CN106485889B - 基于智能腕带的服刑人员脱离联号实时监测方法及系统 - Google Patents

Abstract

本发明公开了基于智能腕带的服刑人员脱离联号实时监测方法及系统；它包括以下步骤：步骤(1)：对联号人员进行捆绑设置；同时还设置一级警戒距离和二级警戒距离，还有超出二级警戒距离的时限；步骤(2)：对联号人员进行实时监测，监测到服刑人员脱离联号人员设定距离或超时时，报警。它具有对服刑人员的运动轨迹起到更好监管作用的优点。

Description

基于智能腕带的服刑人员脱离联号实时监测方法及系统

技术领域

本发明涉及一种基于智能腕带的服刑人员脱离联号实时监测方法及系统。

背景技术

在监狱这个特殊环境中，服刑人员的实时监控是监狱管理的一大难点，因此产生了服刑人员联号管理的管理方法。联号管理要求联号的服刑人员进行相应的限制，如同组人员不得脱离对方10米。但由于狱内警务人员数量有限、服刑人员自觉性较低，联号服刑人员在监管盲区常常无视联号管理方法并不能起到理想的作用。

随着物联网时代的到来，各监狱先后引入先进的智能监狱管理系统，其中可穿戴设备是该系统中的一大组成部分。但是目前的基于物联网的可穿戴设备定位准确性较差，也没有相应的联号管理解决方案，因此并不能很好的利用到联号服刑人员的实时监测中去。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于智能腕带的服刑人员脱离联号实时监测方法及系统，它具有对服刑人员的运动轨迹起到更好监管作用的优点。

为了实现上述目的，本发明采用如下技术方案：

基于智能腕带的服刑人员脱离联号实时监测方法，包括以下步骤：

步骤(1)：对联号人员进行捆绑设置；同时还设置一级警戒距离和二级警戒距离，还有超出二级警戒距离的时限；

步骤(2)：对联号人员进行实时监测，监测到服刑人员脱离联号人员设定距离或超时时，报警。

所述步骤(1)的步骤为：

步骤(1-1)：录入所有服刑人员的信息；所述服刑人员的信息包括：人员ID、人员姓名name；

步骤(1-2)：选择联号人员：将所有服刑人员分为若干小组；

步骤(1-3)：设置限制规则：设置一级警戒距离和二级警戒距离，一级警戒距离大于二级警戒距离，同时设置超出二级警戒距离的时限；所述一级警戒距离和二级警戒距离均是指联号人员彼此之间距离。

所述步骤(2)的步骤为：

步骤(2-1)：设置在监狱中的无线采集设备按照设定时间间隔采集服刑人员佩戴的腕带位置时序数据；并将采集数据上传给服务器，服务器将处理后的数据上传给计算机；

步骤(2-2)：服务器根据时序数据，采用基于轨迹的轨迹距离计算方法对组内人员的距离进行计算；

步骤(2-3)：判断是否超出二级警戒距离，若否则返回步骤(2-2)，若是则开始计时；进入步骤(2-4)；

步骤(2-4)：判断是否超出一级警戒距离或者超出二级警戒距离的时间是否超时，若超出一级警戒距离或者超出二级警戒距离的时间超时，则报警；否则返回步骤(2-2)。

步骤(1-3)的一级警戒距离为10m；二级警戒距离为8m；超出二级警戒距离的时限为5min。

步骤(2-1)的设定时间间隔为0.25ms。

步骤(2-1)的位置时序数据，格式：人员ID，时间，位置ID。位置ID是腕带的位置坐标。

所述步骤(2-2)的步骤为：

对轨迹集合中的任意一条轨迹A表示为

A＝{a_i，i＝1,2···，N_A}，

式中：a_i是轨迹A的第i个采样点，N_A是A的轨迹点个数，是目标质心在第i次采样的目标的二维空间坐标，是第i次采样的目标的面积，表示目标的尺寸信息，是第i次采样的目标的速度大小，是第i次采样的目标的方向；

同理；对轨迹集合中的任意一条轨迹B表示为

B＝{b_i，i＝1,2···，N_B}，

式中：b_i是轨迹B的第i个采样点，N_B是B的轨迹点个数，是目标质心在第i次采样的目标的二维空间坐标，是第i次采样的目标的面积，表示目标的尺寸信息，是第i次采样的目标的速度大小，是第i次采样的目标的方向；

