一种异常状态的识别方法和识别系统的利记博彩app
【技术领域】
[0001]本发明涉及智能监测技术领域，尤其涉及一种异常状态的识别方法和识别系统。
【背景技术】
[0002]现有的视频监控系统虽然覆盖范围迅速增大，但是仍然存在许多盲区，尤其是偏远以及光线弱的地区很难被监控。然而，这些地区又是犯罪案件高发的地方。现有的视频监控系统大部分不能智能地进行多角度聚焦目标的拍摄，因此不能及时准确地识别犯罪行为。另外，大多数犯罪行为是突发行为，受害人一般很难有时间和机会拨打报警电话，即使拨打成功，出警的延时也会让犯罪分子对受害人造成一定的伤害。
【发明内容】
[0003]为解决上述问题，本发明提供一种异常状态的识别方法和识别系统，用于解决现有技术识别异常状态的准确性和及时性低的问题。
[0004]为此，本发明提供一种异常状态的识别方法，包括:
[0005]获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据；
[0006]将所述异常状态数据与预设的异常状态模型进行匹配；
[0007]若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状
??τ ο
[0008]可选的，还包括:
[0009]若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状
??τ ο
[0010]可选的，所述将所述异常状态数据与预设的异常状态模型进行匹配的步骤之前包括:
[0011]获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据；
[0012]根据所述历史状态数据形成异常状态模型。
[0013]可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。
[0014]可选的，还包括:
[0015]根据异常状态信息向终端发送预警信息或者报警信息。
[0016]本发明还提供一种异常状态的识别系统，包括:
[0017]第一获取单元，用于获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据；
[0018]第一匹配单元，用于将所述异常状态数据与预设的异常状态模型进行匹配；
[0019]第一确定单元，用于若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
[0020]可选的，还包括:
[0021]第二确定单元，用于若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
[0022]可选的，还包括:
[0023]第二获取单元，用于获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据；
[0024]第一形成单元，用于根据所述历史状态数据形成异常状态模型。
[0025]可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。
[0026]可选的，还包括:
[0027]第一发送单元，用于根据异常状态信息向终端发送预警信息或者报警信息。
[0028]本发明具有下述有益效果:
[0029]本发明提供的异常状态的识别方法和识别系统中，所述异常状态的识别方法包括:获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据，将所述异常状态数据与预设的异常状态模型进行匹配，若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。本发明提供的技术方案将个体的异常状态数据与预设的异常状态模型进行匹配，根据匹配结果识别个体是否处于异常状态，从而提高了识别犯罪行为的准确性和及时性。另外，通过建模方式识别个体是否处于异常状态，充分利用了大数据，具有更高的实时性和真实性。
【附图说明】
[0030]图1为本发明实施例一提供的一种异常状态的识别方法的流程图；
[0031]图2为本发明实施例二提供的一种异常状态的识别系统的结构示意图。
【具体实施方式】
[0032]为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的异常状态的识别方法和识别系统进行详细描述。
[0033]实施例一
[0034]图1为本发明实施例一提供的一种异常状态的识别方法的流程图。如图1，所述异常状态的识别方法包括:
[0035]步骤1001、获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据。
[0036]本实施例中，所述异常生理数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述异常行为数据包括网络行为数据、运动轨迹数据以及身体震动数据。在实际应用中，智能手机和可穿戴智能设备已经非常普及，上述智能手机和可穿戴智能设备能够收集用户如下行为特征数据:网络行为数据、持有者的位置、移动路径以及移动速度，也能够收集如下生理特征数据:持有者的心跳、呼吸等生物体征。上述数据在通常状态下均在一个合理的范围之内波动，当个体遇到歹徒劫持、发生交通意外等突发情况时，上述数据必然会出现异常，智能终端设备就能够获得上述异常数据。
[0037]本实施例中，所述将所述异常状态数据与预设的异常状态模型进行匹配的步骤之前包括:获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据，根据所述历史状态数据形成异常状态模型。可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。首先，采集日常状态下个体的生理特征数据和行为特征数据，上述数据可以通过视频监控系统、智能手机以及可穿戴智能设备进行收集。然后，对上述历史状态数据进行机器学习和模型建立。所述机器学习就是通过收集的历史状态数据对犯罪状态进行定义适配，确定相应的阈值条件，同时根据之后收集的历史状态数据不断学习和修正。所述模型建立就是根据历史状态数据在机器学习的基础上对异常状态进行模型固化以便能够在异常状态数据导入之后快速识别。
[0038]步骤1002、将所述异常状态数据与预设的异常状态模型进行匹配。
[0039]步骤1003、若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
[0040]步骤1004、若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
[0041]本实施例中，个体在日常状态下的行动轨迹会相对正常、心跳水平、震动程度、呼吸强度相对处于稳定状态，当个体遭遇犯罪或突发事故时，上述个体的轨迹和震动程度会发生突变，例如，掉入坑中、被犯罪分子劫持拖入其它地点以及与犯罪分子之间发生的挣扎、反抗以及搏斗时，个体的心率、脉搏、血压以及呼吸也会因为高度紧张而产生较大变化，将上述异常状态数据与所述异常状态模型的设定值进行匹配，若匹配成功可以确定所述个体处于异常状态，若匹配失败可以确定所述个体处于正常状态。
[0042]如果确定所述个体处于异常状态，根据异常状态信息向终端发送预警信息或者报警信息。在实际应用中，可以通过短信发送或提供位置信息的APP发出预警信息或报警信息给上述个体的紧急联系人、周边人员以及公安人员，而且可以将上述异常状态上传至网络平台。同时，如果个体周边存在视频监控系统，也可以通过视频监控系统定位到事发地点进行聚焦拍摄。
[0043]本实施例提供的异常状态的识别方法包括:获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据，将所述异常状态数据与预设的异常状态模型进行匹配，若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。本实施例提供的技术方案将个体的异常状态数据与预设的异常状态模型进行匹配，根据匹配结果识别个体是否处于异常状态，从而提高了识别犯罪行为的准确性和及时性。另外