CN109255468A - 一种危险预测的方法及服务器 - Google Patents

Abstract

本申请实施方式公开了一种危险预测的方法及服务器，其中，所述方法包括：获取与目标用户相关联的监控数据；其中，监控数据用于表征目标用户的健康状态或目标用户周围环境的安全状况；基于监控数据，确定与目标用户关联的至少一种目标危险信息；将目标危险信息与标准危险信息进行对比，以确定目标危险信息对应的危险系数和权重值；根据目标危险信息对应的危险系数和权重值，确定目标用户的危险系数。本申请提供的技术方案，能够实现对用户周围环境的危险系数的预测，以使得用户根据反馈的危险系数提前做好预防准备，从而避免危险事件的发生，或避免被已经发生的危险事件伤害到。

Description

一种危险预测的方法及服务器

技术领域

本申请涉及互联网技术领域，特别涉及一种危险预测的方法及服务器。

背景技术

在社会上经常会出现一些突发的危险事件，例如，枪击事件、拐卖儿童事件、爆炸事件、凶杀事件等等。然而，在大部分情况下，这些事件的发生或者人们因这些事件的发生而无辜受伤，往往是由于人们无法对自己周围环境的危险进行预测而导致的。

但是，目前现有技术能够反馈用户的定位信息，却无法对用户周围环境的危险进行预测，从而无法避免危险事件的发生，或避免用户因这些事件的发生而无辜受伤。

发明内容

本申请实施方式的目的是提供一种危险预测的方法及服务器，能够实现对用户周围环境的危险系数的预测，以使得用户根据反馈的危险系数提前做好预防准备，从而避免危险事件的发生，或避免被已经发生的危险事件伤害到。

为实现上述目的，本申请实施方式还提供一种危险预测的方法，提供有危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值；所述方法包括：获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况；基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息；将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值；根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

为实现上述目的，本申请实施方式提供一种服务器，所述服务器包括存储器和处理器，所述存储器用于存储计算机程序和危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值；所述计算机程序被所述处理器执行时，实现以下步骤：获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况；基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息；将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值；根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

由上可见，在本申请中，所述危险数据库中可以包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值。例如，所述标准危险信息可以是用户周围的人物有犯罪记录、用户周围的场景为火灾或者用户的脉搏超过标准脉搏范围等等，这些标准危险信息分别具有对应的危险系数和对权重值。在获取与目标用户相关联的监控数据之后，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况，可以基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息。那么，便可以将所述目标危险信息与所述危险数据库中的标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值。从而，可以根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。如此，采用本申请方法可以实现对用户周围环境的危险系数的预测，以使得用户根据反馈的危险系数提前做好预防准备，从而避免危险事件的发生，或避免被已经发生的危险事件伤害到。

附图说明

为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施方式中危险预测的方法的流程图；

图2是本申请实施方式中危险预测的方法的应用场景的示意图；

图3是本申请实施方式中服务器的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。

本申请实施方式提供一种危险预测的方法，所述危险预测的方法可以应用于客户端和服务器的系统架构中。所述客户端可以是用于登录用户的账号信息的电子设备。具体地，所述客户端例如可以是台式电脑、平板电脑、笔记本电脑、智能手机、数字助理、智能可穿戴设备、具有网络访问功能的电视机等。或者，所述客户端也可以为能够运行于上述电子设备中的软件。

在本实施方式中，所述服务器可以是存储危险数据的设备。具体地，所述服务器可以为一个具有数据运算、存储功能以及网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件。在本实施方式中并不具体限定所述服务器的数量。所述服务器可以为一个服务器，还可以为几个服务器，或者，若干服务器形成的服务器集群。

本申请实施方式提供一种危险预测的方法，所述危险的方法可以应用于上述的服务器中。所述方法可以提供有危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值。所述危险系数可以用于表征某种危险信息对应的危险程度，所述权重值用于表征某种危险信息所占的比重。

在本实施方式中，所述服务器中可以提供有危险数据库。所述危险数据库可以是存储危险特征的数据集。所述危险数据库可以采用MySQL、Oracle、DB2、Sybase等数据库格式中的任意一种。所述危险数据库可以部署在服务器中的存储介质上。

在本实施方式中，所述危险数据库中可以包括多种标准危险信息。所述危险数据库中包括的标准危险信息例如可以是用户周围的人物有犯罪记录、用户周围的场景为指定危险场景、用户的脉搏不再标准脉搏范围内、用户周围的声音信号的声音类型为枪声且音量在指定音量范围内、或者在用户当前位置处曾经发生拐卖儿童事件或爆炸事件等具体危险情况。其中，所述指定危险场景例如可以是火灾、枪战、暴乱等等。

在本实施方式中，所述危险数据库中还可以包括所述标准危险信息对应的危险系数。例如，可以设定所述标准危险信息对应的最高危险系数为100。针对不同的危险程度，所述标准危险信息对应的危险系数可以设定为不同的值，例如，针对用户周围的人物有犯罪记录的危险情况，如果该人物的犯罪比较严重，可以设定较高的危险系数，例如设定的危险系数可以为90；如果该人物的犯罪比较轻，可以设定较低的危险系数，例如设定的危险系数可以为30。