步骤(2-2-1)：建立服刑人员轨迹之间的距离计算模型；

d(A,B)＝K_hd_h(A,B)+K_vd_v(A,B)+K_θd_θ(A,B)+K_sd_s(A,B)；(1)

式中：K_h、K_v、K_θ和K_s是权重系数，K_h表示轨迹A、B之间的空间距离对总的距离的影响程度；K_v表示轨迹A、B之间的速度距离对总的距离的影响程度；K_θ表示轨迹A、B之间的方向距离对总的距离的影响程度；K_s表示轨迹A、B之间的尺寸距离对总的距离的影响程度，K_h、K_v、K_θ和K_s的取值范围为0～1，且满足K_h+K_v+K_θ+K_s＝1；

步骤(2-2-2)：设定不同的权重系数，利用历史数据对距离计算模型进行训练；得到计算最准确的权重系数K_h、K_v、K_θ和K_s；

步骤(2-2-3)：计算空间距离d_h(A,B)；

步骤(2-2-4)：计算速度距离d_v(A,B)；

步骤(2-2-5)：计算方向距离d_θ(A,B)；

步骤(2-2-6)：计算尺寸距离d_s(A,B)；

步骤(2-2-7)：将步骤(2-2-2)-步骤(2-2-6)得到的计算结果代入到步骤(2-2-1)的计算模型中，得到组内服刑人员之间的距离。

所述步骤(2-2-3)的计算过程为：

其中，N_A是A的轨迹点个数。

h(A,B)表示轨迹A到B的有向距离；h(B,A)表示轨迹B到A的有向距离；

所述步骤(2-2-4)的计算过程为：

N_B表示B的轨迹点个数，Δt表示时间t的微积分，I表示采样点的集合；

所述步骤(2-2-5)的计算过程为：

d_θ(A,B)＝|θ_A-θ_B|；

表示轨迹A的方向值；表示轨迹B的方向值；

所述步骤(2-2-6)的计算过程为：

d_s(A,B)＝|S_A-S_B|；

表示轨迹A的尺寸值；表示轨迹B的尺寸值。

基于智能腕带的服刑人员脱离联号实时监测系统，包括：

捆绑设置模块：对联号人员进行捆绑设置；同时还设置一级警戒距离和二级警戒距离，还有超出二级警戒距离的时限；

实时监测模块：对联号人员进行实时监测，监测到服刑人员脱离联号人员设定距离或超时时，报警。

本发明的有益效果：

由于可穿戴设备检测的实时性、准确性，基于该方法和系统可以隐蔽、客观、准确的监测联号服刑人员的行为，极大的提高了监控效率，为大批量人员监控提供了技术支持。

附图说明

图1为对联号人员进行捆绑设置流程图；

图2为对联号人员进行实时监测流程图。

图3为本发明的硬件连接示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

基于智能腕带的服刑人员脱离联号实时监测方法，包括以下步骤：

步骤(1)：对联号人员进行捆绑设置；同时还设置一级警戒距离和二级警戒距离，还有超出二级警戒距离的时限；

步骤(2)：对联号人员进行实时监测，监测到服刑人员脱离联号人员设定距离或超时时，报警。

如图1所示，所述步骤(1)的步骤为：

步骤(1-1)：录入所有服刑人员的信息；所述服刑人员的信息包括：人员ID、人员姓名name；步骤(1-2)：选择联号人员：将所有服刑人员分为若干小组；

步骤(1-3)：设置限制规则：设置一级警戒距离和二级警戒距离，一级警戒距离大于二级警戒距离，同时设置超出二级警戒距离的时限；所述一级警戒距离和二级警戒距离均是指联号人员彼此之间距离。

