CN116741414B - 一种异常情绪的智能缓解方法及系统 - Google Patents
一种异常情绪的智能缓解方法及系统 Download PDFInfo
- Publication number
- CN116741414B CN116741414B CN202311016537.2A CN202311016537A CN116741414B CN 116741414 B CN116741414 B CN 116741414B CN 202311016537 A CN202311016537 A CN 202311016537A CN 116741414 B CN116741414 B CN 116741414B
- Authority
- CN
- China
- Prior art keywords
- type
- personnel
- monitored object
- monitored
- condition
- 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
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 87
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 238000012216 screening Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013068 control sample Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种异常情绪的智能缓解方法及系统，属于智能监护管理技术领域。所述方法包括：在监测到被监护对象的情绪存在异常时，获取第一监护区域内的第一类型人员的第一状态信息；若第一状态信息满足第一条件，则调度第一类型人员前往被监护对象所处区域，并对被监护对象的异常情绪进行处置；若第一状态信息不满足第一条件，则确定出若干第二类型人员，并调度第二类型人员前往被监护对象所处区域。本发明根据第一类型人员的实际状态情况，选择使用不同的异常情绪缓解策略，从而实现对被监护对象的异常情绪进行及时响应和处理。
Description
技术领域
本发明涉及智能监护管理技术领域，具体而言，涉及一种异常情绪的智能缓解方法、系统、电子设备及计算机存储介质。
背景技术
在对某些有精神疾病或缺陷的人士进行自动化、智能化的监护，是目前的研究热点。现有方式中，在识别到被监护对象存在异常情绪时，会调度相关的监护人员前往进行处置，从而通过相关医护措施来稳定被监护对象的异常情绪。但是，在监护场所较大、被监护对象数量较大时，难以调度监护人员及时到达存在异常情绪的被监护对象所处的区域，导致被监护对象的情绪难以得到缓解，容易导致被监护对象自身发生严重后果，甚至对周围的其他人员也产生一定的不利影响甚至威胁。本发明的方案即旨在解决上述现有技术存在的技术缺陷。
发明内容
为解决上述技术问题至少之一，本发明具体提供了一种异常情绪的智能缓解方法、系统、电子设备及计算机存储介质。
本发明的第一方面提供了一种异常情绪的智能缓解方法，包括如下步骤：
在监测到被监护对象的情绪存在异常时，获取第一监护区域内的第一类型人员的第一状态信息；
若所述第一状态信息满足第一条件，则调度所述第一类型人员前往所述被监护对象所处区域，并对所述被监护对象的异常情绪进行处置；
若所述第一状态信息不满足第一条件，则确定出若干第二类型人员，并调度所述第二类型人员前往所述被监护对象所处区域。
进一步地，所述获取第一监护区域内的第一类型人员的第一状态信息，包括：
对所述被监护对象的异常情绪进行分类，根据分类结果确定所述第一监护区域的范围；
获取所述第一监护区域内的各所述第一类型人员的所述第一状态信息。
进一步地，所述根据分类结果确定所述第一监护区域的范围，包括：
确定所述分类结果中涉及的若干分类结果要素，采用AI预测模型对各所述分类结果要素进行综合分析，预测得出与所述异常情绪对应的对照指标；
根据所述对照指标的大小确定所述第一监护区域的范围。
进一步地，所述若所述第一状态信息满足第一条件，则调度所述第一类型人员前往所述被监护对象所处区域，包括：
将各所述第一类型人员的所述第一状态信息与所述第一条件中的各条件要素逐一进行匹配计算，若至少一个所述第一类型人员的匹配计算结果均达标，则判定所述第一状态信息满足所述第一条件；
从满足所述第一条件的第一数量的所述第一类型人员中筛选出第二数量的所述第一类型人员，调度所述第二数量的所述第一类型人员前往所述被监护对象所处区域。
进一步地，所述从满足所述第一条件的第一数量的所述第一类型人员中筛选出第二数量的所述第一类型人员，包括：
根据各所述条件要素从所述第一数量的所述第一类型人员中筛选出第三数量的所述第一类型人员；
获取所述被监护对象所处第二监护区域内的其他被监护对象的监测数据，根据所述监测数据计算得出所述第二监护区域内的监护需求值，根据所述监护需求值从所述第三数量的所述第一类型人员中进一步筛选得出第二数量的所述第一类型人员。
进一步地，所述若所述第一状态不满足第一条件，则确定出若干第二类型人员，包括：