在本实施方式中，所述危险数据库中还可以包括所述标准危险信息对应的权重值。具体地，可以对不同的标准危险信息进行分类。例如，可以将所述危险数据库中的标准危险信息划分为五种危险主类型，分别人物危险类型、场景危险类型、健康危险类型、声音危险类型和位置危险类型。其中，每一种危险主类型的权重值均为1/4。而针对这些危险主类型中任意一种危险主类型，还可以将该危险主类型中的标准危险信息细分为至少一种危险子类型，例如，可以将人物危险类型中的标准危险信息进一步划分为人物是否具有犯罪记录的危险子类型、人物是否携带武器的危险子类型以及人物的面部表情表征的心理情绪是否为消极情绪的危险子类型。针对人物危险类型，可以设定所划分的每一种危险子类型的权重值均为1/3。这样，针对属于上述一种危险子类型的标准危险信息，其权重值为1/4乘以1/3，即为1/12。当然，在实际应用中，所述标准危险信息的类型还可以包含更多的情况，以上的例举并不是穷举，只是为了更好地理解本申请的技术方案而做出的有限的例举。

请参阅图1，所述危险预测的方法可以包括以下步骤。

S11：获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况。

在本实施方式中，所述目标用户可以是指需要预测危险系数的用户。例如，所述目标用户可以是老人、小孩或者其他需要预测危险系数的人。

在本实施方式中，与所述目标用户相关联的监控数据可以用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况。例如，所述监控数据中具体可以包括所述目标用户的健康数据、所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号和所述目标用户的位置中至少一种数据。其中，所述目标用户的健康数据具体可以包括所述目标用户的脉搏、体温、血压等健康参数。当然，在实际应用中，所述监控数据还可以包含更多的情况，以上的例举并不是穷举，只是为了更好地理解本申请的技术方案而做出的有限的例举。

在本实施方式中，所述服务器可以获取用于表征所述目标用户周围环境的安全状况的监控数据，例如，所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号等等。具体地，所述服务器可以接收登录有所述目标用户的账号信息的客户端发来的危险预测请求。其中，所述账号信息可以包括所目标用户在某个应用上的使用的昵称、注册的账号和手机号，以及对应的登录密码等。所述危险预测请求中可以包括所述目标用户的定位信息。在接收到所述危险预测请求之后，所述服务器可以根据所述定位信息，确定与所述目标用户相匹配的目标监控设备，并与所述目标监控设备建立连接。在与所述目标监控设备建立连接之后，所述服务器可以基于所述连接，接收所述目标监控设备反馈的用于表征所述目标用户周围环境的安全状况的监控数据。

例如，在实际应用过程中，所述客户端可以具有定位功能。所述目标用户可以在所述客户端中的某个应用上登录所述账号信息，并在该应用上启动所述客户端的定位功能，接着点击展示在该应用上的文字链接，例如，该文字链接可以为“启动危险预测”，以向所述服务器发送包括所述目标用户的定位信息的危险预测请求。在接收到所述危险预测请求之后，所述服务器可以根据所述定位信息，确定与所述目标用户相匹配的目标监控设备。例如，与所述目标用户相匹配的目标监控设备具体可以是在所述目标用户的位置附近的监控设备。在确定所述目标监控设备之后，所述服务器可以通过TCP/IP协议或HTTP协议等网络协议与所述目标监控设备建立通讯连接。这样，在捕捉到所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号等监控数据之后，所述目标监控设备便可以通过与所述服务器建立的通讯连接，将这些监控数据反馈至所述服务器，以使得所述服务器在接收到这些监控数据之后，进行后续数据分析。在本实施方式中，所述危险预测请求可以是按照预设规则进行编写的字符串。其中，所述预设规则可以是所述客户端与所述服务器之间遵循的网络通信协议。例如，所述危险预测请求可以是按照HTTP协议进行编写的字符串。所述预设规则可以限定危险预测请求中的各个组成部分以及各个组成部分之间的排列顺序。

在本实施方式中，所述服务器可以获取用于表征所述目标用户的健康状态的监控数据，例如，所述目标用户的脉搏、体温、血压等健康参数。具体地，所述服务器可以接收登录有所述目标用户的账号信息的客户端发来的用于表征所述目标用户的健康状态的监控数据。其中，所述表征所述目标用户的健康状态的监控数据可以通过所述客户端采集。例如，在实际应用过程中，所述客户端可以直接采集所述用户的脉搏、体温、血压等健康数据。所述目标用户可以在所述客户端中的某个应用上登录所述账号信息，并点击展示在该应用上的文字链接，例如，该文字链接可以为“启动危险预测”，以向所述服务器发送所述客户端采集的健康数据。以使得所述服务器结合上述目标监控设备和所述客户端分别发来的监控数据，进行后续数据分析，并将分析结果发送至所述客户端，以在所述客户端上将所述分析结果展示给所述目标用户。