如图2所示，所述步骤(2)的步骤为：

步骤(2-1)：设置在监狱中的无线采集设备按照设定时间间隔采集服刑人员佩戴的腕带位置时序数据；并将采集数据上传给服务器，服务器将处理后的数据上传给计算机；

步骤(2-2)：服务器根据时序数据，采用基于轨迹的轨迹距离计算方法对组内人员的距离进行计算；

步骤(2-3)：判断是否超出二级警戒距离，若否则返回步骤(2-2)，若是则开始计时；进入步骤(2-4)；

步骤(2-4)：判断是否超出一级警戒距离或者超出二级警戒距离的时间是否超时，若超出一级警戒距离或者超出二级警戒距离的时间超时，则报警；否则返回步骤(2-2)。

如图3所示，服刑人员佩戴腕带，设置在监狱内的无线识别设备识别腕带的位置时序数据，并将采集数据上传给服务器，服务器将处理后的数据上传给计算机。

由于当前点对点定位算法的不准确性，本专利提出了基于轨迹的轨迹距离算法，在轨迹距离计算时引入轨迹的空间距离d_h、速度距离d_v、方向距离d_θ和尺寸距离d_s，分别表示目标轨迹在空间位置、运动速度、运动方向和目标尺寸上的差别大小。然后将各项距离加权求和得到目标轨迹间的最终距离，如式(1)，用以表示两条轨迹的综合差异程度。

d(A,B)＝K_hd_h(A,B)+K_vd_v(A,B)+K_θd_θ(A,B)+K_sd_s(A,B)；(1)

式中：K_h、K_v、K_θ和K_s是权重系数，K_h表示轨迹A、B之间的空间距离对总的距离的影响程度；K_v表示轨迹A、B之间的速度距离对总的距离的影响程度；K_θ表示轨迹A、B之间的方向距离对总的距离的影响程度；K_s表示轨迹A、B之间的尺寸距离对总的距离的影响程度，K_h、K_v、K_θ和K_s的取值范围为0～1，且满足K_h+K_v+K_θ+K_s＝1，K_h、K_v、K_θ和K_s的取值大小根据实际要求进行设置，并通过多次试验，选取区分效果最好，识别率最高时候的值。

轨迹空间距离仅考虑轨迹的前二维信息，即轨迹点的空间位置坐标。对于轨迹A上的任意一点a_i，在轨迹B上有距离a_i最近的点b_i满足

那么轨迹A、B的空间有向距离表示为

N_A是A的轨迹点个数。

则A、B之间的空间对称距离为

轨迹的方向距离和尺寸距离主要考虑目标运动平均方向和目标平均尺寸(考虑部分遮挡的情况)的差别，因此，轨迹A和B之间的方向距离d_θ(A,B)和尺寸距离d_s(A,B)均采用平均差方法进行计算。

d_θ(A,B)＝|θ_A-θ_B|；

d_s(A,B)＝|S_A-S_B|；(5)

在空间距离d_h(A,B)、速度距离d_v(A,B)、方向距离d_θ(A,B)和尺寸距离d_s(A,B)都计算出来后，再将各距离缩放到[0,1]范围内，最后通过式(1)得到轨迹间总的距离。

当d(A,B)>d₁时，开始计时，时间超过规定时间便触发报警，在报警之前d(A,B)<d₁，则计时器归零。

当d(A,B)>d₂时，立即触发报警。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.基于智能腕带的服刑人员脱离联号实时监测方法，其特征是，包括以下步骤：

步骤(1)：对联号人员进行捆绑设置；同时还设置一级警戒距离和二级警戒距离，还有超出二级警戒距离的时限；

步骤(2)：对联号人员进行实时监测，监测到服刑人员脱离联号人员设定距离或超时时，报警；

所述步骤(2)的步骤为：

步骤(2-1)：设置在监狱中的无线采集设备按照设定时间间隔采集服刑人员佩戴的腕带位置时序数据；并将采集数据上传给服务器，服务器将处理后的数据上传给计算机；

步骤(2-2)：服务器根据时序数据，采用基于轨迹的轨迹距离计算方法对组内人员的距离进行计算；

所述步骤(2-2)的步骤为：

对轨迹集合中的任意一条轨迹A表示为

A＝{a_i，i＝1,2…，N_A}，

式中：a_i是轨迹A的第i个采样点，N_A是A的轨迹点个数，是目标质心在第i次采样的目标的二维空间坐标，是第i次采样的目标的面积，表示目标的尺寸信息，是第i次采样的目标的速度大小，θ_i ^a是第i次采样的目标的方向；