若全部所述第一类型人员的匹配计算结果均不达标，则判定所述第一状态信息不满足所述第一条件；
调取与所述被监护对象关联的历史记录数据，根据所述历史记录数据确定出第四数量的所述第二类型人员；
从所述第四数量的所述第二类型人员中筛选出满足第二条件的第五数量的所述第二类型人员。
进一步地，所述调取与所述被监护对象关联的历史记录数据，根据所述历史记录数据确定出第四数量的所述第二类型人员，包括：
根据所述被监护对象的被监护时长调取对应数量的所述历史记录数据，对所述历史记录数据进行分析确定出第四数量的高频关联人员，将各所述高频关联人员作为所述第二类型人员。
本发明的第二方面提供了一种异常情绪的智能缓解系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；
所述存储模块，用于存储可执行的计算机程序代码；
所述获取模块，用于获取被监护对象的情绪监测数据，以及与所述被监护对象关联的第一类型人员和第二类型人员的数据，并传输给所述处理模块；
所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
本发明的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。
本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
本发明的有益效果在于：
本发明根据第一类型人员的实际状态情况，选择使用不同的异常情绪缓解策略，从而实现对被监护对象的异常情绪进行及时响应和处理。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例公开的一种异常情绪的智能缓解方法的结构示意图。
图2是本发明实施例公开的一种异常情绪的智能缓解系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
参阅图1所示流程示意图，本发明实施例提供了一种异常情绪的智能缓解方法，包括如下步骤：
在监测到被监护对象的情绪存在异常时，获取第一监护区域内的第一类型人员的第一状态信息；
若所述第一状态信息满足第一条件，则调度所述第一类型人员前往所述被监护对象所处区域，并对所述被监护对象的异常情绪进行处置；
若所述第一状态信息不满足第一条件，则确定出若干第二类型人员，并调度所述第二类型人员前往所述被监护对象所处区域。
参照前述背景技术所记载的内容，现有的监护方式只能做到初级自动化、智能化，一般是对被监护对象的异常情绪进行监测识别，在监测到异常情绪之后，只能向监护人员进行报警，进而调度附近的或指定的监护人员前来处置。但是，在监护场所较大、被监护对象数量较大时，实际上很难做到及时调度监护人员到达存在异常情绪的被监护对象处，导致对被监护对象的异常情绪的处置效率较差，不能满足智能化监护的要求。
针对上述技术问题，本发明在监测到被监护对象的异常情绪之后，获取具有主动的专业情绪缓解能力的第一类型人员的状态信息，在该状态信息满足指定条件时，可以直接调度该第一类型人员前来处置，以直接缓解被监护对象的异常情绪；在该状态信息不满足指定条件时，则进一步调度有利于缓解被监护对象的异常情绪的第二类型人员前往该被监护对象所处区域，以实现间接缓解被监护对象的异常情绪，而且也有利于为第一类型人员的赶到提供时间。于是，本发明根据第一类型人员的实际状态情况，选择使用不同的异常情绪缓解策略，从而实现对被监护对象的异常情绪进行及时响应和处理。
其中，第一类型人员可以是监护机构、社区等各种类型的监护区域内专门配置的医护人员、心理医生及其他管理人员等具备情绪缓解专业技能的人士。第二类型人员指的是与特定被监护对象具有特定关系的人士，如与被监护对象具有亲密关系的其它被监护对象，被监护对象的家人、朋友，导致被监护对象出现情绪异常的相关当事人，与被监护对象的某些特定需求或爱好相关的人士，等等。第二类型人员通常不具备情绪缓解的专业能力，但由于其与被监护对象具有的特殊关系，导致其在到达被监护对象所处区域之后，对被监护对象的异常情绪有着间接的缓解作用。本发明实际上正是利用该特性来解决常规监护人员无法及时赶到或在赶到前的被监护对象的情绪缓解问题。
需要说明的是，本发明中对被监护对象异常情绪的监测识别可采用现有方式，如通过被监护对象佩戴的智能可穿戴设备采集被监护对象的生理信号（如心率、血压、皮肤电信号、体温等），通过相关识别算法识别异常情绪；或者，通过配置于监护区域内的监控探头（优选配置红外热成像功能摄像头，可采集被监护对象的体温），对被监护对象的面部表情、行为举止等进行实时分析，并对是否存在异常情绪做出判断，等等。由于上述异常情绪的识别方式已经较为成熟，本发明不在此赘述其实施细节。
以及，本发明中涉及的监护区域既可以是具有围墙等限制性边界的专门医疗机构、监护机构，也可以是不具有明显限制性边界的社区、街道、乡村区域等。
进一步地，所述获取第一监护区域内的第一类型人员的第一状态信息，包括：
对所述被监护对象的异常情绪进行分类，根据分类结果确定所述第一监护区域的范围；
获取所述第一监护区域内的各所述第一类型人员的所述第一状态信息。
