一種異常狀態的識別方法和識別系統的制作方法
【技術領域】
[0001]本發明涉及智能監測技術領域，尤其涉及一種異常狀態的識別方法和識別系統。
【背景技術】
[0002]現有的視頻監控系統雖然覆蓋范圍迅速增大，但是仍然存在許多盲區，尤其是偏遠以及光線弱的地區很難被監控。然而，這些地區又是犯罪案件高發的地方。現有的視頻監控系統大部分不能智能地進行多角度聚焦目標的拍攝，因此不能及時準確地識別犯罪行為。另外，大多數犯罪行為是突發行為，受害人一般很難有時間和機會撥打報警電話，即使撥打成功，出警的延時也會讓犯罪分子對受害人造成一定的傷害。
【發明內容】
[0003]為解決上述問題，本發明提供一種異常狀態的識別方法和識別系統，用于解決現有技術識別異常狀態的準確性和及時性低的問題。
[0004]為此，本發明提供一種異常狀態的識別方法，包括:
[0005]獲取個體的異常狀態數據，所述異常狀態數據包括異常生理數據和/或異常行為數據；
[0006]將所述異常狀態數據與預設的異常狀態模型進行匹配；
[0007]若所述異常狀態數據與所述異常狀態模型匹配成功，確定所述個體處于異常狀
??τ ο
[0008]可選的，還包括:
[0009]若所述異常狀態數據與所述異常狀態模型匹配失敗，確定所述個體處于正常狀
??τ ο
[0010]可選的，所述將所述異常狀態數據與預設的異常狀態模型進行匹配的步驟之前包括:
[0011]獲取個體的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據；
[0012]根據所述歷史狀態數據形成異常狀態模型。
[0013]可選的，所述生理特征數據包括心率數據、脈搏數據、血壓數據以及呼吸數據，所述行為特征數據包括網絡行為數據、運動軌跡數據以及身體震動數據。
[0014]可選的，還包括:
[0015]根據異常狀態信息向終端發送預警信息或者報警信息。
[0016]本發明還提供一種異常狀態的識別系統，包括:
[0017]第一獲取單元，用于獲取個體的異常狀態數據，所述異常狀態數據包括異常生理數據和/或異常行為數據；
[0018]第一匹配單元，用于將所述異常狀態數據與預設的異常狀態模型進行匹配；
[0019]第一確定單元，用于若所述異常狀態數據與所述異常狀態模型匹配成功，確定所述個體處于異常狀態。
[0020]可選的，還包括:
[0021]第二確定單元，用于若所述異常狀態數據與所述異常狀態模型匹配失敗，確定所述個體處于正常狀態。
[0022]可選的，還包括:
[0023]第二獲取單元，用于獲取個體的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據；
[0024]第一形成單元，用于根據所述歷史狀態數據形成異常狀態模型。
[0025]可選的，所述生理特征數據包括心率數據、脈搏數據、血壓數據以及呼吸數據，所述行為特征數據包括網絡行為數據、運動軌跡數據以及身體震動數據。
[0026]可選的，還包括:
[0027]第一發送單元，用于根據異常狀態信息向終端發送預警信息或者報警信息。
[0028]本發明具有下述有益效果:
[0029]本發明提供的異常狀態的識別方法和識別系統中，所述異常狀態的識別方法包括:獲取個體的異常狀態數據，所述異常狀態數據包括異常生理數據和/或異常行為數據，將所述異常狀態數據與預設的異常狀態模型進行匹配，若所述異常狀態數據與所述異常狀態模型匹配成功，確定所述個體處于異常狀態。本發明提供的技術方案將個體的異常狀態數據與預設的異常狀態模型進行匹配，根據匹配結果識別個體是否處于異常狀態，從而提高了識別犯罪行為的準確性和及時性。另外，通過建模方式識別個體是否處于異常狀態，充分利用了大數據，具有更高的實時性和真實性。
【附圖說明】
[0030]圖1為本發明實施例一提供的一種異常狀態的識別方法的流程圖；
