CN113191191A - 一种基于用户习惯分析的社区疫情管理方法和系统 - Google Patents
一种基于用户习惯分析的社区疫情管理方法和系统 Download PDFInfo
- Publication number
- CN113191191A CN113191191A CN202110310421.4A CN202110310421A CN113191191A CN 113191191 A CN113191191 A CN 113191191A CN 202110310421 A CN202110310421 A CN 202110310421A CN 113191191 A CN113191191 A CN 113191191A
- Authority
- CN
- China
- Prior art keywords
- community
- resident
- information acquisition
- information
- time
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 230000005021 gait Effects 0.000 claims description 15
- 201000010099 disease Diseases 0.000 claims description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 238000000700 time series analysis Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 208000021760 high fever Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Social Psychology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Psychiatry (AREA)
- Economics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供一种基于用户习惯分析的社区疫情管理方法和系统。该方法包括:在社区中设置人体识别系统;人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,获取每位居民的身份属性;人体识别系统识别出社区居民的同时,将居民出现在当前信息采集点的时间和体态信息传输至社区居民数据中心;得到每个居民的社区活动规律;持续采集每个社区居民在各个信息采集点出现的时间和规律,按照指定监测时间周期,拟合出每个居民的当前社区活动曲线;计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果偏离相似度超过指定习惯阈值,则发出告警。本申请通过用户习惯分析提高了社区疫情防控的准确性和效率。
Description
技术领域
本申请涉及用户习惯分析及社区管理领域,尤其涉及一种基于用户习惯分析的社区疫情管理方法和系统。
背景技术
在大规模疫情发生时,社区防控是最基础也是最重要的单元。但是有些社区成员在前往疫区,或是身体已经出现了症状的情况下,担心进行集中医疗管控或是影响个人利益,而不报、瞒报自身行程。另一方面,社区中的疫情管控仍然是通过志愿者进行量体温、入户问询等方式进行,浪费了人力,取得的结果不准确,还有可能让志愿者面临感染的风险。因此,继续一种疫情管理方法及系统,可以智能化地根据用户的社区活动习惯,预测出哪些用户是存在可以线索的,辅助社区疫情防控人员有针对性性地进行疫情管理,降低疫情扩散风险,提高疫情管控效率。
发明内容
有鉴于此,本申请的目的在于提出一种基于用户习惯分析的社区疫情管理方法和系统,提高社区疫情管理的自动化水平,解决目前社区疫情管理过程中智能化水平不高,人工参与依赖性过强,准确度不高等技术问题。
基于上述目的,本申请提出了一种基于用户习惯分析的社区疫情管理方法,包括:
在社区中包括社区楼宇出入口、社区出入口、社区公共区域在内的多个信息采集点设置人体识别系统;所述人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,并通过所述脸部信息在社区居民数据中心进行检索,获取每位居民的身份属性;
所述人体识别系统识别出社区居民的同时,将所述居民出现在当前信息采集点的时间和体态信息传输至所述社区居民数据中心;所述社区居民数据中心按照指定的监测时间周期,对每个居民在各个信息采集点出现的时间、状态信息进行聚类分析,得到每个居民的社区活动规律;
持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线;
计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果所述偏离相似度超过指定习惯阈值,则发出告警。
在一些实施例中,所述方法还包括:
所述社区居民数据中心与疾控信息中心数据库连接,发现所述疾控信息中心数据库返回所在居民需要监控的情况时,发出告警。
在一些实施例中,所述方法还包括:
任一人体识别系统识别社区居民出现非正常生理特征的情况下,发出告警。
在一些实施例中,所述状态信息至少包括:
所述居民的步态特征、穿着特征以及伴随特征。
在一些实施例中,持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线,包括:
对每个信息采集点设置容限时间区间,对于在所述容限时间区间内出现在所述信息采集点的情况,视为在同一时间点出现在所述信息采集点;
以24小时为所述指定监测时间周期,拟合出每个居民在各个时间点出现位置、穿着特征、步态特征以及伴随特征的活动曲线。
在一些实施例中,计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,还包括:
通过时间序列分析算法,在所述指定监测时间周期内指定数量的随机时间点;
计算所述每个随机时间点上所述居民的出现位置、穿着特征、步态特征以及伴随特征与对应社区活动规律的偏离相似度。
在一些实施例中,所述偏离相似度通过以下公式计算:
其中,i为时间点计数,m为时间点个数,fi()为第i个时间点的居民偏离值融合函数,P为所述居民的位置特征值,W为所述居民的穿着特征值,G为所述居民的步态特征值,C为所述居民的伴随特征值。
基于上述目的,本申请还提出了一种基于用户习惯分析的社区疫情管理系统,包括:
构建模块,用于在社区中包括社区楼宇出入口、社区出入口、社区公共区域在内的多个信息采集点设置人体识别系统;所述人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,并通过所述脸部信息在社区居民数据中心进行检索,获取每位居民的身份属性;
聚类模块,用于所述人体识别系统识别出社区居民的同时,将所述居民出现在当前信息采集点的时间和体态信息传输至所述社区居民数据中心;所述社区居民数据中心按照指定的监测时间周期,对每个居民在各个信息采集点出现的时间、状态信息进行聚类分析,得到每个居民的社区活动规律;
拟合模块,用于持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线;
告警模块,用于计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果所述偏离相似度超过指定习惯阈值,则发出告警。
在一些实施例中,所述系统还包括:
连接模块,用于所述社区居民数据中心与疾控信息中心数据库连接,发现所述疾控信息中心数据库返回所在居民需要监控的情况时,发出告警。
生理模块,用于任一人体识别系统识别社区居民出现非正常生理特征的情况下,发出告警。
在一些实施例中,所述拟合模块,包括:
容限单元,用于对每个信息采集点设置容限时间区间,对于在所述容限时间区间内出现在所述信息采集点的情况,视为在同一时间点出现在所述信息采集点;
曲线单元,用于以24小时为所述指定监测时间周期,拟合出每个居民在各个时间点出现位置、穿着特征、步态特征以及伴随特征的活动曲线。
总的来说,本申请的优势及给用户带来的体验在于:能够通过用户习惯分析判断社区居民是否出现异于日常习惯的活动,更加准确的判断是否存在疫情隐患,避免了人工干预,提高了社区疫情防控的准确性和智能性。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本发明公开的一些实施方式,而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的基于用户习惯分析的社区疫情管理方法的流程图。
图2示出根据本发明实施例的基于用户习惯分析的社区疫情管理方法的流程图。
图3示出根据本发明实施例的基于用户习惯分析的社区疫情管理系统的构成图。
图4示出根据本发明实施例的基于用户习惯分析的社区疫情管理系统的构成图。
图5示出根据本发明实施例的拟合模块的构成图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出根据本发明实施例的基于用户习惯分析的社区疫情管理方法的流程图。如图1所示,该基于用户习惯分析的社区疫情管理方法包括:
步骤S11、在社区中包括社区楼宇出入口、社区出入口、社区公共区域在内的多个信息采集点设置人体识别系统;所述人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,并通过所述脸部信息在社区居民数据中心进行检索,获取每位居民的身份属性。
具体来说,设置人体识别系统的位置一般来说应该在社区居民经常出现的区域,例如社区楼宇出入口、社区出入口、社区公共区域等。当在范围比较大的区域时,为了能够全面捕抓社区居民的人体信息,可以按照特定的距离、规律设置多个人体识别系统。
步骤S12、所述人体识别系统识别出社区居民的同时,将所述居民出现在当前信息采集点的时间和体态信息传输至所述社区居民数据中心;所述社区居民数据中心按照指定的监测时间周期,对每个居民在各个信息采集点出现的时间、状态信息进行聚类分析,得到每个居民的社区活动规律。
在一种实施方式中,所述状态信息至少包括:
所述居民的步态特征、穿着特征以及伴随特征。
具体来说,可以通过多种时间周期对居民进行聚类分析,例如每日、每周、每月等。这是因为,每个居民在特定的时间周期内的活动规律是不同的。例如,某居民经常在黄昏的时候在社区中遛弯,但是最近持续几天都躲在家中没有出门,则可以初步判断该居民异于日常习惯,可能存在防疫隐患。
步骤S13、持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线。
在一种实施方式中,持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线,包括:
对每个信息采集点设置容限时间区间,对于在所述容限时间区间内出现在所述信息采集点的情况,视为在同一时间点出现在所述信息采集点;
以24小时为所述指定监测时间周期,拟合出每个居民在各个时间点出现位置、穿着特征、步态特征以及伴随特征的活动曲线。