S13：基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息。

在本实施方式中，为了便于分析用户的危险情况，在获取所述监控数据之后，所述服务器可以基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息，以便后续将所述目标危险信息与所述服务器中存储的标准危险信息进行对比，并根据对比结果分析所述目标用户的危险情况。具体地，在所述监控数据中包括所述目标用户的健康数据的情况下，确定与所述目标用户关联的至少一种目标危险信息，具体可以包括，针对所述目标用户的健康数据中包括的至少一种健康参数，所述服务器可以将所述健康参数的值与所述健康参数关联的标准健康范围进行对比，并根据对比结果，确定所述健康数据对应的目标危险信息。例如，在所述目标用户在路上行走的过程中，所述服务器在获取所述目标用户的健康数据之后，可以实时将所述健康数据中的所述目标用户的脉搏与标准脉搏范围进行对比，并得到对比结果。例如，如果所述目标用户有心脏病，那么，在所述目标用户突发心脏病时，所述服务器便可以得到所述目标用户的脉搏不在所述标准脉搏范围内的对比结果，并根据该对比结果，确定所述健康数据对应的目标危险信息，即用于表征所述目标用户的脉搏不在所述标准脉搏范围内的危险信息。

在本实施方式中，在所述监控数据中包括所述目标用户周围的人物的图像的情况下，确定与所述目标用户关联的至少一种目标危险信息，具体还可以包括，在获取所述目标用户周围的人物的图像之后，所述服务器可以识别所述图像中的人物、所述人物携带的物体以及所述人物的面部表情。在识别出所述图像中的人物、所述人物携带的物体以及所述人物的面部表情之后，所述服务器可以判断识别出的人物是否具有犯罪记录、所述携带的物体是否包括武器以及所述人物的面部表情表征的心理情绪是否为消极情绪，并根据判断结果，分别确定所述图像中的人物对应的目标危险信息、所述人物携带的物体对应的目标危险信息，以及所述人物的面部表情对应的目标危险信息。

例如，所述服务器可以预先采用设计的图像识别算法构建用于识别人物的图像中人物、人物携带的物体或人物的面部表情的识别模型。该识别模型经过前期的样本训练后，可以识别出所述目标用户周围的人物的图像中人物、人物携带的物体或人物的面部表情。本实施方式中，所述的图像识别算法可以包括采用深度神经网络的一些网络模型算法以及变种，经过样本训练后构建生成的识别模型的处理算法。具体的一个示例中，可以基于卷积神经网络(Convolutional Neural Network，CNN)和区域建议网络(Region ProposalNetwork，RPN)，结合池化层、全连接层等构建图像识别的算法模型，服务器获取所述目标用户周围的人物的图像后，可以利用该算法模型对所述目标用户周围的人物的图像进行识别，识别出图像中的人物、人物携带的物体或人物的面部表情。在识别出所述图像中的人物、所述人物携带的物体以及所述人物的面部表情之后，所述服务器可以从某个第三方管理系统中获取与识别出的人物相关联的人物信息，并根据获取的人物信息判断识别出的人物是否具有犯罪记录，其中，该第三方管理系统可以是公安信息管理系统。如果识别出的人物具有犯罪记录，所述服务器便可以得到识别出的人物具有犯罪记录的判断结果，并根据该判断结果，确定所述图像中的人物对应的目标危险信息，即所述图像中的人物具有犯罪记录的危险信息。同时，所述服务器还可以判断所述携带的物体是否包括武器以及所述人物的面部表情表征的心理情绪是否为消极情绪。若判断结果为所述携带的物体包括武器以及所述人物的面部表情表征的心理情绪为消极情绪，那么，所述服务器可以分别确定所述图像中所述人物携带的物体对应的目标危险信息和所述人物的面部表情对应的目标危险信息，即用于表征所述携带的物体包括武器的危险信息、用于表征所述人物的面部表情表征的心理情绪的危险信息。

在本实施方式中，在所述监控数据中包括所述目标用户周围的场景的视频的情况下，确定与所述目标用户关联的至少一种目标危险信息，具体可以包括，在获取所述目标用户周围的场景的视频之后，所述服务器可以判断所述视频表征的场景是否包括指定危险场景，并根据判断结果，确定所述场景的视频对应的目标危险信息。例如，在获取所述目标用户周围的场景的视频之后，所述服务器同样可以预先采用设计的场景分类算法构建用于识别所述视频中的危险场景的场景识别模型。该场景识别模型经过前期的样本训练后，可以识别出所述目标视频中的危险场景。本实施方式中，所述的场景分类算法可以包括采用深度神经网络的一些网络模型算法以及变种，经过样本训练后构建生成的识别模型的处理算法。具体的一个示例中，可以基于卷积神经网络(Convolutional Neural Network，CNN)和区域建议网络(Region Proposal Network，RPN)，结合池化层、全连接层等构建场景识别的算法模型，服务器获取所述目标用户周围的场景的视频后，可以利用该算法模型对所述视频进行识别，识别出视频中的危险场景。在识别出视频中表征的场景后，所述服务器可以判断所述视频表征的场景是否包括指定危险场景。若判断结果为所述视频表征的场景中包括所述指定危险场景，例如火灾、枪战或暴乱等，所述服务器便根据该判断结果，确定所述场景的视频对应的目标危险信息，即用于表征所述视频表征的场景中包括所述指定危险场景的危险信息。

