CN109659030B - 用于确定用户风险的装置、方法及设备可读介质 - Google Patents

用于确定用户风险的装置、方法及设备可读介质 Download PDF

Info

Publication number
CN109659030B
CN109659030B CN201810966476.9A CN201810966476A CN109659030B CN 109659030 B CN109659030 B CN 109659030B CN 201810966476 A CN201810966476 A CN 201810966476A CN 109659030 B CN109659030 B CN 109659030B
Authority
CN
China
Prior art keywords
data
user
probability
risk
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810966476.9A
Other languages
English (en)
Other versions
CN109659030A (zh
Inventor
伊戈尔·施托尔比科夫
蒂莫西·温思罗普·金斯伯里
罗德·D·沃特曼
格里戈里·扎伊采夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Singapore Pte Ltd
Original Assignee
Lenovo Singapore Pte Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lenovo Singapore Pte Ltd filed Critical Lenovo Singapore Pte Ltd
Publication of CN109659030A publication Critical patent/CN109659030A/zh
Application granted granted Critical
Publication of CN109659030B publication Critical patent/CN109659030B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0469—Presence detectors to detect unsafe condition, e.g. infrared sensor, microphone
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
    • G08B21/0208—Combination with audio or video communication, e.g. combination with "baby phone" function
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
    • G08B21/0211—Combination with medical sensor, e.g. for measuring heart rate, temperature
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/016—Personal emergency signalling and security systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Child & Adolescent Psychology (AREA)
  • Computer Security & Cryptography (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Pulmonology (AREA)
  • Physiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Alarm Systems (AREA)

Abstract

本公开涉及用于确定用户风险的装置、方法以及设备可读介质。公开了一种用于使用多种数据类型确定用户风险的装置。系统、方法和程序产品也执行该装置的功能。用于使用多种数据类型确定用户风险的装置包括处理器和存储器。存储器存储可由处理器执行的代码。处理器接收关于用户的第一数据，并且使用第一数据确定用户处于风险中的第一概率。响应于第一概率超过第一阈值，处理器接收第二数据，第二数据是与第一数据不同类型的数据。处理器还使用第二数据确定用户处于危险中的第二概率。响应于第二概率超过第二阈值，处理器发起警报。