[0031]圖2為本發明實施例二提供的一種異常狀態的識別系統的結構示意圖。
【具體實施方式】
[0032]為使本領域的技術人員更好地理解本發明的技術方案，下面結合附圖對本發明提供的異常狀態的識別方法和識別系統進行詳細描述。
[0033]實施例一
[0034]圖1為本發明實施例一提供的一種異常狀態的識別方法的流程圖。如圖1，所述異常狀態的識別方法包括:
[0035]步驟1001、獲取個體的異常狀態數據，所述異常狀態數據包括異常生理數據和/或異常行為數據。
[0036]本實施例中，所述異常生理數據包括心率數據、脈搏數據、血壓數據以及呼吸數據，所述異常行為數據包括網絡行為數據、運動軌跡數據以及身體震動數據。在實際應用中，智能手機和可穿戴智能設備已經非常普及，上述智能手機和可穿戴智能設備能夠收集用戶如下行為特征數據:網絡行為數據、持有者的位置、移動路徑以及移動速度，也能夠收集如下生理特征數據:持有者的心跳、呼吸等生物體征。上述數據在通常狀態下均在一個合理的范圍之內波動，當個體遇到歹徒劫持、發生交通意外等突發情況時，上述數據必然會出現異常，智能終端設備就能夠獲得上述異常數據。
[0037]本實施例中，所述將所述異常狀態數據與預設的異常狀態模型進行匹配的步驟之前包括:獲取個體的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據，根據所述歷史狀態數據形成異常狀態模型。可選的，所述生理特征數據包括心率數據、脈搏數據、血壓數據以及呼吸數據，所述行為特征數據包括網絡行為數據、運動軌跡數據以及身體震動數據。首先，采集日常狀態下個體的生理特征數據和行為特征數據，上述數據可以通過視頻監控系統、智能手機以及可穿戴智能設備進行收集。然后，對上述歷史狀態數據進行機器學習和模型建立。所述機器學習就是通過收集的歷史狀態數據對犯罪狀態進行定義適配，確定相應的閾值條件，同時根據之后收集的歷史狀態數據不斷學習和修正。所述模型建立就是根據歷史狀態數據在機器學習的基礎上對異常狀態進行模型固化以便能夠在異常狀態數據導入之后快速識別。
[0038]步驟1002、將所述異常狀態數據與預設的異常狀態模型進行匹配。
[0039]步驟1003、若所述異常狀態數據與所述異常狀態模型匹配成功，確定所述個體處于異常狀態。
[0040]步驟1004、若所述異常狀態數據與所述異常狀態模型匹配失敗，確定所述個體處于正常狀態。
[0041]本實施例中，個體在日常狀態下的行動軌跡會相對正常、心跳水平、震動程度、呼吸強度相對處于穩定狀態，當個體遭遇犯罪或突發事故時，上述個體的軌跡和震動程度會發生突變，例如，掉入坑中、被犯罪分子劫持拖入其它地點以及與犯罪分子之間發生的掙扎、反抗以及搏斗時，個體的心率、脈搏、血壓以及呼吸也會因為高度緊張而產生較大變化，將上述異常狀態數據與所述異常狀態模型的設定值進行匹配，若匹配成功可以確定所述個體處于異常狀態，若匹配失敗可以確定所述個體處于正常狀態。
[0042]如果確定所述個體處于異常狀態，根據異常狀態信息向終端發送預警信息或者報警信息。在實際應用中，可以通過短信發送或提供位置信息的APP發出預警信息或報警信息給上述個體的緊急聯系人、周邊人員以及公安人員，而且可以將上述異常狀態上傳至網絡平臺。同時，如果個體周邊存在視頻監控系統，也可以通過視頻監控系統定位到事發地點進行聚焦拍攝。
[0043]本實施例提供的異常狀態的識別方法包括:獲取個體的異常狀態數據，所述異常狀態數據包括異常生理數據和/或異常行為數據，將所述異常狀態數據與預設的異常狀態模型進行匹配，若所述異常狀態數據與所述異常狀態模型匹配成功，確定所述個體處于異常狀態。本實施例提供的技術方案將個體的異常狀態數據與預設的異常狀態模型進行匹配，根據匹配結果識別個體是否處于異常狀態，從而提高了識別犯罪行為的準確性和及時性。另外