在本实施方式中，在所述监控数据中包括所述目标用户的位置的情况下，确定与所述目标用户关联的至少一种目标危险信息，具体可以包括，在获取所述目标用户的位置之后，所述服务器可以确定所述目标用户的位置在当前时刻之前的预设时段内发生危险事件的类型和次数，并可以根据发生的所述危险事件的类型和次数，确定所述位置对应的目标危险信息。例如，某个第三方管理平台中可以记录有各种危险事件发生的位置和发生的次数，该第三方管理平台例如可以是交通安全管理平台、公共安全管理平台等等。那么，在获取所述目标用户的位置之后，所述服务器可以从该第三方管理平台获取所述目标用户的位置在当前时刻之前的预设时段内发生危险事件的类型和次数，例如，在所述目标用户的位置在当前时刻之前的一年内发生过三次爆炸事件。其中，所述预设时段可以根据实际情况来设定，例如，可以是所述目标用户的位置在当前时刻之前的一年或半年的时段。在获取发生的所述危险事件的类型和次数之后，所述服务器便可以确定所述位置对应的目标危险信息，即用于表征在所述目标用户的位置在当前时刻之前的一年内发生过三次爆炸事件的危险信息。

在本实施方式中，在所述监控数据中包括所述目标用户周围的声音信号的情况下，确定与所述目标用户关联的至少一种目标危险信息，具体可以包括，在获取所述目标用户周围的声音信号之后，所述服务器可以识别所述声音信号中包括的至少一种声音类型。在识别出声音类型之后，所述服务器可以判断所述至少一种声音类型中是否包含指定危险声音类型或人的声音类型。若包含所述指定危险声音类型，所述服务器可以根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并根据声音类型为所述指定危险声音类型的子声音信号的音量，确定所述声音信号对应的一种目标危险信息。若包含所述人的声音类型，所述服务器可以根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并识别声音类型为所述人的声音类型的子声音信号的情感信息，并根据所述情感信息，确定所述声音信号对应的另一种目标危险信息。

例如，所述服务器可以预先采用设计的声音分类算法构建用于识别所述声音信号中的声音类型的声音分类模型。该声音分类模型经过前期的样本训练后，可以识别出所述声音信号中包括的声音类型。其中，所述的声音分类算法可以包括采用高斯混合模型(Gaussian Mixed Model，GMM)算法、隐马尔可夫模型(Hidden Markov model，HMM)算法、最近邻(K-Nearest Neighbor，KNN)或支持向量机(Support Vector Machine，SVM)算法，经过样本训练后构建生成的声音分类模型的处理算法。这样，在获取所述目标用户周围的声音信号之后，所述服务器可以利用该声音分类模型对所述声音信号进行识别，识别出所述声音信号中包括的至少一种声音类型。在识别出声音类型之后，若所述服务器得到的判断结果为所述至少一种声音类型中既包含指定危险声音类型，也包含人的声音类型，其中，所述指定危险声音类型例如可以是枪声、爆炸声等等，所述服务器可以根据识别出的两种声音类型，将所述声音信号拆分为两路子声音信号。具体地，所述服务器可以将所述声音信号从时间域转换至频率域，得到频率域的声音信号，接着可以从所述频率域的声音信号识别出与所述声音类型相匹配的频率域的子声音信号，并将频率域的子声音信号转换为时间域的子声音信号。这样，可以将包含有两种声音类型的声音信号中拆分为两路子声音信号。在拆分得到两路子声音信号之后，所述服务器可以将声音类型为所述指定危险声音类型的子声音信号的音量作为所述声音信号对应的一种目标危险信息，还可以将声音类型为所述人的声音类型的子声音信号的情感信息作为所述声音信号对应的另一种目标危险信息。

S15：将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值。

在本实施方式中，在确定与所述目标用户关联的至少一种目标危险信息之后，所述服务器将所述目标危险信息与所述服务器中存储的标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值。具体地，在确定与所述目标用户关联的至少一种目标危险信息之后，所述服务器可以将所述目标危险信息与所述服务器中存储的多个标准危险信息逐一对比，并将与所述目标危险信息相匹配的标准危险信息对应的危险系数和权重值，分别作为所述目标危险信息对应的危险系数和权重值。不仅如此，所述服务器还可以先确定所述目标危险信息对应的目标危险类型，然后将所述目标危险信息与属于所述目标危险类型的标准危险信息进行对比，最后将与所述目标危险信息相匹配的标准危险信息对应的危险系数和权重值，分别作为所述目标危险信息对应的危险系数和权重值。例如，所述目标危险信息对应的危险类型为声音危险类型，所述服务器可以直接将所述目标危险信息与属于声音危险类型的标准危险信息进行对比，进而可以将与所述目标危险信息相匹配的标准危险信息对应的危险系数和权重值，分别作为所述目标危险信息对应的危险系数和权重值。