Description

用于确定用户风险的装置、方法及设备可读介质
技术领域
本文公开的主题涉及音频输出，并且更具体地涉及用于使用多种数据类型确定用户风险的装置、方法及设备可读介质。
背景技术
在个人安全中，评估和识别个人安全受到影响时的情境是重要的。这种情境包括当一个人被抢劫、被攻击、突然出现健康问题并且无法呼吸时。现有的电话解决方案使能够在危险情境下向警方或其他注册方发送手动告警。但是，这种解决方案需要人手动触发告警。这在人失去意识或者被迫自卫或者当电话无法触及的危险情境下几乎是不可能的。
发明内容
公开了一种用于使用多种数据类型确定用户风险的装置。方法和计算机程序产品也执行该装置的功能。
一种用于使用多种数据类型确定用户风险的装置包括处理器和存储器。存储器存储可由处理器执行的代码。处理器接收关于用户的第一数据，并且使用第一数据确定用户处于风险中的第一概率。响应于用户处于风险中的第一概率超过第一阈值，处理器接收第二数据，第二数据是与第一数据不同类型的数据。处理器还使用第二数据确定用户处于危险中的第二概率，并且响应于第二概率超过第二阈值而发起警报。
在某些实施方式中，响应于用户处于危险中的第二概率超过第二阈值，处理器还将第二数据存储至远程存储设备。在一些实施方式中，响应于第一概率超过第一阈值，处理器还识别用户的位置。这里，确定第二概率包括响应于用户位于较高风险的地理区域中而增大用户处于危险中的概率。
在一些实施方式中，接收第一数据包括接收用户的运动数据。这里，使用第一数据确定用户处于风险中的第一概率包括计算由运动数据指示的运动模式与基线模式间差异的程度。在某些实施方式中，接收第一数据包括接收用户的生物计量数据。这里，使用第一数据确定用户处于风险中的第一概率包括计算生物计量数据是否指示用户压力状态。
在一些实施方式中，接收第二数据包括获取音频数据。这里，确定用户处于危险中的第二概率包括分析该音频数据以确定用户是否说出预定话语。在某些实施方式中，接收第二数据包括获取图像数据。这里，确定用户处于危险中的第二概率包括针对以下中的一个或更多个来分析图像数据：冲突的指示、伤害的指示和损害的指示。在一些实施方式中，发起警报包括联系预定联系人和预定设备中之一。
一种用于使用多种数据类型确定用户风险的方法包括通过使用处理器接收关于用户的第一数据，并且使用第一数据确定用户处于风险中的第一概率。该方法还包括响应于第一概率超过第一阈值而接收第二数据，第二数据是与第一数据不同类型的数据。该方法还包括使用第二数据确定用户处于危险中的第二概率，并且响应于第二概率超过第二阈值而发起警报。
在某些实施方式中，该方法还包括响应于用户处于危险中的第二概率超过第二阈值而将第二数据存储至远程存储设备。在某些实施方式中，该方法还包括响应于第一概率超过第一阈值而识别用户的位置，其中，确定第二概率包括响应于用户位于较高风险的地理区域而增大用户处于危险中的概率。
在一些实施方式中，接收第一数据包括接收用户的运动数据，并且使用第一数据确定用户处于风险中的第一概率包括计算由运动数据指示的运动模式与基线模式间差异的程度。在这样的实施方式中，接收第一数据还可以包括接收用户的生物计量数据。这里，使用第一数据确定用户处于风险中的第一概率还包括计算生物计量数据是否指示用户压力状态。
在一些实施方式中，接收第二数据包括获取音频数据，并且确定用户处于危险中的第二概率包括分析该音频数据以确定用户是否说出预定话语。在这样的实施方式中，接收第二数据还可以包括获取图像数据。这里，确定用户处于危险中的第二概率还包括针对以下中的一个或更多个来分析该音频数据和图像数据：冲突的指示、伤害的指示和损害的指示。
在一些实施方式中，发起警报包括联系预定联系人和预定设备中之一。在这样的实施方式中，发起警报还包括将第二数据和用户位置数据中的一个或更多个发送至预定联系人或预定设备。
一种用于使用多种数据类型确定用户风险的设备可读介质，其存储由处理器可执行的代码。这里，可执行的代码包括用于执行以下操作的代码：接收关于用户的第一数据；使用第一数据确定用户处于风险中的第一概率；响应于用户处于风险中的第一概率超过第一阈值而接收第二数据，第二数据是与第一数据不同类型的数据；使用第二数据确定用户处于危险中的第二概率；以及响应于用户处于危险中的第二概率超过第二阈值而发出警报。
在一些实施方式中，接收第一数据包括接收以下中的一个或更多个：用户的运动数据和用户的生物计量数据，并且接收第二数据包括接收以下中的一个或更多个：视频数据、音频数据和位置数据。在某些实施方式中，发起警报包括将第二数据发送至预定联系人和预定设备中之一。
附图说明
将通过参照在附图中示出的具体实施方式来呈现上面简要描述的实施方式的更具体的描述。要理解的是，这些附图仅描绘了一些实施方式，因此不应认为是对范围的限制，将通过使用附图利用附加特征和细节来描述和说明实施方式，在附图中：
图1是示出用于使用多种数据类型确定用户风险的系统的一个实施方式的示意性框图；
图2是示出用于使用多种数据类型确定用户风险的装置的一个实施方式的示意性框图。
图3是示出选择性地聚合多种类型的数据以确定用户风险的一个实施方式的框图；
图4是示出使用多种数据类型确定用户风险的一个示例的示意图；
图5是示出使用多种数据类型确定用户风险的另一示例的示意图；
图6是示出用于使用多种数据类型确定用户风险的方法的一个实施方式的示意性流程图；以及
图7是示出用于使用多种数据类型确定用户风险的方法的另一实施方式的示意性流程图。
具体实施方式
如本领域技术人员将理解的，实施方式的各方面可以被实施为系统、方法或程序产品。因此，实施方式可以采用以下形式：纯硬件实施方式、纯软件实施方式(包括固件、常驻软件、微代码等)或者组合软件方面和硬件方面的实施方式，所有这些在本文中可以全部通称为“电路”、“模块”或“系统”。此外，实施方式还可以采用以一个或更多个计算机可读存储设备实施的程序产品的形式，其中，所述一个或更多个计算机可读存储设备存储机器可读代码、计算机可读代码和/或程序代码，这些在下文中称为代码。存储设备可以为有形的、非暂态的和/或非传输性的。存储设备可以不体现信号。在某种实施方式中，存储设备仅采用用于访问代码的信号。
本说明书中所描述的很多功能单元被标记为模块以更特意地强调它们的实现独立性。例如，模块可以被实现为包括定制VLSI电路或门阵列、现成半导体例如逻辑芯片、晶体管或其他分立部件的硬件电路。模块还可以以可编程硬件设备如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等来实现。
模块还可以以由各种类型的处理器执行的代码和/或软件来实现。标识的代码模块可以例如包括可执行代码的一个或更多个物理块或逻辑块，其中，所述物理块或逻辑块可以例如被组织成对象、步骤或功能。尽管如此，标识的模块的可执行文件不需要物理上位于一起，而是可以包括存储在不同位置的不同指令，这些不同指令在逻辑上被结合在一起时组成所述模块并且实现所述模块的规定目的。
事实上，代码模块可以是单个指令或多个指令，并且甚至可以被分布在几个不同的代码段上、分布在不同的程序之间以及跨几个存储装置进行分布。类似地，操作数据在本文中可以在模块中被标识和示出，并且可以以任何适当的形式被实施并且在任何适当的类型的数据结构内被组织。操作数据可以被收集为单个数据集合，或者可以分布在不同地点，包括分布在不同的计算机可读存储设备中。当模块或模块的一部分以软件实现时，软件部分被存储在一个或更多个计算机可读存储设备中。
可以利用一个或更多个计算机可读介质的任何组合。计算机可读介质可以是并非暂态信号的计算机可读存储介质。所述计算机可读存储介质可以是存储代码的存储设备。存储设备可以例如是但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、红外存储设备、全息存储设备、微机械存储设备或半导体系统、装置或设备或者前述的任何适当的组合。
存储设备的更具体的示例(非穷举性列表)包括以下：具有一个或更多个布线的电连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备或者前述的任何适当的组合。在本文的上下文中，计算机可读存储介质可以是可以包含或存储由指令执行系统、设备或装置使用或者结合指令执行系统、设备或装置来使用的程序的任何有形介质。
可以以一种或更多种编程语言——包括面向对象编程语言例如Python、Ruby、Java、Smalltalk、C++等和传统程序化编程语言例如“C”编程语言等和/或机器语言例如汇编语言——的任何组合来编写用于执行实施方式的操作的代码。代码可以作为单独的软件包全部在用户的计算机上执行或部分地在用户的计算机上执行、一部分在用户的计算机上执行且一部分在远程计算机上执行或者全部在远程计算机或服务器上执行。在后者情形中，远程计算机可以通过任何类型的网络——包括局域网(LAN)或广域网(WAN)——连接至用户的计算机，或者可以(例如，通过使用因特网服务提供商的因特网)连接至外部计算机。
贯穿本说明书所提及的“一个实施方式”、“实施方式”或类似的语言是指结合实施方式所描述的特定特征、结构或特性包括在至少一个实施方式中。因此，除非另外明确指出，否则贯穿本说明书所出现的短语“在一个实施方式中”、“在实施方式中”以及类似的语言可以但不一定全都指同一实施方式，而是指“一个或更多个实施方式而非所有的实施方式”。除非另外明确地指出，否则术语“包括”、“包含”、“具有”及其变型是指“包括但不限于”。除非另外明确地指出，否则对项的列举并不暗示项中任何项或所有项是互不相容的。除非另外明确地指出，否则术语“一”、“一个”和“该”也指“一个或更多个”。