在本实施例中，本发明先对被监护对象的异常情绪进行相关分类处理，从而可以确定该异常情绪所属的异常类别、异常程度、可能产生的危害等，该分类可采用常规的分类算法或者基于深度学习的分类模型实现，具体实现细节不再赘述。根据涉及上述内容至少之一的分类结果，可以确定出第一监护区域的范围大小，例如若被监护对象的异常情绪的分类结果越恶劣，则可设置第一监护区域的范围越小，这样可以调度近距离内的第一类型人员，而第一类型人员可以更快到达；若被监护对象的异常情绪的分类结果越良好，则可设置第一监护区域的范围越大，这样可以在更大范围内筛选第一类型人员，有利于将对缓解该异常情绪最有利的第一类型人员调度至此，这对被监护对象的异常情绪的缓解更为有利。本发明通过调节上述第一监护区域的范围来调节不同的第一类型人员的筛选策略，从而实现了上述两个方面的技术效果的平衡。
进一步地，所述根据分类结果确定所述第一监护区域的范围，包括：
确定所述分类结果中涉及的若干分类结果要素，采用AI预测模型对各所述分类结果要素进行综合分析，预测得出与所述异常情绪对应的对照指标；
根据所述对照指标的大小确定所述第一监护区域的范围。
在本实施例中，分类结果中包含异常类别、异常程度、可能产生的危害等分类结果要素，其中，异常类别包括动态异常、静态异常、发病异常等，异常程度包括Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级等，可能产生的危害包括疾病诱发、伤人或自伤、毁物等。上述各分类结果要素可按照下表1进行对应：
表1 分类结果要素对照样表
需要说明的是，上述表1仅用于举例说明，而非限定本发明中涉及的异常类别、异常程度、可能产生的危害仅包括上述内容及组合，而且异常程度也不仅基于行为动作、面部表情进行表征，还可以根据检测到的生理信号来分析。
本发明中涉及的上述对照指标，是用于表征异常情绪的严重/急迫程度的评估数值，其与上述多种分类结果要素是同时关联的，也就是说，在不同的异常类别、不同的异常程度、不同的可能产生的危害等具体情况下，可以得出不同数值大小的对照指标。但是，由于不同的异常情绪在不同对象、时机、场所等具体情况下的症状表现是存在较大差异的，难以通过对照表格的形式进行详细的预先确定。针对于此，本发明优选采用AI算法构建预测模型，将所述多种分类结果要素输入至经过训练的AI预测模型，AI预测模型即可对多种分类结果要素进行综合分析，从而得出对应数值大小的对照指标，即确定出被监护对象当前的若干分类结果要素所对应的异常情绪的严重/急迫程度，再根据对照指标的大小即可按照负相关函数关系确定出第一监护区域的大小。
进一步地，所述若所述第一状态信息满足第一条件，则调度所述第一类型人员前往所述被监护对象所处区域，包括：
将各所述第一类型人员的所述第一状态信息与所述第一条件中的各条件要素逐一进行匹配计算，若至少一个所述第一类型人员的匹配计算结果均达标，则判定所述第一状态信息满足所述第一条件；
从满足所述第一条件的第一数量的所述第一类型人员中筛选出第二数量的所述第一类型人员，调度所述第二数量的所述第一类型人员前往所述被监护对象所处区域。
在本实施例中，第一条件中包括多个条件要素，如位置、专业能力、空闲状态等，根据位置可以计算出第一类型人员距离该被监护对象的实际距离（非直线距离），根据专业能力可以评估该第一类型人员对于该被监护对象的异常情绪的处置能力，根据空闲状态可以判断该第一类型人员是否能够及时前往进行处置。于是，在实际距离适宜、专业能力匹配且当前处于空闲状态时，可认定该第一类型人员满足第一条件，即可以作为该被监护对象的处置人员的候选。当然，第一条件还可以包括其它条件要素，如专业等级（职称、业务评级）、专业能力的具备时长、处置经验丰富值等，本发明并不对此进行限制。
同时，在满足条件的第一类型人员较多时，可以进一步进行挑选，以调度适宜数量的人员前往处置，从而提升监护人员的整体监护效率。
进一步地，所述从满足所述第一条件的第一数量的所述第一类型人员中筛选出第二数量的所述第一类型人员，包括：
根据各所述条件要素从所述第一数量的所述第一类型人员中筛选出第三数量的所述第一类型人员；
获取所述被监护对象所处第二监护区域内的其他被监护对象的监测数据，根据所述监测数据计算得出所述第二监护区域内的监护需求值，根据所述监护需求值从所述第三数量的所述第一类型人员中进一步筛选得出第二数量的所述第一类型人员。
在本实施例中，本发明对第二数量的第一类型人员的筛选主要分为两部分。首先，根据前述的各条件要素对第一数量的第一类型人员进行综合排序，将排序在前的第三数量的第一类型人员作为备选，这些人员对于该被监护对象的异常情绪的处置具有较高的适配度，例如距离合适、专业能力对口。然后，再对被监护对象所处的第二监护区域（第二监护区域与第一监护区域均是监护区域的一部分）内的其他被监护对象的监测数据进行综合分析，可以预测得出该第二监护区域内在处置该被监护对象期间出现情绪异常的人员的数量、各自的异常程度等信息，据此得到对应的监护需求值。若监护需求值越大，则可以将第三数量中的更多数量的第二数量的第一类型人员调度前往该被监护对象所处的第二监护区域，反之则调度更少数量的第二数量的第一类型人员前往该被监护对象所处的第二监护区域。这样，一方面可以充分保障该被监护对象得到更多数量的专业人员的处置，另一方面，由于第二监护区域内的预测监护需求也较大，将具有适度冗余的第一类型人员调度至此之后，也不会导致监护人员资源的浪费，而且可能更有利于对第二监护区域内的其它被监护对象的高效处置。