S17：根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

在本实施方式中，在确定与所述目标用户关联的至少一种目标危险信息中各个目标危险信息分别对应的危险系数和权重值之后，所述服务器可以根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数，从而可以将确定的危险系数发送至所述客户端，以在所述客户端上将所述危险系数展示给所述目标用户。具体地，在所述至少一种目标危险信息中包括一种目标危险信息的情况下，所述服务器可以将该目标危险信息对应的危险系数与权重值的乘积，作为所述目标用户的危险系数。在所述至少一种目标危险信息中包括多种目标危险信息的情况下，所述服务器可以将各个目标危险信息对应的危险系数与权重值的乘积之和，作为所述目标用户的危险系数。例如，在所述至少一种目标危险信息中包括三种目标危险信息的情况下，所述服务器可以先分别计算三种目标危险信息对应的危险系数与权重值的乘积，再三个乘积结果求和，得到所述目标用户的危险系数。

在一个具体应用场景中，所述客户端可以是一种智能可穿戴设备，例如智能手表。在用户佩戴该智能手表的情况下，该智能手表可以实时采集该用户的健康数据。用户正在路上行走，在该智能手表中的某个危险监控应用上登录账号信息后，用户可以在该应用上启动该智能手表的定位功能。如图2所示，在启动定位功能之后，用户可以点击展示在该应用上的文字链接“启动危险预测”，以向所述服务器发送包括用户的定位信息和该智能手表采集的用户的健康数据的危险预测请求。在接收到所述危险预测请求之后，所述服务器可以根据所述定位信息，将用户的位置附近的监控设备作为与用户相匹配的目标监控设备。在确定这些目标监控设备之后，所述服务器可以通过TCP/IP协议分别与这些监控设备建立通讯连接。这样，在这些监控设备捕捉到用户周围的人物的图像、用户周围的场景的视频、用户周围的声音信号等监控数据之后，便可以通过与所述服务器建立的通讯连接，将这些监控数据反馈至所述服务器。所述服务器接收到这些监控数据之后，便可以基于这些监控数据，确定与用户关联的多种目标危险信息，并将这些目标危险信息分别与所述服务器中存储的多种标准危险信息进行对比，以分别确定这些目标危险信息对应的危险系数和权重值，接着再将各个目标危险信息对应的危险系数与权重值的乘积之和，作为该用户的危险系数。最后，所述服务器将得到的该用户的危险系数反馈至该智能手表，并在所述智能手表上展示该用户的危险系数，以便用户根据展示的危险系数提前做好预防准备，从而避免危险事件的发生，或避免被已经发生的危险事件伤害到。

在本申请一个实施方式中，在实际应用过程中，在某个目标用户附近的其他用户可能也会预测自己的危险情况，而在部分情况下，针对附近的多个用户，各自的监控数据中包括的场景视频或者声音信号可能比较相近。这时，为了充分利用周围其他用户的监控数据或危险预测结果，或者快速预测目标用户的危险系数，还可以根据周围其他用户的危险预测结果来预测该用户的危险系数。具体地，所述方法还可以提供有在所述目标用户附近的多个参考用户的危险系数。在本实施方式中，在得到不同用户的危险系数之后，所述服务器中还可以存储这些用户的危险系数以及这些用户的位置信息，以便在预测目标用户的危险系数时，可以参考该目标用户附近已获得危险系数的其他用户的危险预测结果。在接收到客户端发来的包括所述目标用户的定位信息的危险预测请求之后，所述方法还可以包括，所述服务器可以根据所述参考用户与所述目标用户的距离，确定所述参考用户对应的权重值。接着可以根据所述参考用户的危险系数和所述参考用户对应的权重值，确定所述目标用户的危险系数。例如，在接收到客户端发来的包括所述目标用户的定位信息的危险预测请求之后，所述服务器可以根据所述目标用户的定位信息，确定在所述目标用户附近的多个参考用户，以及各个所述参考用户分别与所述目标用户的距离。接着可以将所述参考用户与所述目标用户的距离的倒数，除以各个参考用户分别与所述目标用户的距离的倒数之和，得到所述参考用户对应的权重值。最后，可以将各个所述参考用户对应的权重值与危险系数的乘积之和，作为所述目标用户的危险系数。如此，可以充分利用在所述目标用户附近的其他用户的危险系数，即时预测所述目标用户的危险系数。

在本实施方式中，上述方法步骤中实现的功能，可以由计算机程序实现，所述计算机程序可以被存储于计算机存储介质中。具体的，所述计算机存储介质可以与处理器进行耦合，处理器从而可以读取计算机存储介质中的计算机程序。所述计算机存储介质可以用于存储危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值。所述计算机程序被处理器执行时，可以实现以下步骤：