此外，可以以任何适当的方式对实施方式的所描述的特征、结构或特性进行组合。在以下描述中，提供有多种具体细节如编程、软件模块、用户选择、网络交易、数据库查询、数据库结构、硬件模块、硬件电路、硬件芯片等的示例，以提供对实施方式的透彻理解。然而，相关领域的技术人员将认识到可以在没有一个或更多个特定细节的情况下实践实施方式或者使用其他方法、部件、材料等来实践实施方式。在其他情形中，未详细示出或描述公知的结构、材料或操作，以避免混淆实施方式的各方面。
下面参照根据实施方式的方法、装置、系统和程序产品的示意性流程图和/或示意性框图来描述实施方式的各个方面。将理解的是，示意性流程图和/或示意性框图中的每个框以及示意性流程图和/或示意性框图中的框的组合可以通过代码来实现。这些代码可以被提供至通用计算机、专用计算机或其他可编程数据处理设备的处理器以产生以下机器，所述机器使得：经由计算机或其他可编程数据处理设备的处理器执行的指令能够创建用于实现示意性流程图和/或示意性框图的一个或更多个框中指定的功能/动作的装置。
还可以将这些代码存储在存储设备中，这些代码可以指导计算机、其他可编程数据处理设备或其他设备以特定方式起作用，使得存储在存储设备中的指令产生包括实现示意性流程图和/或示意性框图的一个或更多个框中指定的功能/动作的指令的制品。
还可以将代码加载至计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤来产生计算机实现的处理，从而使得在计算机或其他可编程装置上执行的代码能够提供用于实现流程图和/或框图的一个或更多个框中指定的功能/动作的处理。
附图中的示意性流程图和/或示意性框图示出了根据各种实施方式的装置、系统、方法和程序产品的可能实现方式的架构、功能和操作。关于这一点，示意性流程图和/或示意性框图中的每个框可以表示包括用于实现特定逻辑功能的代码的一个或更多个可执行指令的代码模块、代码段或代码的一部分。
还应当注意的是，在一些可替选的实现方式中，框中所示的功能可以不按照附图中所示的顺序发生。例如，以连续的方式示出的两个框事实上可以大致同时被执行，或者有时候可以根据所涉及的功能而以相反的顺序执行各个框。还可以构思出在功能、逻辑或效果上与所示附图的一个或更多个框或其一部分等同的其他步骤和方法。
虽然在流程图和/或框图中采用了各种箭头类型和线类型，但是这不应当理解成限制对应的实施方式的范围。事实上，可以使用一些箭头或其他连接符来仅指示所描绘的实施方式的逻辑流程。例如，箭头可以指示所描绘的实施方式的所列出的步骤之间的未规定的持续时间的等待或监测时间段。还应当注意的是，框图和/或流程图中的每个框以及框图和/或流程图中的框的组合可以由执行指定功能或动作的基于专用硬件的系统来实现，或者由专用硬件和代码的组合来实现。
每个图中的元件的描述可以参考前述附图的元件。相同的附图标记表示所有附图中的相同元件，包括相同元件的替选实施方式。
本公开内容描述了用于使用多种数据类型确定用户风险的系统、装置和方法的实施方式。通常，所公开的实施方式利用第一组数据源来识别用户风险。一旦用户风险(表示为概率)超过预定阈值，则从第二组数据源收集另外的数据，并且使用该另外的数据来确定用户是否处于危险中。例如，可以使用来自(例如，与来自第一组的数据聚合在一起的)第二组的数据来计算第二概率，并且当第二概率超过预定阈值时，确定用户处于危险中。
在一些实施方式中，第一组数据源包括不断地向电子设备提供数据的传感器。第一组中的数据源的示例包括但不限于位置传感器(例如，使用卫星定位系统和/或惯性测量)、运动传感器(例如，加速度计和/或陀螺仪)以及生物计量传感器(例如，体温传感器、心率传感器等)。这里，这些数据源在“后台”获取它们的数据，而不是响应于用户活动(例如，用户运行特定应用)。在这样的实施方式中，监测设备从第一组数据源接收数据，并且执行分析以计算用户风险(例如，表示为百分比，其中高的值表示用户处于风险中的高概率，而低的值表示用户处于风险中的低概率)。
在某些实施方式中，第二组数据源包括通常不持续地向电子设备提供数据的传感器。换句话说，第二组中的数据源不在“后台”获取数据。相反，可以响应于用户活动(例如，用户运行特定应用)而专门激活这些传感器。因此，响应于用户风险概率超过阈值，可以自动激活这些传感器。第二组中的数据源的示例包括但不限于麦克风和其他音频传感器、摄像机和其他图像传感器等。在某些实施方式中，监测设备可以从外部设备例如健身跟踪器、计步器、可穿戴设备等接收数据。
在一些实施方式中，可以基于设备设置和用户偏好将特定数据源包括在第一组或第二组中。例如，运行数字个人助理的第一设备可以使麦克风持续激活(例如，“一直开通”)，并且可以针对用户提示来不断地监测音频输入，而不运行数字个人助理的第二设备仅在用户正在运行特定应用例如录音应用、电话应用等时激活麦克风。这里，第一设备可以将麦克风归类为第一组数据源，而第二设备可以将麦克风归类为第二组数据源。此外，在稍后的时间点，第二设备的用户可以安装使麦克风持续激活的数字个人助理。此时，可以不断地获取音频数据，从而麦克风被重新归类为第一组数据源。
在某些实施方式中，可以基于数据源的用电量和/或基于用于分析数据的计算需求将特定数据源包括在第一组或第二组中。在一些实施方式中，一旦用户风险概率超过预定阈值，则执行对来自第一组数据源的数据的另外的分析。例如，可以采用另外的计算模型或者执行更复杂的分析。此外，在用户风险概率超过预定阈值之后可以将来自第一组数据源和第二组数据源二者的数据聚合在一起，以确定用户是否实际处于危险中。
响应于用户处于危险中，监测设备发起警报响应。另一方面，如果用户未处于危险中，则监测设备可以继续监测第二组数据源。如果未检测到危险，则监测设备可以停止收集和分析来自第二组数据源的数据，例如在特定时间量之后或者在用户风险概率降至低于某个阈值之后。此时，监测设备继续监测第一数据源，并且更新用户风险概率，但是不再处理来自第二组的数据。在某些实施方式中，第二组数据源可以在不使用时被激活。
图1描绘了根据本公开内容的实施方式的用于使用多种数据类型确定用户风险的系统100。系统100包括由用户110穿戴和/或携带的电子设备105。在某些实施方式中，用户110还穿戴可穿戴设备115。如所描绘的，用户110位于第一位置125处。这里，电子设备105可以确定用户110位于第一位置125处。
在一些实施方式中，电子设备105与数据网络120通信。这里，电子设备105可以与态势感知服务器130和/或一个或更多个紧急联系人145通信。如所描绘的，态势感知服务器130可以包括分析模块135和数据存储器140。
电子设备105接收数据，并且分析所述数据以确定用户110是否处于风险中。当用户110处于风险中的概率超过某一阈值时，电子设备105接收(例如，属于另外的数据类型的)另外的数据，然后确定用户110是否处于危险中(例如，通过使用另外的数据计算第二概率)。在一个实施方式中，电子设备105例如通过从数据源请求第二数据和/或激活相关的传感器、驱动器或应用程序来收集第二数据。
当电子设备确定用户110处于危险中时(例如，因为第二概率超过阈值和/或对第二数据的分析提供了重大威胁、伤害或其他危险的证据)，电子设备105发起一个或更多个警报响应。警报响应包括但不限于：与一个或更多个紧急联系人145通信、收集可用作所发生事件的证据的图像和/或音频数据、将收集的数据上传至数据存储器140、输出(例如，经由内置扬声器)警报声、输出(例如，经由内置扬声器)援助请求等。在某些实施方式中，电子设备105基于第一位置125的特征增大用户处于危险中的概率。
在某些实施方式中，当用户处于风险中的概率超过阈值时，电子设备105联系态势感知服务器130。这里，电子设备105可以上传要由分析模块135分析的数据。分析模块135分析所上传的数据，并且使用用户是否处于危险中的一个或更多个指示来响应电子设备105。由分析模块135执行的分析的示例包括用于识别说话者的声音分析、用于识别说出的话语的语音识别、识别伤口、武器或其他危险征象的图像分析等。在某些实施方式中，上传的数据存储在数据存储器140中。
在一些实施方式中，电子设备105是用户终端设备，例如个人计算机、终端站、膝上型计算机、台式计算机、平板计算机、智能电话、个人数字助理(“PDA”)等。在某些实施方式中，电子设备105可以是具有个人安全特征的安全设备。在某些实施方式中，电子设备105可以是与一个或更多个医疗提供方通信的健康监测器。
可穿戴设备115是穿戴在用户110的身体上或附近的设备，可穿戴设备115可以用于向电子设备105提供在确定用户风险和/或危险的概率时要分析的另外的数据。可穿戴设备115例如使用无线通信链路和/或有线通信链路通信地耦合至电子设备105。在一些实施方式中，可穿戴设备115是健身跟踪器(例如，活动跟踪器)、健康/医疗监测器、智能手表、体温传感器或类似物。可穿戴设备115可以穿戴在用户的以下身体部位处或周围：包括但不限于手、手腕、手臂、腿、脚踝、脚、头部、颈部、胸部或腰部。
由可穿戴设备115收集的数据可以包括但不限于体温、心率、大脑活动、肌肉运动、附肢运动(例如，相对位置、速度、加速度以及高阶导数)、出汗率、步数、(例如，由GPS或其他卫星导航系统所测量的)粗略位置等。包括在可穿戴设备115中的传感器可以包括但不限于以下中的一个或更多个：温度传感器、压力传感器、加速度计、高度计等。在某些实施方式中，可穿戴设备115可以包括显示器、扬声器、触觉反馈设备或其他用户接口输出。在某些实施方式中，可穿戴设备115可以包括麦克风和/或摄像机。
