j
为s
i,j
中包含与目标人脸特征数据符合匹配条件的历史图像的数量；δt为采集历史图像的时间间隔。
67.s930，根据es，获取目标时长列表ms＝(ms1，es2，
…
，msj，
…
，msn)，msj＝∑
mi＝1
(es
i,j
)；其中，msj为目标人脸特征数据对应人员在第j个关键监控设备的视野范围内的总
时长。
68.s940，获取时长波动值bs＝((∑
nj＝1
(ms
j-avg(ms))2/n)
1/2
。
69.s950，若bs小于预设的波动阈值，则输出预警提示信息。预设的波动阈值可以为本领域技术人员根据实际需求确定具体值。
70.具体的，若目标数量l大于预设数量阈值，则表明目标人脸特征数据对应人员出现在目标监控设备对应区域内的时间过长，且由于目标人脸特征数据对应人员属于指定人员，其长时间出现在特殊区域(即预设区域标识对应的区域)内，很可能存在安全风险。但为了进一步排除目标人脸特征数据对应人员只是因为随机事件多次出现在目标监控设备对应区域内的可能性。本实施例中，会确定出目标人脸特征数据对应人员在每一关键监控设备的视野范围内的停留的总时长(即ms)。同时，根据ms得到时长波动值bs，若bs小于预设的波动阈值，则表明，目标人脸特征数据对应人员在每一关键监控设备的视野范围内的停留的总时长时相近的，此时可以判定目标人脸特征数据对应人员是有目的性的在目标监控设备对应区域内的各个位置进行地形观察，此时应发出警报。
71.本实施例中，指定人员可以为有关部门规定的限制民事活动的人员或安全相关部门规定的重点观察人员等。
72.本发明的实施例还提供了一种非瞬时性计算机可读存储介质，该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
73.本发明的实施例还提供了一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
74.本发明的实施例还提供一种计算机程序产品，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
75.虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