进一步地，所述若所述第一状态不满足第一条件，则确定出若干第二类型人员，包括：
若全部所述第一类型人员的匹配计算结果均不达标，则判定所述第一状态信息不满足所述第一条件；
调取与所述被监护对象关联的历史记录数据，根据所述历史记录数据确定出第四数量的所述第二类型人员；
从所述第四数量的所述第二类型人员中筛选出满足第二条件的第五数量的所述第二类型人员。
在本实施例中，在具备情绪缓解专业技能的人士均不适配于该被监护对象时，可以调度不具备情绪缓解专业技能的特定关系人士前往被监护对象所处区域，通过这些特定关系人员与情绪异常的被监护对象共处和非专业性交谈、沟通等，可以间接实现对被监护对象情绪异常的缓解，同时可以为具备情绪缓解专业技能的人士的到达争取更多时间，从而提升监护处置效果。
对于第二类型人员的调度可以通过智能可穿戴设备、移动终端以及监护区域内的相关门禁的开关状态的调整等来实现。例如，在第二类型人员是被监护对象的具有亲密关系的其它被监护对象时，可以通过智能可穿戴设备/移动终端来通知该其它被监护对象起作息活动发生改变，指示其可前往该被监护对象所处的区域，或者，直接调整监护区域内的相关门禁的开关状态，使得该其它被监护对象被动的只能到达该被监护对象所处的区域，从而促成二者处于同一区域。在第二类型人员是被监护对象的家人、朋友时，可以通过智能可穿戴设备/移动终端来通知该家人、朋友前往该被监护对象所处的区域，这十分适用于那些不具有明显限制性边界的监护区域，因为家人、朋友相比于专业监护人员距离被监护对象更近。
当然，在对第二类型人员进行调度时也应当考虑被监护对象的异常类别、异常程度、可能产生的危害等分类结果要素，综合评估其威胁度，在威胁度较高时，应当对第二类型人员的被调度位置做出限制，将第二类型人员调度至被监护对象所处区域中的安全区域（例如预先建设的具有玻璃分隔区域的会谈屋），这样既可以使二者进行沟通、交谈等，又不能直接接触，从而降低一定的风险。
进一步地，所述调取与所述被监护对象关联的历史记录数据，根据所述历史记录数据确定出第四数量的所述第二类型人员，包括：
根据所述被监护对象的被监护时长调取对应数量的所述历史记录数据，对所述历史记录数据进行分析确定出第四数量的高频关联人员，将各所述高频关联人员作为所述第二类型人员。
在本实施例中，对历史记录数据进行如统计分析可以确定出高频关联人员，这些人员在被监护对象的被监护期间高频出现，说明其与被监护对象具有较大的关联性。这种关联性主要体现在陪同、监护原因，陪同主要反映该高频关联人员是被监护对象的监护人、朋友等关系密切人员，而监护原因则主要反映该高频关联人员是导致被监护对象处于被监护状态的主要人员。历史记录数据包括各阶段对被监护对象的诊疗记录、医护人员或监护人附加的涉及监护原因的备注内容等。
其中，上述备注内容可以涉及被监护对象在监护区域内的人员关系情况，例如监护对象A、B、C之间关系紧密，这些数据可以通过监护区域内的监控设施获取分析到，在分析到监护对象B的出现有效缓解了监护对象A的情绪异常程度时，该监护数据更有有用，可提升其使用优先级。
另外，在被监护对象的被监护时长越长时，说明其情绪异常的原因可能更复杂，无法准确确定本次情绪异常是早期人员/事件导致还是近期人员/事件导致，或者是早期事件的关联人员还是近期事件的关联人员对于本次的情绪异常具有更佳的间接缓解作用。所以，本发明设置根据被监护对象的被监护时长调取对应数量的历史记录数据，具体地，被监护对象的被监护时长越长，则调取的历史记录数据越多，反之则越少。
另外，对于第二类型人员的细筛部分，可采用如下方式：
所述从所述第四数量的所述第二类型人员中筛选出满足第二条件的第五数量的所述第二类型人员，包括：
对异常情绪的所述分类结果与所述历史记录数据进行匹配计算；
若匹配计算结果不为零，则将匹配计算结果对应的所述高频关联人员作为所述第二类型人员；
若匹配计算结果为零，则将所述高频关联人员按照频度进行排序，并将排序在前的第五数量的所述高频关联人员作为所述第二类型人员。
高频关联人员可能是监护人、朋友等，也可能是其他被监护对象。但是，监护人、朋友等可能并不经常处于监护区域内，而其他被监护对象处于监护区域内的概率更大。所以，本发明先分析历史记录数据中是否记录了对于间接缓解被监护对象的异常情绪有益的其他被监护对象，如果有的话，优先调度这类人员前往被监护对象所处区域，因为这类人员通常比监护人、朋友等更靠近被监护对象。如果没有，则可以将历史记录数据中高频关联人员中高频度在前的一些人员作为第二类型人员，其中的第五数量可以根据异常情绪对应的对照指标的大小来确定，对照指标越大，则第五数量越大，即通过调度更多的第二类人员来提升间接缓解的成功率；反之则越小。
当然，在筛选出第五数量的高频关联人员时，至少还应当考虑这些高频关联人员的与被监护对象的距离，将距离过大的高频关联人员滤除。
如图2所示，本发明实施例的一种异常情绪的智能缓解系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；
所述存储模块，用于存储可执行的计算机程序代码；
所述获取模块，用于获取被监护对象的情绪监测数据，以及与所述被监护对象关联的第一类型人员和第二类型人员的数据，并传输给所述处理模块；