在一个实施方式中，数据网络120是被配置成促进例如电子设备105与态势感知服务器130和/或紧急联系人145之间的电子通信的远程通信网络。数据网络120可以由有线数据链路、无线数据链路和/或有线数据链路和无线数据链路的组合组成。无线数据网络的示例包括但不限于无线蜂窝网络、本地无线网络例如网络、/>网络、近场通信(“NFC”)网络、自组织(ad hoc)网络和/或类似网络。在某些实施方式中，数据网络120形成局域网(“LAN”)例如无线局域网(“WLAN”)。
在一些实施方式中，数据网络120可以包括广域网(“WAN”)、存储区域网络(“SAN”)、LAN、光纤网络、因特网或其他数字通信网络。在一些实施方式中，数据网络120可以包括两个或更多个网络。数据网络120可以包括一个或更多个服务器、路由器、交换机和/或其他网络设备。数据网络120还可以包括计算机可读存储介质，例如硬盘驱动器、光学驱动器、非易失性存储器、随机存取存储器(“RAM”)等。
图2描绘了根据本公开内容的实施方式的用于使用多种数据类型确定用户风险的监测装置200。监测装置200可以是上面描述的电子设备105的一个实施方式。可替选地，监测装置200可以是分析模块135的一个实施方式。在一些实施方式中，监测装置200是可穿戴计算设备例如膝上型计算机、平板计算机、智能电话、智能手表、个人数字助理等。监测装置200包括处理器205、存储器210、输入设备215、输出设备230、位置和定位硬件245以及通信硬件250。
在一个实施方式中，处理器205可以包括能够执行计算机可读指令和/或能够执行逻辑操作的任何已知控制器。例如，处理器205可以是微控制器、微处理器、中央处理单元(CPU)、图形处理单元(GPU)、辅助处理单元、FPGA、集成电路或类似控制器。在某些实施方式中，处理器205可以包括多个处理单元例如多个处理核、多个CPU、多个微控制器等。在一些实施方式中，处理器205执行存储在存储器210中的指令以执行本文所描述的方法和例程。处理器205通信地耦合至存储器210、输入设备215、输出设备230以及通信硬件250。
在一些实施方式中，处理器205接收关于用户的第一数据，并且使用第一数据确定用户处于风险中的第一概率。第一数据的示例包括但不限于与用户相关联的运动数据、与用户相关联的位置数据以及来自用户的生物计量数据。在一些实施方式中，处理器205不断地接收和处理第一数据。在某些实施方式中，处理器205可以接收用于其他应用例如健身跟踪器应用的运动数据、位置数据和/或生物计量数据。这里，处理器205可以监测为了另一应用而收集的数据，以如本文所描述地智能地评估用户的状况。
如上所述，接收第一数据可以包括处理器205接收用户的运动数据，并且根据运动数据识别运动模式。在一些实施方式中，运动数据包括位置数据、速度数据、加速度数据、加速度的导数数据(例如，加速度的变化率)、计步器数据、角运动数据等。如本文所使用的，“运动模式”(本文也称为“运动轮廓”)是指由运动数据中的多个数据点指示的模式。运动模式是用户执行或体验的运动类型(例如，活动)的特征。这里，不同的活动与不同的模式或轮廓相关联。例如，跑步与步行可以具有不同的轮廓/模式，并且每个都与骑行不同。因此，可根据运动数据识别不同的用户活动。
此外，确定用户处于风险中的第一概率可以包括处理器205计算由运动数据指示的运动模式与基线模式间差异的程度。例如，略微偏离步行轮廓的运动可能不指示风险情境，但是(例如，由于跌倒或者由于用户突然疾跑而引起的)与步行轮廓的彻底偏离可能指示风险情境。可替选地，确定用户处于风险中的第一概率可以包括处理器205计算所识别的运动模式与下述轮廓相匹配的程度，所述轮廓与危险或用户风险相关联例如是与跌倒、绊倒、被推动等相关联的轮廓。在某些实施方式中，处理器205可以使用所接收的运动数据来确定正常运动的模式。在其他实施方式中，处理器205可以使用预定义的轮廓和运动模式。在又一实施方式中，处理器205可以细化预先存储的模板以针对用户定制运动模式。
在一些实施方式中，接收第一数据包括处理器205接收属于用户的生物计量数据。例如，处理器205可以接收心率数据、血压数据、皮肤温度数据、皮肤电导率数据等。在某些实施方式中，生物计量数据是从可穿戴设备例如健身跟踪器、智能手表等接收的。此外，确定用户处于风险中的第一概率可以包括处理器205计算生物计量数据是否指示用户压力状态。
在一些实施方式中，处理器205使用一个或更多个计算模型来计算用户处于风险中的第一概率。例如，将第一数据输入至计算模型，并且随着第一数据被输入，用户处于风险中的概率(例如，第一概率)被更新。这里，利用新数据(例如，新的运动数据和/或生物计量数据)不断地更新计算模型。处理器205基于第一概率是否落入特定范围(例如，超过特定阈值)来评估用户是否处于风险情形中(例如，处于遭受伤害或危害的重大风险中)。
如果第一概率超过第一阈值，则处理器205接收(例如，收集)第二数据，第二数据是与第一数据不同类型的数据，并且使用第二数据重新确定用户处于危险中的概率(例如，计算第二概率)。这里，第二数据可用于评估用户是否处于危险中。在某些实施方式中，第二数据的收集和/或分析在计算上比第一数据的收集和/或分析更密集。因此，处理器205可以仅响应于第一概率超过第一阈值来收集和分析第二数据以节省资源。
在确定用户处于危险中的第二概率时，处理器205可以聚合各种类型的数据，包括第一数据和第二数据，并且考虑所聚合的数据来作出确定。因此，第二数据可以用于确认或推翻(通过第一概率超过第一阈值表示的)用户处于风险中的初始确定。此外，处理器205可以在第一概率超过第一阈值时发起第一响应，并且然后可以基于第二数据来使第一响应逐步升级或逐步降级。
在一些实施方式中，接收第二数据包括处理器205获取音频数据，并且确定用户处于危险中的第二概率包括处理器205分析音频数据。在某些实施方式中，处理器205执行语音分析以发现音频数据中存在的语音并且还识别正在说出的内容。例如，处理器205可以确定用户(或另一个体)是否说出预定话语。预定话语可以与危险情境相关联(例如，“帮帮我”)或非危险情境相关联(例如，“我没事”)。此外，处理器205可以使用声音识别来确定用户和/或第三方是否在说话。另外地，处理器205确定在威胁的词语、话语或音调被使用的情况下是否存在挣扎或冲突的声音，和/或确定音频数据是否包括求助。
在一些实施方式中，接收第二数据包括处理器205获取图像数据，并且确定用户处于危险中的第二概率包括处理器205针对冲突的指示、伤害的指示和/或损害的指示来分析图像数据。如果存在，则这样的指示可以增大用户处于危险中的第二概率(例如，以超过第二阈值)。在另一方面，这样的指示的不存在可以减小第二概率。
在一些实施方式中，处理器205在计算第二概率时使用与用于计算第一概率的计算模型相同的计算模型。这里，将(各种)第二数据(和视情况更新的第一数据)输入至计算模型中以确定第二概率。在其他实施方式中，处理器205可以在计算第二概率时使用与用于计算第一概率的计算模型独立的(不同的)计算模型。这里，将第一数据和第二数据输入至第二计算模型以确定第二概率。
在某些实施方式中，响应于第一概率超过第一阈值，处理器205还识别用户的位置。这里，可以利用第二数据收集位置数据。除了其他类型的第二数据例如音频数据、视频/图像数据等以外，还收集位置数据。位置数据可以包括卫星导航数据(例如来自GPS接收器、GNSS接收器、GLONASS接收器等的数据)。另外地，位置数据可以包括附近无线网络、附近蜂窝网络单元等的数据。
此外，处理器205可以根据位置数据识别用户所在的地理区域，并且还确定所识别的地理区域的风险等级。在某些实施方式中，风险等级可以特定于特定类型的危险。例如，徒步旅行的特定路段与该旅行的其他路段相比可以与更高等级的徒步者伤害相关联。作为另一示例，特定区域与其他区域相比可以与更高等级的攻击相关联。地理区域(及其风险等级)是在评估用户是否处于困境中时要考虑的一个因素。因此，当确定第二概率时，响应于用户正位于较高风险的地理区域中，处理器205可以增大用户处于危险中的概率。此外，响应于用户正位于较低风险的地理区域中，处理器205可以减小用户处于危险中的概率。
对于本领域技术人员将明显的是，处理器205可以使用上述方法的组合来确定第二概率。例如，处理器205可以使用音频数据、位置数据、视频/图像数据、运动数据以及生物计量数据(或其子组合)来确定用户处于危险中的第二概率。响应于第二概率超过第二阈值，处理器205发起警报响应。在某些实施方式中，发起警报包括呼叫预定联系人或设备或者向预定联系人或设备发送消息。例如，处理器205可以在第二概率超过第二阈值时呼叫紧急响应(例如，警察或护理人员)、安全服务、医疗服务、家庭成员、“紧急情况”(ICE)联系人等。
在一些实施方式中，响应于用户处于风险中的第二概率超过第二阈值，处理器205将第一数据和/或第二数据存储在远程存储设备处。例如，第一数据和/或第二数据可以使响应者能够定位用户。作为另一示例，第一数据和/或第二数据可以包括可用于识别攻击的实施者、识别目击者、识别伤害原因等的证据。在某些实施方式中，发起警报包括从扬声器或其他输出设备输出警报音调或警报信号。此外，响应于第二概率超过第二阈值，可以触发另外的响应/服务。
在一个实施方式中，存储器210是计算机可读存储介质。在一些实施方式中，存储器210包括易失性计算机存储介质。例如，存储器210可以包括随机存取存储器(RAM)，包括动态RAM(DRAM)、同步动态RAM(SDRAM)和/或静态RAM(SRAM)。在一些实施方式中，存储器210包括非易失性计算机存储介质。例如，存储器210可以包括硬盘驱动器、闪存或任何其他合适的非易失性计算机存储设备。在一些实施方式中，存储器210包括易失性和非易失性计算机存储介质二者。