技术特征：
1.一种指定人员预警方法，其特征在于，所述方法包括如下步骤：s100，获取目标监控设备当前时间采集到的目标图像；s200，若目标图像中包含人脸部分，则获取所述人脸部分对应的目标人脸特征数据；s300，判断预设的指定人员列表中是否存在指定人脸特征数据，若存在，则获取每一指定人脸特征数据；s400，获取目标匹配度列表p＝(p1，p2，
…
，p
u
，
…
，p
q
)，u＝1，2，
…
，q；其中，q为所述指定人脸特征数据的数量，p
u
为目标人脸特征数据与第u个指定人脸特征数据的目标匹配度；s500，若指定匹配度max(p)大于预设匹配度阈值，则进入步骤s600；其中，max()为预设的最大值确定函数；s600，确定所述目标监控设备的目标设备标识是否为预设设备标识，若是，则执行步骤s700；s700，根据目标设备标识，获取历史图像列表集s＝(s1，s2，
…
，s
i
，
…
，s
m
)；s
i
＝(s
i,1
，s
i,2
，
…
，s
i,j
，
…
，s
i,n
)；i＝1，2，
…
，m；j＝1，2，
…
，n；其中，m为目标时间段的数量，m个所述目标时间段长度相同且依次相邻，第m个目标时间段的结束时间为当前时间对应日期的开始时间；s
i
为第i个目标时间段对应的历史图像列表；n为关键监控设备的数量，所述关键监控设备为目标监控设备对应的目标区域内的监控设备；s
i,j
为第j个关键监控设备在第i个目标时间段内获取到的历史图像列表；每一历史图像列表中均包括若干历史图像；s800，根据目标人脸特征数据遍历s，得到第一特征值列表ts＝(ts1，ts2，
…
，ts
i
，
…
，ts
m
)；其中，ts
i
为s
i
对应的第一特征值；ts
i
＝1，则表示s
i
中至少一个历史图像列表中的至少一个历史图像内包含与目标人脸特征数据符合匹配条件的人脸图像；ts
i
＝0，则表示s
i
中任意历史图像列表中的任意历史图像内均不包含与目标人脸特征数据符合匹配条件的人脸图像；s900，若目标数量l大于预设数量阈值，则输出预警提示信息；其中，l＝∑
mi＝1
ts
i
。2.根据权利要求1所述的方法，其特征在于，所述步骤s200，包括：s201，通过人脸识别算法对目标图像进行人脸识别，以判断目标图像中是否包含人脸部分；s202，若目标图像中包含人脸部分，则获取所述人脸部分对应的目标人脸特征数据。3.根据权利要求1所述的方法，其特征在于，所述步骤s200后，所述方法还包括：s210，将目标图像存储到目标存储系统中，并获取所述目标存储系统返回的所述目标图像的目标存储地址。4.根据权利要求3所述的方法，其特征在于，所述步骤s210后，所述方法还包括：s220，获取所述目标图像的第一数据集，并将所述第一数据集存储到目标数据库；所述第一数据集包括目标人脸特征数据、目标设备标识、目标图像存储地址、抓拍时间；所述抓拍时间为目标监控设备采集到目标图像的时间。5.根据权利要求1所述的方法，其特征在于，所述目标人脸特征数据n＝(n1，n2，
…
，n
k
，
…
，n
p
)；其中，k＝1，2，
…
，p；n
k
为目标人脸特征数据的第k个参数；p为目标人脸特征数据中特征参数的数量；所述步骤s400，包括：s410，获取指定人脸特征数据集m＝(m1，m2，
…
，m
u
，
…
，m
p
)，m
u
＝(m
1,u
，m
2,u
，
…
，m
k,u
，
…
，
m
p,u
)；其中，m
u
为第u个指定人脸特征数据；m
k,u
为第u个指定人脸特征数据中的第k个参数；s420，根据n和m，获取目标匹配度列表p＝(p1，p2，
…
，p
u
，
…
，p
q
)；其中，p
u
＝∑
pk＝1
n
k
*m
k,u
/(sqrt(∑
pk＝1
(n
k
)2)*sqrt(∑
pk＝1
(m
k,u
)2))。6.根据权利要求1所述的方法，其特征在于，所述预设匹配度阈值的取值范围为0.9-0.99。7.根据权利要求1所述的方法，其特征在于，所述步骤s900，包括：s910，若目标数量l大于预设数量阈值，则进入步骤s920；s920，根据目标人脸特征数据遍历s，得到停留时长列表集es＝(es1，es2，
…
，es
i
，
…
，es
m
)；es
i
＝(es
i,1
，es
i,2
，
…
，es
i,j
，
…
，es
i,n
)；其中，es
i
为s
i
对应的停留时长列表；es
i,j
为目标人脸特征数据对应人员在第i个目标时间段内处于第j个关键监控设备的视野范围内的时长；es
i,j
＝num
i,j
*δt；num
i,j
为s
i,j
中包含与目标人脸特征数据符合匹配条件的历史图像的数量；δt为采集历史图像的时间间隔；s930，根据es，获取目标时长列表ms＝(ms1，es2，
…
，ms
j
，
…
，ms
n
)，ms
j
＝∑
mi＝1
(es
i,j
)；其中，ms
j
为目标人脸特征数据对应人员在第j个关键监控设备的视野范围内的总时长；s940，获取时长波动值bs＝((∑
nj＝1
(ms
j-avg(ms))2/n)
1/2
；s950，若bs小于预设的波动阈值，则输出预警提示信息。8.根据权利要求1所述的方法，其特征在于，所述预警提示信息包括所述第一数据集中包含的至少部分数据。9.一种非瞬时性计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项的所述方法。10.一种电子设备，其特征在于，包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。

技术总结
本发明提供了一种指定人员预警方法、电子设备及存储介质，该方法包括：获取目标监控设备当前时间采集到的目标图像；若目标图像中的包含人脸部分，则获取所述人脸部分对应的目标人脸特征数据；判断预设的指定人员列表中是否存在指定人脸特征数据，若存在，则获取每一指定人员脸特征数据；获取目标匹配度列表P；若指定匹配度MAX(P)大于预设匹配度阈值，则确定所述目标监控设备的目标设备标识是否为预设设备标识，若是，则根据目标设备标识，获取历史图像列表集S；根据目标人脸特征数据遍历S，得到第一特征值列表TS；若目标数量L大于预设数量阈值，则输出预警提示信息。则输出预警提示信息。则输出预警提示信息。


技术研发人员：陈展鹏 李凡平 王堃
受保护的技术使用者：青岛以萨数据技术有限公司
技术研发日：2023.08.01
技术公布日：2023/10/15