所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
本发明实施例还公开了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前述实施例所述的方法。
本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如前述实施例所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程负载均衡装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、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或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (8)
1.一种异常情绪的智能缓解方法，其特征在于，包括如下步骤：
在监测到被监护对象的情绪存在异常时，获取第一监护区域内的第一类型人员的第一状态信息；
若所述第一状态信息满足第一条件，则调度所述第一类型人员前往所述被监护对象所处区域，并对所述被监护对象的异常情绪进行处置；
若所述第一状态信息不满足第一条件，则确定出若干第二类型人员，并调度所述第二类型人员前往所述被监护对象所处区域；
其中，所述获取第一监护区域内的第一类型人员的第一状态信息，包括：
对所述被监护对象的异常情绪进行分类，根据分类结果确定所述第一监护区域的范围；
获取所述第一监护区域内的各所述第一类型人员的所述第一状态信息；
其中，所述根据分类结果确定所述第一监护区域的范围，包括：
确定所述分类结果中涉及的若干分类结果要素，采用AI预测模型对各所述分类结果要素进行综合分析，预测得出与所述异常情绪对应的对照指标；
根据所述对照指标的大小确定所述第一监护区域的范围。
2.根据权利要求1所述的一种异常情绪的智能缓解方法，其特征在于：所述若所述第一状态信息满足第一条件，则调度所述第一类型人员前往所述被监护对象所处区域，包括：
将各所述第一类型人员的所述第一状态信息与所述第一条件中的各条件要素逐一进行匹配计算，若至少一个所述第一类型人员的匹配计算结果均达标，则判定所述第一状态信息满足所述第一条件；
从满足所述第一条件的第一数量的所述第一类型人员中筛选出第二数量的所述第一类型人员，调度所述第二数量的所述第一类型人员前往所述被监护对象所处区域。
3.根据权利要求2所述的一种异常情绪的智能缓解方法，其特征在于：所述从满足所述第一条件的第一数量的所述第一类型人员中筛选出第二数量的所述第一类型人员，包括：
根据各所述条件要素从所述第一数量的所述第一类型人员中筛选出第三数量的所述第一类型人员；
获取所述被监护对象所处第二监护区域内的其他被监护对象的监测数据，根据所述监测数据计算得出所述第二监护区域内的监护需求值，根据所述监护需求值从所述第三数量的所述第一类型人员中进一步筛选得出第二数量的所述第一类型人员。
4.根据权利要求1所述的一种异常情绪的智能缓解方法，其特征在于：所述若所述第一状态不满足第一条件，则确定出若干第二类型人员，包括：
若全部所述第一类型人员的匹配计算结果均不达标，则判定所述第一状态信息不满足所述第一条件；
调取与所述被监护对象关联的历史记录数据，根据所述历史记录数据确定出第四数量的所述第二类型人员；
从所述第四数量的所述第二类型人员中筛选出满足第二条件的第五数量的所述第二类型人员。
5.根据权利要求4所述的一种异常情绪的智能缓解方法，其特征在于：所述调取与所述被监护对象关联的历史记录数据，根据所述历史记录数据确定出第四数量的所述第二类型人员，包括：
根据所述被监护对象的被监护时长调取对应数量的所述历史记录数据，对所述历史记录数据进行分析确定出第四数量的高频关联人员，将各所述高频关联人员作为所述第二类型人员。
6.一种异常情绪的智能缓解系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；
所述存储模块，用于存储可执行的计算机程序代码；
所述获取模块，用于获取被监护对象的情绪监测数据，以及与所述被监护对象关联的第一类型人员和第二类型人员的数据，并传输给所述处理模块；
其特征在于：所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如权利要求1-5任一项所述的方法。
7.一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；其特征在于：所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-5任一项所述的方法。
8.一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311016537.2A CN116741414B (zh) | 2023-08-14 | 2023-08-14 | 一种异常情绪的智能缓解方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311016537.2A CN116741414B (zh) | 2023-08-14 | 2023-08-14 | 一种异常情绪的智能缓解方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116741414A CN116741414A (zh) | 2023-09-12 |
| CN116741414B true CN116741414B (zh) | 2023-11-03 |
Family
ID=87904756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311016537.2A Active CN116741414B (zh) | 2023-08-14 | 2023-08-14 | 一种异常情绪的智能缓解方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116741414B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130032999A (ko) * | 2011-09-26 | 2013-04-03 | 세명대학교 산학협력단 | 지능적 이동통신 단말을 이용한 우울증 방지 시스템 및 우울증 방지 방법 |
| CN104757939A (zh) * | 2015-04-06 | 2015-07-08 | 何涛 | 一种远距离的监护方法和系统及其监控设备 |
| CN106777954A (zh) * | 2016-12-09 | 2017-05-31 | 电子科技大学 | 一种空巢老人健康的智能监护系统及方法 |
| CN107958705A (zh) * | 2018-01-11 | 2018-04-24 | 中山市甘露春天健康管理服务有限公司 | 一种精神疾病监控管理系统 |
| CN109394247A (zh) * | 2018-06-08 | 2019-03-01 | 青岛大学附属医院 | 一种多特征融合的就诊用户情绪监控方法 |
| CN109460749A (zh) * | 2018-12-18 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 患者监护方法、装置、计算机设备和存储介质 |
| KR102196490B1 (ko) * | 2020-05-06 | 2020-12-30 | 주식회사 서큘러스 | 인터렉션 로봇 및 사용자 정서 케어를 위한 인터렉션 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9934363B1 (en) * | 2016-09-12 | 2018-04-03 | International Business Machines Corporation | Automatically assessing the mental state of a user via drawing pattern detection and machine learning |
| US10796548B2 (en) * | 2018-12-28 | 2020-10-06 | Intel Corporation | Management of guardianship of an entity including via elastic boundaries |
| KR102567872B1 (ko) * | 2021-09-30 | 2023-08-17 | 연세대학교 산학협력단 | 병원에서 환자들에 대한 모니터링 및 의료 자원 관리를 수행하기 위한 로봇 및 그 동작 방법 |
-
2023
- 2023-08-14 CN CN202311016537.2A patent/CN116741414B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130032999A (ko) * | 2011-09-26 | 2013-04-03 | 세명대학교 산학협력단 | 지능적 이동통신 단말을 이용한 우울증 방지 시스템 및 우울증 방지 방법 |
| CN104757939A (zh) * | 2015-04-06 | 2015-07-08 | 何涛 | 一种远距离的监护方法和系统及其监控设备 |
| CN106777954A (zh) * | 2016-12-09 | 2017-05-31 | 电子科技大学 | 一种空巢老人健康的智能监护系统及方法 |
| CN107958705A (zh) * | 2018-01-11 | 2018-04-24 | 中山市甘露春天健康管理服务有限公司 | 一种精神疾病监控管理系统 |
| CN109394247A (zh) * | 2018-06-08 | 2019-03-01 | 青岛大学附属医院 | 一种多特征融合的就诊用户情绪监控方法 |
| CN109460749A (zh) * | 2018-12-18 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 患者监护方法、装置、计算机设备和存储介质 |
| KR102196490B1 (ko) * | 2020-05-06 | 2020-12-30 | 주식회사 서큘러스 | 인터렉션 로봇 및 사용자 정서 케어를 위한 인터렉션 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116741414A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rahman et al. | An intelligent health monitoring and diagnosis system based on the internet of things and fuzzy logic for cardiac arrhythmia COVID-19 patients | |
| US11923094B2 (en) | Monitoring predictive models | |
| US9861308B2 (en) | Method and system for monitoring stress conditions | |
| US20230386670A1 (en) | Method and system for recommending treatment plans, preventive actions, and preparedness actions | |
| US11948691B1 (en) | Predicting addiction relapse and decision support tool | |
| CN109636645A (zh) | 医保监管方法、设备、装置及计算机可读存储介质 | |
| CN107145715B (zh) | 一种基于推举算法的临床医学智能判别装置 | |
| CN116965818B (zh) | 一种基于人工智能的异常情绪调控方法及系统 | |
| CN111329459A (zh) | 一种改良的患者生命体征监测预警评分方法 | |
| CN110755091A (zh) | 一种个人心理健康监测系统及方法 | |
| CN117894442A (zh) | 一种医疗服务预约智能调度方法 | |
| CN116741414B (zh) | 一种异常情绪的智能缓解方法及系统 | |
| US20180349558A1 (en) | Systems and methods for autonomous discharge queue management | |
| Yfantidou et al. | Uncovering Bias in Personal Informatics | |
| US20170140115A1 (en) | Intelligent stroke risk prediction and monitoring system | |
| US11837359B2 (en) | Method and system for centralized patient monitoring management | |
| CN115376692A (zh) | 一种健康数据的处理方法、装置、电子设备及存储介质 | |
| Wilson et al. | Analysis of a data-fusion system for continuous vital sign monitoring in an emergency department | |
| KR102541362B1 (ko) | 인공 지능을 이용한 혈액 투석 중 저혈압 예측 장치 및 그 방법 | |
| KR20200015281A (ko) | 이상반응을 검출하는 단말기, 서버 또는 방법 | |
| CN115331837A (zh) | 一种人机交互智能问诊系统 | |
| CN114724693A (zh) | 异常诊疗行为的检测方法及装置、电子设备和存储介质 | |
| CN112533527B (zh) | 在临床评估中并入场景数据 | |
| CN116898444B (zh) | 一种基于情绪识别的智能监护方法及系统 | |
| Nino et al. | Wearable devices and decision theory in the emergency triage process |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Room 203, No. 9, Lane 681, Haiyang Road, Pudong New Area, Shanghai, 200120 Patentee after: Shanghai Yingzhi Zhengneng Health Technology Co.,Ltd. Address before: Room 203, No. 9, Lane 681, Haiyang Road, Pudong New Area, Shanghai, 200120 Patentee before: Shanghai Yingzhi Zhengneng Culture Development Co.,Ltd. |