在一些实施方式中，存储器210基于用户的位置存储与输出音频有关的数据。例如，存储器210可以存储可听数据、图像数据、运动数据、生物计量数据、位置数据、运动轮廓、联系人、响应等。在一些实施方式中，存储器210还存储可执行代码和相关数据，例如在监测装置200上操作的操作系统或其他控制器算法。
在一个实施方式中，输入设备215可以包括任何已知的计算机输入设备，包括触摸板、按钮、键盘、麦克风、摄像机等。例如，输入设备215包括麦克风220或用户使用其输入音频数据(例如，可听命令)的类似的音频输入设备。在一些实施方式中，输入设备215可以包括摄像机225或者捕获图像数据的其他成像设备。如上所述，图像数据可以用于将可听命令与特定用户相关联和/或用于确定特定用户是否位于特定空间中。在一些实施方式中，输入设备215包括两个或更多个不同的设备，例如麦克风220和按钮。
在一个实施方式中，输出设备230被配置成输出视觉、听觉和/或触觉信号。在一些实施方式中，输出设备230包括能够向用户输出视觉数据的电子显示器。例如，输出设备230可以包括LCD显示器、LED显示器、OLED显示器、投影仪或者能够向用户输出图像、文本等的类似显示设备。在某些实施方式中，输出设备230包括用于产生声音例如可听告警/通知或者流式音频内容的一个或更多个扬声器235。在一些实施方式中，输出设备230包括用于产生振动、运动或其他触觉输出的一个或更多个触觉设备。
在一些实施方式中，输出设备230的全部或部分可以与输入设备215集成在一起。例如，输入设备215和输出设备230可以形成触摸屏或者类似的触敏显示器。作为另一示例，输入设备215和输出设备230可以形成包括触觉响应机制的显示器。在其他实施方式中，输出设备230可以位于输入设备215附近。例如，摄像机225、麦克风220、扬声器235以及触摸屏都可以位于监测装置200的共用表面上。输出设备230可以从处理器205和/或通信硬件250接收用于输出的指令和/或数据。
在某些实施方式中，电子设备105包括收集关于用户的生物计量数据的一个或更多个生物计量传感器240。生物计量数据的示例包括但不限于心率、体温、皮肤电导率、肌肉运动、出汗率、大脑活动等。此外，电子设备105可以从外部设备例如可穿戴设备115接收另外的生物计量数据。这里，另外的生物计量数据可以是经由通信硬件250接收的。
在一个实施方式中，位置和定位硬件245被配置成识别用户的位置。在某些实施方式中，位置和定位硬件245包括卫星定位接收器例如GPS接收器。这里，位置和定位硬件245可以确定用户的坐标位置。此外，处理器205可以识别与所识别的坐标位置相关联的街道地址、街区、区域或其他地理区域。在某些实施方式中，位置和定位硬件245包括多个加速度计和/或陀螺仪。这里，位置和定位硬件245可以收集惯性运动数据以更精确地确定用户的位置。另外，可以使用来自加速计和/或陀螺仪的数据来确定用户的体位，例如直立、躺下、坐着等。
在一个实施方式中，通信硬件250被配置成发送和接收电子通信。通信硬件250可以使用有线通信链路和/或无线通信链路进行通信。在一些实施方式中，通信硬件使监测装置200能够经由数据网络120进行通信。监测装置200还可以包括用于发送/接收电子通信的通信固件或软件，包括驱动器、协议栈等。
在某些实施方式中，通信硬件250包括能够经由电磁辐射(例如，经由射频、红外、可见光等的通信)或声音(例如，超声波通信)交换信息的无线收发器。在一个实施方式中，无线收发器用作用于检测无线信号的无线传感器。如上所讨论的，作为对第二概率超过危险阈值的响应，处理器205可以经由通信硬件250与第三方例如紧急(“ICE”)联系人联系。
图3描绘了根据本公开内容的实施方式的用于使用多种数据类型确定用户风险的风险评估系统300。风险评估系统300包括数据分析模块305、第一传感器模块310以及第二传感器模块315。数据分析模块305从第一传感器模块310收集数据(所述数据称为“第一数据”)。如所描绘的，第一传感器模块310可以包括生物计量数据模块325和/或运动数据模块330。
这里，生物计量数据模块325生成生物计量数据。生物计量数据模块325通信地耦合至用于生成生物计量数据的一个或更多个传感器。另外地，运动数据模块330生成运动数据，例如加速度数据、速度数据、相对位置/取向数据等。运动数据模块330通信地耦合至用于生成运动数据的一个或更多个传感器(例如，加速度计、陀螺仪等)。
数据分析模块305使用第一数据计算第一概率P1。第一概率对应于用户经历风险情境的可能性，包括但不限于伤害、疾病、危险等的风险。在某些实施方式中，使用第一计算模块350计算第一概率P1。可以使用在预定时间内获得的数据窗口计算第一概率P1。响应于第一概率P1超过风险阈值TH1，数据分析模块305开始从第二传感器模块315收集数据(称为“第二数据”)。如所描绘的，第二传感器模块315可以包括音频数据模块335和/或图像数据模块340。
这里，音频数据模块335提供例如经由麦克风获取的音频数据。另外地，图像数据模块340提供例如经由数码摄像机获取的图像数据。数据分析模块305对音频数据和/或图像数据执行各种分析以更准确地评估用户的情境。基于另外的分析，数据分析模块305计算与用户处于危险情境中的可能性相对应的第二概率P2。在某些实施方式中，使用第一数据和第二数据二者来计算第二概率P2。另外地，数据分析模块305将第二概率P2与危险阈值TH2进行比较，并且在第二概率超过危险阈值时进入警报状态。
在某些实施方式中，数据分析模块305使用第二计算模块355来计算第二概率(P2)。这里，将第二数据、第二数据的分析结果、第一数据等输入至第二计算模块355，该第二计算模块355输出第二概率。在一个实施方式中，将来自第一计算模块350的输出提供为第二计算模块355的输入。在某些实施方式中，在第二数据被输入至第二计算模块355之前使用一个或更多个第二数据工具分析第二数据。
在一些实施方式中，数据分析模块305在分析第二数据时利用一个或更多个第二数据工具360。这里，第二数据工具360是用于分析音频数据和/或图像数据的高级分析技术。例如，第二数据工具360可以包括图像识别工具、语音识别工具、声音分析工具等。
在一个实施方式中，第二数据工具360包括用以从音频数据中识别争斗、打斗或冲突的声音的一个或更多个例程。在另一实施方式中，第二数据工具360包括用以从音频数据中识别威胁和/或求助的一个或更多个例程。在第三实施方式中，第二数据工具360包括用以在用户语音中识别压力的征象(或不存在)(例如，声音的音调和/或声调、语音模式等)的一个或更多个例程。
在一个实施方式中，第二数据工具360包括用以从图像数据中识别伤害、武器、损害等的视觉证据的一个或更多个例程。在另一个实施方式中，第二数据工具360包括用以从图像数据中识别压力的生理指示的一个或更多个例程。
在一些实施方式中，风险评估系统300可以包括识别用户的当前位置的位置数据模块320。这里，数据分析模块305使用位置数据来补充其对用户情境的分析。例如，如果用户的当前位置对应于高风险的地理区域例如较高犯罪率或较高事故率的地点，则数据分析模块305可以计算用户处于危险中的较高的可能性。作为另一示例，如果用户的路径遵循异常模式，则数据分析模块305可以计算用户处于危险中的较高的可能性。
在一些实施方式中，风险评估系统300包括警报模块345，警报模块345在第二概率P2超过危险阈值TH2时发起一个或更多个警报响应。警报响应可以包括但不限于产生可听警报、询问用户以确认他们处于危险中、联系紧急服务(例如，警察、医疗服务等)、呼叫指定的联系人(例如，紧急联系人)、备份数据等。此外，可以由警报模块345激活专用的安全特征和/或健康特征。
在某些实施方式中，数据分析模块305是分布式的，使得在本地设备处执行一种分析等级，而在远程位置(例如，态势感知服务器130)处执行另一分析等级。例如，响应于超过风险阈值，用户的设备可以开始向远程服务器发送数据以进行更详细的分析。在一个实施方式中，用户的设备可以将第二数据上传至远程服务器，并且接收返回的分析结果。这里，本地设备使用分析结果计算第二概率(例如，以补充在本地设备处执行的分析)。在另一个实施方式中，用户的设备可以将至少第二数据上传至远程服务器，并且接收返回的第二概率。
图4描绘了根据本公开内容的实施方式的使用多种数据类型确定用户风险的第一情境400。在第一情境400中，用户405正在行进并且遇到障碍物410，该障碍物410导致用户405跌倒。检测设备415聚合并分析各种类型的第一数据，并且检测到跌倒。这里，由检测设备415收集和分析的各种类型的第一数据包括加速度数据420、速度数据425、角速度数据430以及生物计量数据435。
检测设备415将来自各种传感器的信号进行组合以构建用户405正在经历的情境的合成图像。在某些实施方式中，检测设备415将加速度数据420、速度数据425、角速度数据430以及生物计量数据435的子集与各种轮廓进行匹配以构建合成图像。这里，各种轮廓可以被归类为正常或异常，其中，异常轮廓指示用户处于危险中的增加的风险。
在用户405遇到障碍物410的时间点，各种第一数据(例如，加速度数据420和/或角速度数据430)指示由于用户被推动或跌倒而导致的用户405的正常运动模式的中断。此外，速度数据425确认用户的运动模式的中断，并且生物计量数据435指示在用户405遇到障碍物410的时间点之后用户405正在经历增加的压力。这里，检测设备415例如实时地识别用户跌倒至地面的各种征象，所述征象使用户处于危险中的概率增大(例如，以超过阈值)。此时，检测设备415触发对用于识别用户情境的第二数据的获取(和相应的分析)。