S11：获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况；

S13：基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息；

S15：将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值；

S17：根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

在一个实施方式中，所述计算机程序被处理器执行时，获取与目标用户相关联的监控数据包括以下步骤：

接收登录有所述目标用户的账号信息的客户端发来的危险预测请求；其中，所述危险预测请求中包括所述目标用户的定位信息；

根据所述定位信息，确定与所述目标用户相匹配的目标监控设备，并与所述目标监控设备建立连接；

基于所述连接，接收所述目标监控设备反馈的用于表征所述目标用户周围环境的安全状况的监控数据。

在一个实施方式中，所述计算机程序被处理器执行时，所述计算机程序被所述处理器执行时，获取与目标用户相关联的监控数据还包括以下步骤：

接收登录有所述目标用户的账号信息的客户端发来的用于表征所述目标用户的健康状态的监控数据；其中，所述表征所述目标用户的健康状态的监控数据通过所述客户端采集。

在一个实施方式中，所述监控数据中包括所述目标用户的健康数据、所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号和所述目标用户的位置中至少一种数据。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户的健康数据的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

针对所述目标用户的健康数据中包括的至少一种健康参数，将所述健康参数的值与所述健康参数关联的标准健康范围进行对比，并根据对比结果，确定所述健康数据对应的目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的人物的图像的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

识别所述图像中的人物、所述人物携带的物体以及所述人物的面部表情；

判断识别出的人物是否具有犯罪记录、所述携带的物体是否包括武器以及所述人物的面部表情表征的心理情绪是否为消极情绪，并根据判断结果，分别确定所述图像中的人物对应的目标危险信息、所述人物携带的物体对应的目标危险信息，以及所述人物的面部表情对应的目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的场景的视频的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

判断所述视频表征的场景是否包括指定危险场景，并根据判断结果，确定所述场景的视频对应的目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的声音信号的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

识别所述声音信号中包括的至少一种声音类型；

判断所述至少一种声音类型中是否包含指定危险声音类型或人的声音类型；

若包含所述指定危险声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并根据声音类型为所述指定危险声音类型的子声音信号的音量，确定所述声音信号对应的一种目标危险信息；

若包含所述人的声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并识别声音类型为所述人的声音类型的子声音信号的情感信息，并根据所述情感信息，确定所述声音信号对应的另一种目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户的位置的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括以下步骤：

确定所述目标用户的位置在当前时刻之前的预设时段内发生危险事件的类型和次数；

根据发生的所述危险事件的类型和次数，确定所述位置对应的目标危险信息。

在一个实施方式中，所述存储器还用于存储在所述目标用户附近的多个参考用户的危险系数；所述计算机程序被所述处理器执行时，还实现以下步骤：

根据所述参考用户与所述目标用户的距离，确定所述参考用户对应的权重值；

根据所述参考用户的危险系数和所述参考用户对应的权重值，确定所述目标用户的危险系数。

需要说明的是，上述计算机存储介质中的计算机程序所能实现的功能，均可以参照前述的方法实施实施方式，实现的技术效果也与前述方法实施方式中实现的技术效果类似，这里便不再赘述。

请参阅图3，本申请还提供一种服务器。所述服务器包括存储器和处理器，所述存储器可以用于存储计算机程序和危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值；所述计算机程序被所述处理器执行时，实现以下步骤：

S11：获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况；

S13：基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息；

S15：将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值；

S17：根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

在本实施方式中，所述存储器可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方法的媒体加以存储。本实施方式所述的存储器又可以包括：利用电能方式存储信息的装置，如RAM、ROM等；利用磁能方式存储信息的装置，如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置，如CD或DVD。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等等。

在本实施方式中，所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。

在一个实施方式中，所述计算机程序被处理器执行时，获取与目标用户相关联的监控数据包括以下步骤：

接收登录有所述目标用户的账号信息的客户端发来的危险预测请求；其中，所述危险预测请求中包括所述目标用户的定位信息；

根据所述定位信息，确定与所述目标用户相匹配的目标监控设备，并与所述目标监控设备建立连接；

基于所述连接，接收所述目标监控设备反馈的用于表征所述目标用户周围环境的安全状况的监控数据。

在一个实施方式中，所述计算机程序被处理器执行时，所述计算机程序被所述处理器执行时，获取与目标用户相关联的监控数据还包括以下步骤：

接收登录有所述目标用户的账号信息的客户端发来的用于表征所述目标用户的健康状态的监控数据；其中，所述表征所述目标用户的健康状态的监控数据通过所述客户端采集。

在一个实施方式中，所述监控数据中包括所述目标用户的健康数据、所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号和所述目标用户的位置中至少一种数据。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户的健康数据的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

针对所述目标用户的健康数据中包括的至少一种健康参数，将所述健康参数的值与所述健康参数关联的标准健康范围进行对比，并根据对比结果，确定所述健康数据对应的目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的人物的图像的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

识别所述图像中的人物、所述人物携带的物体以及所述人物的面部表情；

判断识别出的人物是否具有犯罪记录、所述携带的物体是否包括武器以及所述人物的面部表情表征的心理情绪是否为消极情绪，并根据判断结果，分别确定所述图像中的人物对应的目标危险信息、所述人物携带的物体对应的目标危险信息，以及所述人物的面部表情对应的目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的场景的视频的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