同理；对轨迹集合中的任意一条轨迹B表示为

B＝{b_i，i＝1,2…，N_B}，

式中：b_i是轨迹B的第i个采样点，N_B是B的轨迹点个数，是目标质心在第i次采样的目标的二维空间坐标，是第i次采样的目标的面积，表示目标的尺寸信息，是第i次采样的目标的速度大小，是第i次采样的目标的方向；

步骤(2-2-1)：建立服刑人员轨迹之间的距离计算模型；

d(A,B)＝K_hd_h(A,B)+K_vd_v(A,B)+K_θd_θ(A,B)+K_sd_s(A,B)； (1)

式中：K_h、K_v、K_θ和K_s是权重系数，K_h表示轨迹A、B之间的空间距离对总的距离的影响程度；K_v表示轨迹A、B之间的速度距离对总的距离的影响程度；K_θ表示轨迹A、B之间的方向距离对总的距离的影响程度；K_s表示轨迹A、B之间的尺寸距离对总的距离的影响程度，K_h、K_v、K_θ和K_s的取值范围为0～1，且满足K_h+K_v+K_θ+K_s＝1；

步骤(2-2-2)：设定不同的权重系数，利用历史数据对距离计算模型进行训练；得到计算最准确的权重系数K_h、K_v、K_θ和K_s；

步骤(2-2-3)：计算空间距离d_h(A,B)；

步骤(2-2-4)：计算速度距离d_v(A,B)；

步骤(2-2-5)：计算方向距离d_θ(A,B)；

步骤(2-2-6)：计算尺寸距离d_s(A,B)；

步骤(2-2-7)：将步骤(2-2-2)-步骤(2-2-6)得到的计算结果代入到步骤(2-2-1)的计算模型中，得到组内服刑人员之间的距离；

步骤(2-3)：判断是否超出二级警戒距离，若否则返回步骤(2-2)，若是则开始计时；进入步骤(2-4)；

步骤(2-4)：判断是否超出一级警戒距离或者超出二级警戒距离的时间是否超时，若超出一级警戒距离或者超出二级警戒距离的时间超时，则报警；否则返回步骤(2-2)。

2.如权利要求1所述的基于智能腕带的服刑人员脱离联号实时监测方法，其特征是，所述步骤(1)的步骤为：

步骤(1-1)：录入所有服刑人员的信息；所述服刑人员的信息包括：人员ID、人员姓名name；

步骤(1-2)：选择联号人员：将所有服刑人员分为若干小组；

步骤(1-3)：设置限制规则：设置一级警戒距离和二级警戒距离，一级警戒距离大于二级警戒距离，同时设置超出二级警戒距离的时限；所述一级警戒距离和二级警戒距离均是指联号人员彼此之间距离。

3.如权利要求1所述的基于智能腕带的服刑人员脱离联号实时监测方法，其特征是，所述步骤(2-2-3)的计算过程为：

其中，N_A是A的轨迹点个数；

h(A,B)表示轨迹A到B的有向距离；h(B,A)表示轨迹B到A的有向距离。

4.如权利要求1所述的基于智能腕带的服刑人员脱离联号实时监测方法，其特征是，所述步骤(2-2-4)的计算过程为：

N_B表示B的轨迹点个数，Δt表示时间t的微积分，I表示采样点的集合。

5.如权利要求1所述的基于智能腕带的服刑人员脱离联号实时监测方法，其特征是，所述步骤(2-2-5)的计算过程为：

d_θ(A,B)＝|θ_A-θ_B|；

表示轨迹A的方向值；表示轨迹B的方向值。

6.如权利要求1所述的基于智能腕带的服刑人员脱离联号实时监测方法，其特征是，所述步骤(2-2-6)的计算过程为：

d_s(A,B)＝|S_A-S_B|；

表示轨迹A的尺寸值；表示轨迹B的尺寸值。

7.如权利要求1所述的方法所采用的系统，其特征是，包括：

捆绑设置模块：对联号人员进行捆绑设置；同时还设置一级警戒距离和二级警戒距离，还有超出二级警戒距离的时限；

实时监测模块：对联号人员进行实时监测，监测到服刑人员脱离联号人员设定距离或超时时，报警。