如上所述，检测设备415可以获取并分析包括地理位置数据、音频数据和/或视频数据的第二数据。在某些实施方式中，可以将对第二数据的一个或更多个分析分流(offload)至远程服务器。当所计算的人处于危险中的概率超过某一阈值时，检测设备415发起一个或更多个警报响应，包括向指定联系人自动发送消息、呼叫紧急服务等。在一个实施方式中，当执行器概率超过某一阈值时，检测设备415采集用户405所处的境地。例如，检测设备415可以询问“您有麻烦吗？”、“您需要帮助吗？”，或者被选择以验证用户405需要帮助的另一话语。
图5描绘了根据本公开内容的实施方式的使用多种数据类型确定用户风险的第二情境500。在第二情境500中，用户505遇到追赶者510，该追赶者510使用户505逃离某区域。监测设备515聚合并分析各种类型的第一数据，并且检测到遇到追赶者510。这里，由监测设备515收集和分析的各种类型的第一数据包括加速度数据520、速度数据525、角速度数据530、以及生物计量数据535。
监测设备515将来自各种传感器的信号进行组合以构建用户505正在经历的情境的合成图像。在某些实施方式中，监测设备515将加速度数据520、速度数据525、角速度数据530以及生物计量数据535的子集与各种轮廓进行匹配以构建合成图像。这里，各种轮廓可以被归类为正常或异常，其中，异常轮廓指示用户处于危险中的增加的风险。
在用户505遇到追赶者510的时间点，各种第一数据(例如，加速度数据520)指示用户505的正常运动模式的中断。这里，特定数据模式可以指示用户开始疾跑。此外，速度数据525确认用户的运动模式的中断，并且生物计量数据535指示在用户505遇到追赶者510的时间点之后用户505正在经历增加的生物计量压力。这里，监测设备515例如实时地识别用户跌倒至地面的各种征象，所述征象使用户处于危险中的概率增大(例如，以超过阈值)。此时，监测设备515触发对用于识别/确认用户的情境的第二数据的获取(和相应的分析)。
如上所讨论的，监测设备515可以获取并分析包括地理位置数据、音频数据和/或视频数据的第二数据。这里，音频数据和/或视频数据可以用于确定用户505遇到了追赶者510，而不是参与友好竞赛。在某些实施方式中，可以将对第二数据的一个或更多个分析分流至远程服务器。当所计算的人处于危险中的概率超过某一阈值时，监测设备515发起一个或更多个警报响应，包括向指定联系人自动发送消息、呼叫紧急服务等。在一个实施方式中，当执行器概率超过某一阈值时，监测设备515采集用户505所处的境地。例如，监测设备515可以询问“您有麻烦吗？”，“您需要帮助吗？”，或者被选择以验证用户505需要帮助的另一话语。
图6描绘了根据本公开内容的实施方式的用于使用多种数据类型确定用户风险的方法600。在某些实施方式中，方法600由电子设备105、分析模块135、监测装置200执行、由检测设备415和/或监测设备515执行。可替选地，方法600可以由处理器和并非暂态信号的计算机可读存储介质来执行。这里，计算机可读存储介质存储在处理器上执行以执行方法600的功能的代码。
方法600开始，并且接收605关于用户的第一数据。在一个实施方式中，接收605第一数据包括接收用户的运动数据。在又一实施方式中，接收605第一数据还包括接收用户的生物计量数据。在某些实施方式中，接收605第一数据包括从在电子设备上运行的应用例如健身活动应用、健康监测应用、导航应用等接收数据。
方法600包括使用第一数据确定610用户处于风险中的第一概率。在一个实施方式中，使用第一数据确定610用户处于风险中的第一概率包括计算由运动数据指示的运动模式与基线模式间差异的程度。在另一实施方式中，使用第一数据确定610用户处于风险中的第一概率包括计算生物计量数据是否指示用户压力状态。
方法600包括响应于第一概率超过第一阈值而接收615第二数据，第二数据是与第一数据不同类型的数据。例如，第一数据可以是运动数据、计步器数据和/或生物计量数据，而第二数据可以是位置数据、音频数据和/或图像数据。在某些实施方式中，接收615第二数据包括收集另外的第一数据。
方法600包括使用第二数据确定620用户处于危险中的第二概率。在某些实施方式中，确定620第二概率包括聚合各种第一数据和第二数据、可选地对各种数据进行加权以及使用所聚合的数据(可选地加权)来计算第二概率。
在接收615第二数据包括响应于第一概率超过第一阈值而识别用户的位置的情况下，则确定620第二概率可以包括响应于用户位于较高风险的地理区域中而增大用户处于危险中的概率。在接收615第二数据包括获取音频数据的情况下，则确定620第二概率可以包括分析音频数据以确定用户是否说出预定话语。在接收615第二数据包括获取音频数据和视频数据二者的情况下，则确定620用于处于危险中的第二概率还可以包括针对以下中的一个或更多个来分析音频数据和图像数据：冲突的指示、伤害的指示以及损害的指示。
方法600包括响应于第二概率超过第二阈值而发起625警报。在某些实施方式中，发起625警报包括联系预定联系人和预定设备中之一。在又一实施方式中，发起625警报还包括将第二数据和用户位置数据中的一个或更多个发送至预定联系人或预定设备。在一些实施方式中，发起625警报还包括响应于第二概率超过第二阈值而将第二数据存储至远程存储设备。
图7描绘了根据本公开内容的实施方式的用于使用多种数据类型确定用户风险的方法700。在某些实施方式中，方法700由电子设备105、分析模块135、监测装置200执行、由检测设备415和/或监测设备515执行。可替选地，方法700可以由处理器和并非暂态信号的计算机可读存储介质来执行。这里，计算机可读存储介质存储在处理器上执行以执行方法700的功能的代码。
方法700开始，并且接收705关于用户的第一数据。在一个实施方式中，接收705第一数据包括接收用户的运动数据和/或生物计量数据。在某些实施方式中，接收705第一数据包括从在电子设备上运行的应用例如健身活动应用、健康监测应用等接收数据。在一些实施方式中，接收705第一数据包括从由用户穿戴的可穿戴设备接收运动数据和/或生物计量数据。
方法700包括使用第一数据计算710用户处于风险中的第一概率(P1)。在一个实施方式中，使用第一数据计算710用户处于风险中的第一概率包括计算由运动数据指示的运动模式与基线模式间差异的程度。在另一实施方式中，使用第一数据计算710用户处于风险情境中的第一概率包括基于所接收的生物计量数据来计算用户处于压力状态的可能性。
方法700还包括确定715第一概率(例如，在用户处于风险情境下)是否超过第一阈值。这里，第一阈值对应于用户处于风险情境中的强烈可能性。如果第一概率未超过第一阈值，则方法700继续接收705关于用户的(另外的)第一数据，并且使用(另外接收的)第一数据重新计算710第一概率。另一方面，方法700包括响应于第一概率超过第一阈值而获取720用户的位置数据。
获取720用户的位置数据可以包括接收与用户的位置相对应的坐标例如卫星导航坐标。在某些实施方式中，获取720位置数据可以包括确定坐标是否对应于较高风险的区域、是否是具有较高犯罪率的区域、最近报道的犯罪附近的区域、具有较高事故率的区域和/或最近报道的事故附近的区域。在用户位于风险较高的区域内的情况下，与用户处于危险中相对应的检测到的风险情境存在较高的可能性。
另外地，方法700包括响应于第一概率超过第一阈值而接收725第二数据。这里，第二数据对应于与第一数据的数据类型不同的数据类型。例如，第一数据可以是运动数据和/或生物计量数据，而第二数据可以是音频数据和/或图像数据。在某些实施方式中，接收725第二数据包括收集另外的第一数据。在一个实施方式中，接收725第二数据包括通过激活一个或更多个传感器或数据源来收集第二数据。
方法700包括使用第二数据、(另外的)第一数据和位置数据来计算730用户处于危险中的第二概率。在某些实施方式中，计算730第二概率包括聚合各种第一数据和第二数据、对各种数据进行加权以及使用所聚合的数据计算第二概率。此外，当用户位于风险较高的区域内时，与用户处于危险中相对应的检测到的风险情境存在较高的可能性。
在接收725第二数据包括获取音频数据的情况下，则计算730第二概率可以包括分析音频数据以确定用户是否说出预定话语。在接收725第二数据包括获取音频数据和视频数据二者的情况下，则计算730用户处于危险中的第二概率可以包括针对以下中的一个或更多个来分析音频数据和图像数据：冲突的指示、伤害的指示以及损害的指示。
方法700包括确定735第二概率是否超过第二阈值。在某些实施方式中，第二阈值与第一阈值是不同的值。在其他实施方式中，两个阈值可以是相同的值。如果第二概率超过第二阈值，则方法700发起740警报响应。另一方面，如果第二概率未超过第二阈值，则方法700确定745自第一概率超过第一阈值起是否已经过预定时间量。如果已经过预定的时间量(例如，发生超时)，则方法700返回至接收705关于用户的(另外的)第一数据，并且使用(另外接收的)第一数据重新计算710第一概率。另一方面，如果没有发生超时，则方法700继续获取720用户的位置数据、接收725第二数据以及(重新)计算730第二概率。
响应于第二概率超过第二阈值而发起740警报响应可以包括联系预定联系人和预定设备中之一。在某些实施方式中，发起740警报响应可以包括将第二数据和用户位置数据中的一个或更多个发送至预定联系人或预定设备。在一些实施方式中，发起740警报还包括响应于第二概率超过第二阈值而将第二数据存储至远程存储设备。
可以以其他具体形式来实现实施方式。所描述的实施方式在所有方面被认为仅为说明性的而非限制性的。因此，本发明的范围由所附权利要求书来指示而非由前述描述来指示。落入权利要求书的等同意义和等同范围内的所有变化都包含在权利要求书的范围内。