判断所述视频表征的场景是否包括指定危险场景，并根据判断结果，确定所述场景的视频对应的目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的声音信号的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

识别所述声音信号中包括的至少一种声音类型；

判断所述至少一种声音类型中是否包含指定危险声音类型或人的声音类型；

若包含所述指定危险声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并根据声音类型为所述指定危险声音类型的子声音信号的音量，确定所述声音信号对应的一种目标危险信息；

若包含所述人的声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并识别声音类型为所述人的声音类型的子声音信号的情感信息，并根据所述情感信息，确定所述声音信号对应的另一种目标危险信息。

在一个实施方式中，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户的位置的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括以下步骤：

确定所述目标用户的位置在当前时刻之前的预设时段内发生危险事件的类型和次数；

根据发生的所述危险事件的类型和次数，确定所述位置对应的目标危险信息。

在一个实施方式中，所述存储器还用于存储在所述目标用户附近的多个参考用户的危险系数；所述计算机程序被所述处理器执行时，还实现以下步骤：

根据所述参考用户与所述目标用户的距离，确定所述参考用户对应的权重值；

根据所述参考用户的危险系数和所述参考用户对应的权重值，确定所述目标用户的危险系数。

本说明书实施方式提供的服务器，其存储器和处理器实现的具体功能，可以与本说明书中的前述实施方式相对照解释，并能够达到前述实施方式的技术效果，这里便不再赘述。

由上可见，所述危险数据库中可以包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值。例如，所述标准危险信息可以是用户周围的人物有犯罪记录、用户周围的场景为火灾或者用户的脉搏超过标准脉搏范围等等，这些标准危险信息分别具有对应的危险系数和对权重值。在获取与目标用户相关联的监控数据之后，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况，可以基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息。那么，便可以将所述目标危险信息与所述危险数据库中的标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值。从而，可以根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。如此，采用本申请方法可以实现对用户周围环境的危险系数的预测，以使得用户根据反馈的危险系数提前做好预防准备，从而避免危险事件的发生，或避免被已经发生的危险事件伤害到。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现客户端、服务器以外，完全可以通过将方法步骤进行逻辑编程来使得客户端、服务器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种客户端、服务器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施方式或者实施方式的某些部分所述的方法。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。尤其，针对计算机存储介质、服务器和客户端的实施方式来说，均可以参照前述方法的实施方式的介绍对照解释。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施方式描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (20)

1.一种危险预测的方法，其特征在于，提供有危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值；所述方法包括：

获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况；

基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息；

将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值；

根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

2.根据权利要求1所述的方法，其特征在于，按照下述方式获取与目标用户相关联的监控数据：

接收登录有所述目标用户的账号信息的客户端发来的危险预测请求；其中，所述危险预测请求中包括所述目标用户的定位信息；

根据所述定位信息，确定与所述目标用户相匹配的目标监控设备，并与所述目标监控设备建立连接；

基于所述连接，接收所述目标监控设备反馈的用于表征所述目标用户周围环境的安全状况的监控数据。

3.根据权利要求1所述的方法，其特征在于，按照下述方式获取与目标用户相关联的监控数据：

接收登录有所述目标用户的账号信息的客户端发来的用于表征所述目标用户的健康状态的监控数据；其中，所述表征所述目标用户的健康状态的监控数据通过所述客户端采集。

4.根据权利要求1所述的方法，其特征在于，所述监控数据中包括所述目标用户的健康数据、所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号和所述目标用户的位置中至少一种数据。

5.根据权利要求4所述的方法，其特征在于，在所述监控数据中包括所述目标用户的健康数据的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括：

针对所述目标用户的健康数据中包括的至少一种健康参数，将所述健康参数的值与所述健康参数关联的标准健康范围进行对比，并根据对比结果，确定所述健康数据对应的目标危险信息。

6.根据权利要求4所述的方法，其特征在于，在所述监控数据中包括所述目标用户周围的人物的图像的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括：

识别所述图像中的人物、所述人物携带的物体以及所述人物的面部表情；

判断识别出的人物是否具有犯罪记录、所述携带的物体是否包括武器以及所述人物的面部表情表征的心理情绪是否为消极情绪，并根据判断结果，分别确定所述图像中的人物对应的目标危险信息、所述人物携带的物体对应的目标危险信息，以及所述人物的面部表情对应的目标危险信息。

7.根据权利要求4所述的方法，其特征在于，在所述监控数据中包括所述目标用户周围的场景的视频的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括：

判断所述视频表征的场景是否包括指定危险场景，并根据判断结果，确定所述场景的视频对应的目标危险信息。

8.根据权利要求4所述的方法，其特征在于，在所述监控数据中包括所述目标用户周围的声音信号的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括：

识别所述声音信号中包括的至少一种声音类型；

判断所述至少一种声音类型中是否包含指定危险声音类型或人的声音类型；

若包含所述指定危险声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并根据声音类型为所述指定危险声音类型的子声音信号的音量，确定所述声音信号对应的一种目标危险信息；