步骤S14、计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果所述偏离相似度超过指定习惯阈值,则发出告警。
在一种实施方式中,计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,还包括:
通过时间序列分析算法,在所述指定监测时间周期内指定数量的随机时间点;
计算所述每个随机时间点上所述居民的出现位置、穿着特征、步态特征以及伴随特征与对应社区活动规律的偏离相似度。
在一种实施方式中,所述偏离相似度通过以下公式计算:
其中,i为时间点计数,m为时间点个数,fi()为第i个时间点的居民偏离值融合函数,P为所述居民的位置特征值,W为所述居民的穿着特征值,G为所述居民的步态特征值,C为所述居民的伴随特征值。
图2示出根据本发明实施例的基于用户习惯分析的社区疫情管理方法的流程图。如图2所示,该基于用户习惯分析的社区疫情管理方法还包括:
步骤S15、所述社区居民数据中心与疾控信息中心数据库连接,发现所述疾控信息中心数据库返回所在居民需要监控的情况时,发出告警。
具体来说,可以实时与本地区的疾控信息中心取得数据共享,当疾控中心数据库中已经认定居民会对社区防疫造成影响的,可以不需要进行用户习惯分析,直接发出告警提示。
步骤S16、任一人体识别系统识别社区居民出现非正常生理特征的情况下,发出告警。
具体来说,非正常生理特征是指高烧、晕厥、剧烈咳嗽等可能对社区防疫造成影响的人体生理特征。
图3示出根据本发明实施例的基于用户习惯分析的社区疫情管理系统的构成图。如图3所示,该基于用户习惯分析的社区疫情管理系统整体可以分为:
构建模块31,用于在社区中包括社区楼宇出入口、社区出入口、社区公共区域在内的多个信息采集点设置人体识别系统;所述人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,并通过所述脸部信息在社区居民数据中心进行检索,获取每位居民的身份属性;
聚类模块32,用于所述人体识别系统识别出社区居民的同时,将所述居民出现在当前信息采集点的时间和体态信息传输至所述社区居民数据中心;所述社区居民数据中心按照指定的监测时间周期,对每个居民在各个信息采集点出现的时间、状态信息进行聚类分析,得到每个居民的社区活动规律;
拟合模块33,用于持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线;
告警模块34,用于计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果所述偏离相似度超过指定习惯阈值,则发出告警。
图4根据本发明实施例的基于用户习惯分析的社区疫情管理系统的构成图。如图4所示,该基于用户习惯分析的社区疫情管理系统整体还包括:
连接模块35,用于所述社区居民数据中心与疾控信息中心数据库连接,发现所述疾控信息中心数据库返回所在居民需要监控的情况时,发出告警。
生理模块36,用于任一人体识别系统识别社区居民出现非正常生理特征的情况下,发出告警。
图5示出根据本发明实施例的拟合模块的构成图。如图5所示,该拟合模块33包括:
容限单元331,用于对每个信息采集点设置容限时间区间,对于在所述容限时间区间内出现在所述信息采集点的情况,视为在同一时间点出现在所述信息采集点;
曲线单元332,用于以24小时为所述指定监测时间周期,拟合出每个居民在各个时间点出现位置、穿着特征、步态特征以及伴随特征的活动曲线。
本申请实施例各系统中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于用户习惯分析的社区疫情管理方法,其特征在于,包括:
在社区中包括社区楼宇出入口、社区出入口、社区公共区域在内的多个信息采集点设置人体识别系统;所述人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,并通过所述脸部信息在社区居民数据中心进行检索,获取每位居民的身份属性;
所述人体识别系统识别出社区居民的同时,将所述居民出现在当前信息采集点的时间和体态信息传输至所述社区居民数据中心;所述社区居民数据中心按照指定的监测时间周期,对每个居民在各个信息采集点出现的时间、状态信息进行聚类分析,得到每个居民的社区活动规律;
持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线;
计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果所述偏离相似度超过指定习惯阈值,则发出告警。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述社区居民数据中心与疾控信息中心数据库连接,发现所述疾控信息中心数据库返回所在居民需要监控的情况时,发出告警。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
任一人体识别系统识别社区居民出现非正常生理特征的情况下,发出告警。
4.根据权利要求1所述的方法,其特征在于,所述状态信息至少包括:
所述居民的步态特征、穿着特征以及伴随特征。
5.根据权利要求1所述的方法,其特征在于,持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线,包括:
对每个信息采集点设置容限时间区间,对于在所述容限时间区间内出现在所述信息采集点的情况,视为在同一时间点出现在所述信息采集点;
以24小时为所述指定监测时间周期,拟合出每个居民在各个时间点出现位置、穿着特征、步态特征以及伴随特征的活动曲线。
6.根据权利要求1所述的方法,其特征在于,计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,还包括:
通过时间序列分析算法,在所述指定监测时间周期内指定数量的随机时间点;
计算所述每个随机时间点上所述居民的出现位置、穿着特征、步态特征以及伴随特征与对应社区活动规律的偏离相似度。
8.一种基于用户习惯分析的社区疫情管理系统,其特征在于,包括:
构建模块,用于在社区中包括社区楼宇出入口、社区出入口、社区公共区域在内的多个信息采集点设置人体识别系统;所述人体识别系统通过人脸识别技术获得社区中每位居民的脸部信息,并通过所述脸部信息在社区居民数据中心进行检索,获取每位居民的身份属性;
聚类模块,用于所述人体识别系统识别出社区居民的同时,将所述居民出现在当前信息采集点的时间和体态信息传输至所述社区居民数据中心;所述社区居民数据中心按照指定的监测时间周期,对每个居民在各个信息采集点出现的时间、状态信息进行聚类分析,得到每个居民的社区活动规律;
拟合模块,用于持续采集每个社区居民在各个信息采集点出现的时间和规律,按照所述指定监测时间周期,拟合出每个居民的当前社区活动曲线;
告警模块,用于计算每个社区居民的当前社区活动曲线与对应社区活动规律之间的偏离相似度,如果所述偏离相似度超过指定习惯阈值,则发出告警。
9.根据权利要求8所述的系统,其特征在于,所述系统还包括:
连接模块,用于所述社区居民数据中心与疾控信息中心数据库连接,发现所述疾控信息中心数据库返回所在居民需要监控的情况时,发出告警;
生理模块,用于任一人体识别系统识别社区居民出现非正常生理特征的情况下,发出告警。
10.根据权利要求8所述的系统,其特征在于,所述拟合模块,包括:
容限单元,用于对每个信息采集点设置容限时间区间,对于在所述容限时间区间内出现在所述信息采集点的情况,视为在同一时间点出现在所述信息采集点;
曲线单元,用于以24小时为所述指定监测时间周期,拟合出每个居民在各个时间点出现位置、穿着特征、步态特征以及伴随特征的活动曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110310421.4A CN113191191B (zh) | 2021-03-23 | 2021-03-23 | 一种基于用户习惯分析的社区疫情管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110310421.4A CN113191191B (zh) | 2021-03-23 | 2021-03-23 | 一种基于用户习惯分析的社区疫情管理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191191A true CN113191191A (zh) | 2021-07-30 |
CN113191191B CN113191191B (zh) | 2023-08-18 |
Family
ID=76973676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110310421.4A Active CN113191191B (zh) | 2021-03-23 | 2021-03-23 | 一种基于用户习惯分析的社区疫情管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191191B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994341A (zh) * | 2022-05-25 | 2022-09-02 | 未来链上(北京)数字科技有限公司 | 一种基于新冠抗原自测的全民抗疫系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229712A (zh) * | 2017-05-27 | 2017-10-03 | 中南大学 | 一种面向公共安全事件信息获取的时空聚类方法 |
CN108320256A (zh) * | 2017-12-08 | 2018-07-24 | 中国电子科技集团公司电子科学研究院 | 基于大数据的社会安全事件识别方法、设备及存储介质 |
CN109598661A (zh) * | 2017-09-30 | 2019-04-09 | 河南星云慧通信技术有限公司 | 基于人脸识别的智慧社区安防系统及检测方法 |
CN110334564A (zh) * | 2019-03-18 | 2019-10-15 | 特斯联(北京)科技有限公司 | 一种基于目标跟踪的常住人口识别方法和系统 |
CN110334563A (zh) * | 2019-03-18 | 2019-10-15 | 特斯联(北京)科技有限公司 | 一种基于大数据的社区安全管理方法和系统 |
CN110910606A (zh) * | 2019-10-10 | 2020-03-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标跟踪的儿童防走失方法和系统 |
CN112132041A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种基于计算机视觉的社区巡更分析方法及其系统 |
-
2021
- 2021-03-23 CN CN202110310421.4A patent/CN113191191B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229712A (zh) * | 2017-05-27 | 2017-10-03 | 中南大学 | 一种面向公共安全事件信息获取的时空聚类方法 |
CN109598661A (zh) * | 2017-09-30 | 2019-04-09 | 河南星云慧通信技术有限公司 | 基于人脸识别的智慧社区安防系统及检测方法 |
CN108320256A (zh) * | 2017-12-08 | 2018-07-24 | 中国电子科技集团公司电子科学研究院 | 基于大数据的社会安全事件识别方法、设备及存储介质 |
CN110334564A (zh) * | 2019-03-18 | 2019-10-15 | 特斯联(北京)科技有限公司 | 一种基于目标跟踪的常住人口识别方法和系统 |
CN110334563A (zh) * | 2019-03-18 | 2019-10-15 | 特斯联(北京)科技有限公司 | 一种基于大数据的社区安全管理方法和系统 |
CN110910606A (zh) * | 2019-10-10 | 2020-03-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标跟踪的儿童防走失方法和系统 |
CN112132041A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种基于计算机视觉的社区巡更分析方法及其系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994341A (zh) * | 2022-05-25 | 2022-09-02 | 未来链上(北京)数字科技有限公司 | 一种基于新冠抗原自测的全民抗疫系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113191191B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109009017B (zh) | 一种智能健康监测系统及其数据处理方法 | |
US9408561B2 (en) | Activity analysis, fall detection and risk assessment systems and methods | |
CN108597605B (zh) | 一种个人健康生活大数据采集与分析系统 | |
CN110334564B (zh) | 一种基于目标跟踪的常住人口识别方法和系统 | |
CN204336890U (zh) | 用于健康管理的皮肤病筛查系统 | |
CN114518143A (zh) | 一种智能环境感知系统 | |
CN110926655A (zh) | 基于可穿戴体温传感器的疫情监控方法和系统 | |
JP2021517504A (ja) | 複数の信号を処理するためのシステムおよび方法 | |
Kim et al. | Saliency detection analysis of collective physiological responses of pedestrians to evaluate neighborhood built environments | |
CN111081379A (zh) | 一种疾病概率决策方法及其系统 | |
CN109119172B (zh) | 一种基于蜂群算法的人体行为检测方法 | |
CN111161820B (zh) | 一种口腔健康管理系统 | |
CN113191191A (zh) | 一种基于用户习惯分析的社区疫情管理方法和系统 | |
CN115662631A (zh) | 基于ai智能判别的养老院管理系统 | |
CN115414044A (zh) | 一种基于脑电分析的人体精神状态管理系统、方法及设备 | |
CN114758786A (zh) | 基于无创参数的创伤后失血性休克动态早期预警系统 | |
CN117594253B (zh) | 基于智能监测设备的人员健康预警方法及系统 | |
CN105593860A (zh) | 患者健康状态复合评分分布和/或基于其的代表性复合评分 | |
CN110495896B (zh) | 一种基于gprs通讯的可穿戴式膝关节监测装置及监测方法 | |
Kalogiannis et al. | Geriatric group analysis by clustering non-linearly embedded multi-sensor data | |
CN116523681A (zh) | 电动汽车的负荷分解方法、装置、电子设备及存储介质 | |
CN115063752A (zh) | 一种基于uwb定位的视频追踪预警方法及系统 | |
CN110969209B (zh) | 一种陌生人识别方法、装置、电子设备及存储介质 | |
Štrobl et al. | Methods for automatic estimation of the number of clusters for K-means algorithm used on eeg signal: feasibility study | |
CN114743690A (zh) | 传染病的预警方法、装置、介质及电子设备 |
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 | ||
GR01 | Patent grant |