Claims (19)

1.一种用于确定用户风险的装置，包括：
处理器；
存储器，其存储能够由所述处理器执行以进行以下操作的代码：
从第一组数据源接收关于用户的第一数据，所述第一数据包括运动数据和生物计量数据中至少一种；
使用所述第一数据确定所述用户处于风险中的第一概率；
响应于所述用户处于风险中的第一概率超过第一阈值而激活第二组数据源；
从所述第二组数据源接收关于所述用户的第二数据，所述第二数据是与所述第一数据不同类型的数据，所述第二数据包括音频数据、图像数据和位置数据中至少一种，其中，接收所述第二数据是响应于所述用户处于风险中的第一概率超过所述第一阈值而被触发的；
至少使用所述第二数据确定所述用户处于危险中的第二概率；以及
响应于所述用户处于危险中的第二概率超过第二阈值而发起警报。
2.根据权利要求1所述的装置，其中，响应于所述用户处于危险中的第二概率超过所述第二阈值，所述处理器还将所述第二数据存储至远程存储设备。
3.根据权利要求1所述的装置，其中，响应于所述用户处于风险中的第一概率超过所述第一阈值，所述处理器还识别所述用户的位置，其中，确定所述第二概率包括响应于所述用户位于较高风险的地理区域中而增大所述用户处于危险中的第二概率。
4.根据权利要求1所述的装置，其中，接收所述第一数据包括接收所述用户的运动数据，并且其中，使用所述第一数据确定所述用户处于风险中的第一概率包括计算由所述运动数据指示的运动模式与基线模式间差异的程度。
5.根据权利要求1所述的装置，其中，接收所述第一数据包括接收所述用户的生物计量数据，并且其中，使用所述第一数据确定所述用户处于风险中的第一概率包括基于所述生物计量数据计算所述用户处于压力状态的可能性。
6.根据权利要求1所述的装置，其中，接收所述第二数据包括获取音频数据，并且其中，确定所述用户处于危险中的第二概率包括分析所述音频数据以确定所述用户是否说出预定话语。
7.根据权利要求1所述的装置，其中，接收所述第二数据包括获取图像数据，并且其中，确定所述用户处于危险中的第二概率包括针对冲突的指示、伤害的指示以及损害的指示中的一个或多个来分析所述图像数据。
8.根据权利要求1所述的装置，其中，发起所述警报包括联系预定联系人和/或预定设备。
9.一种用于确定用户风险的方法，包括：
通过使用处理器从第一组数据源接收关于用户的第一数据，所述第一数据包括运动数据和生物计量数据中至少一种；
使用所述第一数据确定所述用户处于风险中的第一概率；
响应于所述用户处于风险中的第一概率超过第一阈值而激活第二组数据源；
从所述第二组数据源接收关于所述用户的第二数据，所述第二数据是与所述第一数据不同类型的数据，所述第二数据包括音频数据、图像数据和位置数据中至少一种，其中，接收所述第二数据是响应于所述用户处于风险中的第一概率超过所述第一阈值而被触发的；
至少基于所述第二数据来确定所述用户处于危险中的第二概率；以及
基于所述第二概率超过第二阈值而发起警报。
10.根据权利要求9所述的方法，还包括：响应于所述用户处于危险中的第二概率超过所述第二阈值而将所述第二数据存储至远程存储设备。
11.根据权利要求9所述的方法，还包括：响应于所述用户处于风险中的第一概率超过所述第一阈值而识别所述用户的位置，其中，确定所述第二概率包括响应于所述用户位于较高风险的地理区域中而增大所述用户处于危险中的第二概率。
12.根据权利要求9所述的方法，其中，接收所述第一数据包括接收所述用户的运动数据，并且其中，使用所述第一数据确定所述用户处于风险中的第一概率包括计算由所述运动数据指示的运动模式与基线模式间差异的程度。
13.根据权利要求12所述的方法，其中，接收所述第一数据还包括接收所述用户的生物计量数据，并且其中，使用所述第一数据确定所述用户处于风险中的第一概率包括基于所述生物计量数据计算所述用户处于压力状态的可能性。
14.根据权利要求9所述的方法，其中，接收所述第二数据包括获取音频数据，并且其中，确定所述用户处于危险中的第二概率包括分析所述音频数据以确定所述用户是否说出预定话语。
15.根据权利要求14所述的方法，其中，接收所述第二数据还包括获取图像数据，并且其中，确定所述用户处于危险中的第二概率还包括针对冲突的指示、伤害的指示以及损害的指示中的一个或多个来分析所述音频数据和所述图像数据。
16.根据权利要求9所述的方法，其中，发起所述警报包括联系预定联系人和/或预定设备。
17.根据权利要求16所述的方法，其中，发起所述警报还包括将所述第二数据和用户位置数据中的一个或多个发送至所述预定联系人和/或所述预定设备。
18.一种设备可读介质，其存储处理器可执行的代码，所述可执行的代码包括用于进行以下操作的代码：
从第一组数据源接收关于用户的第一数据，所述第一数据包括运动数据和生物计量数据中至少一种；
使用所述第一数据确定所述用户处于风险中的第一概率；
响应于所述用户处于风险中的第一概率超过第一阈值而激活第二组数据源；
从所述第二组数据源接收关于所述用户的第二数据，所述第二数据是与所述第一数据不同类型的数据，所述第二数据包括音频数据、图像数据和位置数据中至少一种，其中，接收所述第二数据是响应于所述用户处于风险中的所述第一概率超过所述第一阈值而被触发的；
使用所述第二数据确定所述用户处于危险中的第二概率；以及
响应于所述用户处于危险中的第二概率超过第二阈值而发起警报。
19.根据权利要求18所述的设备可读介质，其中，发起所述警报包括将所述第二数据发送至预定联系人和/或预定设备。
CN201810966476.9A 2017-10-11 2018-08-23 用于确定用户风险的装置、方法及设备可读介质 Active CN109659030B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/730,318 2017-10-11
US15/730,318 US10332378B2 (en) 2017-10-11 2017-10-11 Determining user risk