若包含所述人的声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并识别声音类型为所述人的声音类型的子声音信号的情感信息，并根据所述情感信息，确定所述声音信号对应的另一种目标危险信息。

9.根据权利要求4所述的方法，其特征在于，在所述监控数据中包括所述目标用户的位置的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括：

确定所述目标用户的位置在当前时刻之前的预设时段内发生危险事件的类型和次数；

根据发生的所述危险事件的类型和次数，确定所述位置对应的目标危险信息。

10.根据权利要求1所述的方法，其特征在于，所述方法提供有在所述目标用户附近的多个参考用户的危险系数；所述方法还包括：

根据所述参考用户与所述目标用户的距离，确定所述参考用户对应的权重值；

根据所述参考用户的危险系数和所述参考用户对应的权重值，确定所述目标用户的危险系数。

11.一种服务器，其特征在于，所述服务器包括存储器和处理器，所述存储器用于存储计算机程序和危险数据库；其中，所述危险数据库中包括多种标准危险信息，以及所述标准危险信息对应的危险系数和权重值；所述计算机程序被所述处理器执行时，实现以下步骤：

获取与目标用户相关联的监控数据；其中，所述监控数据用于表征所述目标用户的健康状态或所述目标用户周围环境的安全状况；

基于所述监控数据，确定与所述目标用户关联的至少一种目标危险信息；

将所述目标危险信息与所述标准危险信息进行对比，以确定所述目标危险信息对应的危险系数和权重值；

根据所述目标危险信息对应的危险系数和权重值，确定所述目标用户的危险系数。

12.根据权利要求11所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，获取与目标用户相关联的监控数据包括以下步骤：

接收登录有所述目标用户的账号信息的客户端发来的危险预测请求；其中，所述危险预测请求中包括所述目标用户的定位信息；

根据所述定位信息，确定与所述目标用户相匹配的目标监控设备，并与所述目标监控设备建立连接；

基于所述连接，接收所述目标监控设备反馈的用于表征所述目标用户周围环境的安全状况的监控数据。

13.根据权利要求11所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，获取与目标用户相关联的监控数据还包括以下步骤：

接收登录有所述目标用户的账号信息的客户端发来的用于表征所述目标用户的健康状态的监控数据；其中，所述表征所述目标用户的健康状态的监控数据通过所述客户端采集。

14.根据权利要求11所述的服务器，其特征在于，所述监控数据中包括所述目标用户的健康数据、所述目标用户周围的人物的图像、所述目标用户周围的场景的视频、所述目标用户周围的声音信号和所述目标用户的位置中至少一种数据。

15.根据权利要求14所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户的健康数据的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

针对所述目标用户的健康数据中包括的至少一种健康参数，将所述健康参数的值与所述健康参数关联的标准健康范围进行对比，并根据对比结果，确定所述健康数据对应的目标危险信息。

16.根据权利要求14所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的人物的图像的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

识别所述图像中的人物、所述人物携带的物体以及所述人物的面部表情；

判断识别出的人物是否具有犯罪记录、所述携带的物体是否包括武器以及所述人物的面部表情表征的心理情绪是否为消极情绪，并根据判断结果，分别确定所述图像中的人物对应的目标危险信息、所述人物携带的物体对应的目标危险信息，以及所述人物的面部表情对应的目标危险信息。

17.根据权利要求14所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的场景的视频的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

判断所述视频表征的场景是否包括指定危险场景，并根据判断结果，确定所述场景的视频对应的目标危险信息。

18.根据权利要求14所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户周围的声音信号的情况下，确定与所述目标用户关联的至少一种目标危险信息包括以下步骤：

识别所述声音信号中包括的至少一种声音类型；

判断所述至少一种声音类型中是否包含指定危险声音类型或人的声音类型；

若包含所述指定危险声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并根据声音类型为所述指定危险声音类型的子声音信号的音量，确定所述声音信号对应的一种目标危险信息；

若包含所述人的声音类型，根据识别出的所述声音类型，将所述声音信号拆分为至少一路子声音信号，并识别声音类型为所述人的声音类型的子声音信号的情感信息，并根据所述情感信息，确定所述声音信号对应的另一种目标危险信息。

19.根据权利要求14所述的服务器，其特征在于，所述计算机程序被所述处理器执行时，在所述监控数据中包括所述目标用户的位置的情况下，确定与所述目标用户关联的至少一种目标危险信息，包括以下步骤：

确定所述目标用户的位置在当前时刻之前的预设时段内发生危险事件的类型和次数；

根据发生的所述危险事件的类型和次数，确定所述位置对应的目标危险信息。

20.根据权利要求11所述的服务器，其特征在于，所述存储器还用于存储在所述目标用户附近的多个参考用户的危险系数；所述计算机程序被所述处理器执行时，还实现以下步骤：

根据所述参考用户与所述目标用户的距离，确定所述参考用户对应的权重值；

根据所述参考用户的危险系数和所述参考用户对应的权重值，确定所述目标用户的危险系数。