Publications (2)

Publication Number Publication Date
CN109659030A CN109659030A (zh) 2019-04-19
CN109659030B true CN109659030B (zh) 2024-06-11

Family

ID=65817066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810966476.9A Active CN109659030B (zh) 2017-10-11 2018-08-23 用于确定用户风险的装置、方法及设备可读介质

Country Status (3)

Country Link
US (1) US10332378B2 (zh)
CN (1) CN109659030B (zh)
DE (1) DE102018125023A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3540710A1 (en) * 2018-03-14 2019-09-18 Honda Research Institute Europe GmbH Method for assisting operation of an ego-vehicle, method for assisting other traffic participants and corresponding assistance systems and vehicles
US20200326669A1 (en) * 2019-04-11 2020-10-15 International Business Machines Corporation Auto-adjustable machine functionality using analytics of sensor data
CN112908476B (zh) * 2019-12-04 2023-11-14 苏州中科先进技术研究院有限公司 一种应激障碍的测试训练方法的应用及其测试训练设备
WO2021118570A1 (en) * 2019-12-12 2021-06-17 Google Llc Radar-based monitoring of a fall by a person
WO2021210012A1 (en) * 2020-04-13 2021-10-21 Bhakat Sanjiv System and method for initiation of distress actions
US11546742B2 (en) * 2020-04-24 2023-01-03 Optum Services (Ireland) Limited Programmatically establishing automated communications between computing entities
US11808839B2 (en) 2020-08-11 2023-11-07 Google Llc Initializing sleep tracking on a contactless health tracking device
CN113876316B (zh) * 2021-09-16 2023-10-10 河南翔宇医疗设备股份有限公司 下肢屈伸活动异常检测系统、方法、装置、设备及介质
WO2024011079A1 (en) * 2022-07-07 2024-01-11 Johnson Controls Tyco IP Holdings LLP Method and system to provide alarm risk score analysis and intelligence
CN116649959A (zh) * 2023-05-31 2023-08-29 北京欧应科技有限公司 监测系统、判断佩戴装置定位的方法及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102480481A (zh) * 2010-11-26 2012-05-30 腾讯科技（深圳）有限公司 一种提高产品用户数据安全性的方法及装置
CN103794086A (zh) * 2014-01-26 2014-05-14 浙江吉利控股集团有限公司 一种车辆行驶预警方法
CN104731316A (zh) * 2013-12-18 2015-06-24 联想（新加坡）私人有限公司 基于眼睛跟踪在设备上呈现信息的系统及方法
CN106485871A (zh) * 2015-09-01 2017-03-08 霍尼韦尔国际公司 通过应用统计推断模型来提供误报警的早期预测和预报的系统和方法
CN107004056A (zh) * 2014-12-03 2017-08-01 皇家飞利浦有限公司 用于使用可穿戴设备提供危急护理的方法和系统
CN107038860A (zh) * 2016-11-18 2017-08-11 杭州好好开车科技有限公司 一种基于adas技术及回归模型的用户驾驶行为评分方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7617042B2 (en) * 2006-06-30 2009-11-10 Microsoft Corporation Computing and harnessing inferences about the timing, duration, and nature of motion and cessation of motion with applications to mobile computing and communications
US20130212655A1 (en) * 2006-10-02 2013-08-15 Hector T. Hoyos Efficient prevention fraud
US7792776B2 (en) * 2007-02-26 2010-09-07 International Business Machines Corporation System and method to aid in the identification of individuals and groups with a probability of being distressed or disturbed
JP5121681B2 (ja) * 2008-04-30 2013-01-16 株式会社日立製作所 生体認証システム、認証クライアント端末、及び生体認証方法
US8758262B2 (en) * 2009-11-25 2014-06-24 University Of Rochester Respiratory disease monitoring system
EP2551784A1 (en) * 2011-07-28 2013-01-30 Roche Diagnostics GmbH Method of controlling the display of a dataset
US9199122B2 (en) * 2012-10-09 2015-12-01 Kc Holdings I Personalized avatar responsive to user physical state and context
US20160379323A1 (en) * 2015-06-26 2016-12-29 International Business Machines Corporation Behavioral and exogenous factor analytics based user clustering and migration
US11561126B2 (en) * 2015-11-20 2023-01-24 PhysioWave, Inc. Scale-based user-physiological heuristic systems

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102480481A (zh) * 2010-11-26 2012-05-30 腾讯科技（深圳）有限公司 一种提高产品用户数据安全性的方法及装置
CN104731316A (zh) * 2013-12-18 2015-06-24 联想（新加坡）私人有限公司 基于眼睛跟踪在设备上呈现信息的系统及方法
CN103794086A (zh) * 2014-01-26 2014-05-14 浙江吉利控股集团有限公司 一种车辆行驶预警方法
CN107004056A (zh) * 2014-12-03 2017-08-01 皇家飞利浦有限公司 用于使用可穿戴设备提供危急护理的方法和系统
CN106485871A (zh) * 2015-09-01 2017-03-08 霍尼韦尔国际公司 通过应用统计推断模型来提供误报警的早期预测和预报的系统和方法
CN107038860A (zh) * 2016-11-18 2017-08-11 杭州好好开车科技有限公司 一种基于adas技术及回归模型的用户驾驶行为评分方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Evaluation of radiation dose and risk to the patient from coronary angiography;Harrison D 等;《Internal Medicine Journal》;第28卷(第5期);第597-603页 *
心力衰竭致猝死的心电学和血清学预警及危险性评估;裴娟慧;《中国博士学位论文全文数据库 医药卫生科技辑》(第11期);第E062-21页 *

Also Published As

Publication number Publication date
DE102018125023A1 (de) 2019-04-11
US20190108742A1 (en) 2019-04-11
US10332378B2 (en) 2019-06-25
CN109659030A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109659030B (zh) 用于确定用户风险的装置、方法及设备可读介质
US10741046B2 (en) System for detecting falls and discriminating the severity of falls
US9390612B2 (en) Using audio signals in personal emergency response systems
US9821657B2 (en) Drowsy driver detection
US20180008191A1 (en) Pain management wearable device
US20190057189A1 (en) Alert and Response Integration System, Device, and Process
KR20160054397A (ko) 조기에 위험을 경고하는 방법 및 장치
US10028037B2 (en) Apparatus, method and computer program for enabling information to be provided to a user
KR101797854B1 (ko) 스마트 밴드를 이용하여 낙상을 판단하는 방법 및 시스템
KR20170018140A (ko) 비언어적 음성 인식을 포함하는 응급 상황 진단 방법 및 장치
US10803721B2 (en) Method for supporting a user and user device
KR101609914B1 (ko) 물리적충격 및 심리적충격에 대응한 긴급상황감지방법과 이를 이용한 긴급상황감지장치
WO2018058790A1 (zh) 一种意外摔倒监控方法、系统及终端
US11640756B2 (en) Monitoring a subject
WO2017202839A1 (en) System and method for early detection of transient ischemic attack
JP2018530083A (ja) アラームシステム
JP2023099012A (ja) アラートシステム
WO2016184189A1 (zh) 一种告警方法、可穿戴设备及计算机存储介质
US9968287B2 (en) Monitoring a person for indications of a brain injury
US10229570B2 (en) Technologies for physical assault detection using secure clothing and/or clothing accessories
JP2019022592A (ja) 歩行補助装置及びプログラム
EP3796282A2 (en) Device, system and method for fall detection
US20170372584A1 (en) Providing an alert to a person in a distressed situation
US20230343458A1 (en) Timely detection and response to context-specific health events
CN112447023A (zh) 异常状况的提醒方法、装置以及存储装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant