CN116884649B - 一种用于监测用户安全的控制系统 - Google Patents

Abstract

本发明涉及控制技术领域，尤其涉及一种用于监测用户安全的控制系统，系统包括：M个可穿戴的目标传感器和控制器，其中，所述控制器包括预设异常用户的安全状态数据列表、处理器和存储有计算机程序的存储器，当处理器执行计算机程序时，实现如下步骤：通过所述目标传感器监测到待识别用户的安全状态数据；根据待识别用户的安全状态数据，确定出待识别用户的当前安全状态；根据待识别用户的当前安全状态，发送控制指令至每一所述目标传感器，以使得根据控制指令控制每一所述目标传感器对待识别用户调整安全监测策略；实现自动化实现判别待识别用户的当前安全状态，减少人工看管的时间。

Description

一种用于监测用户安全的控制系统

技术领域

本发明涉及控制技术领域，特别是涉及一种用于监测用户安全的控制系统。

背景技术

现有技术中，相似人群是常用的广告投放手段，分析现有用户的属性和行为，找到与现有用户特征相似的人群，并进行精准投放，也可将相似人群的判断方法用于判断具有某些特定行为倾向的用户。对于有生理上或心理上某些特定行为倾向的用户，通常采用人工看管的方式，浪费时间且不能时时刻刻进行看管，因此，如何高效、自动化判断出具有特定倾向的用户为异常用户尤为重要。

发明内容

针对上述技术问题，本发明采用的技术方案为：

一种用于监测用户安全的控制系统，所述系统包括：M个可穿戴的目标传感器和控制器，其中，M≥1，所述控制器包括预设异常用户的安全状态数据列表、处理器和存储有计算机程序的存储器，当处理器执行计算机程序时，实现如下步骤：

S1、通过所述目标传感器监测到待识别用户的安全状态数据；

S2、根据待识别用户的安全状态数据，确定出待识别用户的当前安全状态；

S3、根据待识别用户的当前安全状态，发送控制指令至每一所述目标传感器，以使得根据控制指令控制每一所述目标传感器对待识别用户调整安全监测策略。

本发明至少具有以下有益效果：

综上，通过所述目标传感器监测到待识别用户的安全状态数据，根据待识别用户的安全状态数据，确定出待识别用户的当前安全状态，根据待识别用户的当前安全状态，发送控制指令至每一所述目标传感器，以使得根据控制指令控制每一所述目标传感器对待识别用户调整安全监测策略，实现自动化判别待识别用户的当前安全状态，并根据控制指令调整安全监测策略，减少人工看管的时间。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术用户来讲，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的附图。

图1为本发明实施例提供的一种用于监测用户安全的控制系统执行计算机程序的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种用于监测用户安全的控制系统，所述系统包括：M个可穿戴的目标传感器和控制器，其中，M≥1，所述控制器包括预设异常用户的安全状态数据列表、处理器和存储有计算机程序的存储器。

具体的，所述目标传感器用于采集待识别用户的N种特定行为相关参数、生理参数并发送至处理器，且至少一种所述特定行为相关参数用于判断所述待识别用户发生对应预设异常行为的分值，N≥1。例如，所述特定行为相关参数为左手臂和右手臂之间的交叉距离。

优选的，M=2；待识别用户将两个目标传感器佩戴于左手手腕和右手手腕，用于采集待识别用户的信息。例如，所述可穿戴的目标传感器为手环。

当处理器执行计算机程序时，实现如下步骤：

S1、通过所述目标传感器监测到待识别用户的安全状态数据；

S2、根据待识别用户的安全状态数据，确定出待识别用户的当前安全状态；

S3、根据待识别用户的当前安全状态，发送控制指令至每一所述目标传感器，以使得根据控制指令控制每一所述目标传感器对待识别用户调整安全监测策略。

具体的，当待识别用户的当前安全状态为“非安全状态”时，发送控制指令至每一所述目标传感器，使得每一所述目标传感器根据控制指令对待识别用户调整安全监测策略，例如，将目标传感器的采集时间间隔变短；在本发明另一实施例中，调整安全检测策略为采集待识别用户的除安全状态数据的其它数据。

综上，通过所述目标传感器监测到待识别用户的安全状态数据，根据待识别用户的安全状态数据，确定出待识别用户的当前安全状态，根据待识别用户的当前安全状态，发送控制指令至每一所述目标传感器，以使得根据控制指令控制每一所述目标传感器对待识别用户调整安全监测策略，实现自动化实现判别待识别用户的当前安全状态，并根据控制指令调整安全检测策略，减少人工看管的时间。

具体的，预设异常用户的安全状态数据列表A={A₁，A₂，…，A_i，…，A_m}，第i个预设异常用户的安全状态数据A_i=[A_i1，A_i2，A_i3]，A_i1为第一历史时间周期R内第i个预设异常用户的异常行为向量，A_i2为第一历史时间周期R内第i个预设异常用户的文本信息向量，A_i3为第一历史时间周期R内第i个预设异常用户的生理参数向量，i的取值范围是1到m，m是预设异常用户的数量；

其中，A_i1=[A_i11，A_i12，…，A_i1j，…，A_i1n]，A_i1j是第i个预设异常用户的第j个预设异常行为的分值，j的取值范围是1到n，n是预设异常行为的数量。

具体的，所述特定行为相关参数至少包括：是否发生特定行为、特性行为是否发生于特定时间段、特定行为的发生频率，通过将采集的至少一种特定行为相关参数输入相应目标行为检测模型，获取待识别用户在第一预设时间周期T内发生对应预设异常行为的分值。具体的，所述特定时间段可根据实际需求设定，例如无人看护的时间段。

具体的，通过训练用历史异常用户数据输入神经网络模型，对神经网络模型进行训练，得到目标神经网络模型，其中，训练用历史异常用户数据包括训练用历史异常用户的异常行为向量和训练用历史异常用户的异常行为向量对应的分值。

A_i2=[A_i21，A_i22，…，A_i2r，…，A_i2s]，A_i2r是采集的第i个预设异常用户的第r个文本的分值，r的取值范围是1到s，s是采集的文本数量，所述文本基于固定文本模板生成。

具体的，第r个文本的分值至少基于以下参数获取：文本关键词的词频、文本关键词的色彩、文本是否发生拐点，其中，所述文本关键词是文本经过目标文本关键词提取算法获取的关键词，文本发生拐点指的是文本关键词的词频和色彩发生趋势变化的时间点。例如，目标文本关键词提取模型为基于统计特征的关键词提取算法。

A_i3=[A_i31，A_i32，…，A_i3g，…，A_i3z]，A_i3g是第g次采集第i个预设异常用户的生理参数的分值，g的取值范围是1到z，z是采集第i个预设异常用户的生理参数次数。

具体的，第g次生理参数的维度至少包括：心率、运动值。

进一步的，S1包括如下步骤：

S100，基于目标传感器，获取待识别用户在第一预设时间周期T内的异常行为向量B=[B₁，B₂，…，B_j，…，B_n]，B_j是待识别用户的第j个预设异常行为的分值，其中，第一预设时间周期T的长度和第一历史时间周期R的长度相同。

S110，基于目标传感器，获取待识别用户在第一预设时间周期T内的文本信息向量C=[C₁，C₂，…，C_r，…，C_s]，C_r是待识别用户的第r个文本的分值。

具体的，所述文本的分值在0到1之间。

S130，基于目标传感器，获取待识别用户在第一预设时间周期T内的生理参数向量D=[D₁，D₂，…，D_g，…，D_z]，D_g是待识别用户第g次采集的生理参数的分值。

可以理解为：通过采集待识别用户的心率、运动值等生理参数维度，得到待识别用户对应的生理参数的分值，所述生理参数的分值为0到1之间。

具体的，本领域技术用户知晓，现有技术中任何一种基于多个维度进行打分得到分值的方法均属于本发明保护范围，例如使用分段函数的方法。

S140，基于B、C和D，获取待识别用户的安全状态数据E=[B,C,D]。

进一步的，S2包括如下步骤：

S200，获取待识别用户的安全状态数据E和预设异常用户的安全状态数据A₁到A_m的相似度的平均值F₀；

S210，若平均值F₀大于预设相似阈值F₁，将待识别用户认定为非安全状态；否则，将待识别用户认定为安全状态。

综上，获取待识别用户在第一预设时间周期内的行为列表、文本信息向量、生理参数向量，将第一预设时间周期内的行为列表、文本信息向量、生理参数向量作为待识别用户在该预设时间周期的安全状态数据，将待识别用户的安全状态数据和预设异常用户的安全状态数据的相似度的平均值，若该平均值大于预设相似阈值，将待识别用户认定为非安全状态，本发明通过多个维度进行和预设异常用户相似度的比较，进而确定出待识别用户是否处于安全状态，实现自动判断的同时减少人工看管的时间，并且更加敏锐的察觉到待识别用户的状态变化。

在本发明另一实施例中，S2还包括如下步骤：

S020，获取预设异常用户的加权安全状态数据WA={WA₁，WA₂，…，WA_i，…，WA_m}，第i个异常用户的加权安全状态数据WA_i=[w₁×A_i1，w₂×A_i2，w₃×A_i3]，其中，w₁+w₂+w₃=1，w₁为第一预设权重值，w₂为第二预设权重值，w₃为第三预设权重值

具体的，w₁＞w₃，且w₂＞w₃。可以理解为：预设异常行为和文本信息的权重大于生理参数的权重，因为待识别用户在紧张、兴奋、被吓到等很多情况下都会出现生理参数的变化，生理参数的变化受到的影响较多，并且受到的影响不容易控制，因此，预设异常行为和文本信息的权重均大于生理参数的权重。

S021，获取待识别用户的加权安全状态数据WE=[w₁×B，w₂×C，w₃×D]；

S022，获取待识别用户的加权安全状态数据WE和预设异常用户的加权安全状态数据WA₁到WA_m的相似度的平均值F₂，若平均值F₂大于加权预设相似阈值F₃，将待识别用户认定非安全状态；否则，将待识别用户认定为安全状态。

综上，通过获取预设异常用户的加权安全状态数据和待识别用户的加权安全状态数据，获取预设异常用户的加权安全状态数据和待识别用户的加权安全状态数据的相似度的平均值，若该相似度的平均值大于加权预设相似阈值，将待识别用户认定为非安全状态，通过对待识别用户的向量的异常行为向量、文本信息向量、生理参数向量设置不同的权重，更加准确的获取待识别用户和预设异常用户的相似度，从而更加准确的判断待识别用户是否处于安全状态。

具体的，获取w₁、w₂、w₃包括如下步骤：

S011，初始化w₃，其中，0＜w₃＜0.3。

S012，获取第二预设时间周期内计算用异常用户的安全状态数据列表H={H₁，H₂，…，H_t，…，H_k}，H_t={H_t1，H_t2}，H_t1是第t个计算用异常用户的异常行为向量，H_t2是第t个计算用异常用户的文本信息向量，H_t是第t个计算用异常用户的安全状态数据，t的取值范围是1到k，k是计算用异常用户的数量。

S013，获取H₁到H_k的异常行为向量的波动值FH₁，获取H₁到H_k的文本信息向量的波动值FH₂。

S014，获取FH₁/FH₂=y，并基于y，获取w₁和w₂，其中，w₁=y·（1-w₃）/（y+1），w₂=（1-w₃）/（y+1）。

在本发明一个实施例中，计算用异常用户的安全状态数据列表H={H₁，H₂，H₃}，H₁={H₁₁，H₁₂}，H₂={H₂₁，H₂₂}，H₃={H₃₁，H₃₂}，EH₁=（H₁₁+H₂₁+H₃₁）/3，FH₁=1/3×[（H₁₁-EH₁）²+（H₂₁-EH₁）²+（H₃₁-EH₁）²]；EH₂=（H₁₂+H₂₂+H₃₂），FH₂=1/3×[（H₁₂-EH₂）²+（H₂₂-EH₂）²+（H₃₂-EH₂）²]；[（H₁₁-EH₁）²+（H₂₁-EH₁）²+（H₃₁-EH₁）²]/[（H₁₂-EH₂）²+（H₂₂-EH₂）²+（H₃₂-EH₂）²]=y，即[（H₁₁-EH₁）²+（H₂₁-EH₁）²+（H₃₁-EH₁）²]/[（H₁₂-EH₂）²+（H₂₂-EH₂）²+（H₃₂-EH₂）²]=w₁/w₂。

S015，若w₁＜w₃，交换w₁和w₃的值，否则，执行S016。

S016，若w₂＜w₃，交换w₂和w₃的值。

基于S011到S016，初始化w₃，基于计算用异常用户的安全状态数据的文本信息向量和异常行为向量的波动值，基于波动值，获取w₁和w₂，若w₁或w₂小于w₃，则和w₃进行交换，通过计算用异常用户的安全状态数据的文本信息向量和异常行为向量获取波动值，使得第一预设权重值、第二预设权重值、第三预设权重值更加准确。

具体的，本发明还包括通过如下步骤获取拐点：

S001，获取第t个固定文本模板J_t的待识别用户的文本信息SC_t={SC_t1，SC_t2，…，SC_tx，…，SC_tq}，SC_tx是第t个模板下待识别用户的第x个文本信息，x的取值范围是1到q，q是C中第t个模板下采集的文本信息的数量。

S002，获取文本关键词的词频。

具体的，文本关键词的词频是文本关键词的TF-IDF值。

S003，将文本信息SC_tx输入目标文本语义检测模型，获取文本关键词的色彩值。

具体的，本领域技术用户知晓，现有技术中任何一种可以用于检测文本语义色彩的模型均属于别发明保护范围，此处不再赘述。所述文本关键词的色彩值是文本关键词的消极程度。

S004，将文本关键词的词频和色彩值进行归一化处理，获取归一化后的词频和归一化后的色彩值。

S005，基于归一化后的词频和归一化后的色彩值，获取文本总值Q_tx。

S006，将Q_tx按照发生时间进行排序，获取拐点，所述拐点是文本总值从上升到下降或从下降到上升的时间点。

综上，获取第t个模板J_t的待识别用户的文本信息，并获取SC_tx中文本关键词的词频和色彩值，进行归一化处理，获取待识别用户的每个文本信息的文本总值，将文本总值按照时间顺序进行排序，从而获取拐点。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术用户应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术用户还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (1)

1.一种用于监测用户安全的控制系统，其特征在于，所述系统包括：M个可穿戴的目标传感器和控制器，其中，M≥1，所述控制器包括预设异常用户的安全状态数据列表、处理器和存储有计算机程序的存储器，当处理器执行计算机程序时，实现如下步骤：

S1、通过所述目标传感器监测到待识别用户的安全状态数据；

其中，所述目标传感器用于采集待识别用户的N种特定行为相关参数、生理参数并发送至处理器，且至少一种所述特定行为相关参数用于判断所述待识别用户发生对应预设异常行为的分值，N≥1；

所述特定行为相关参数至少包括：是否发生特定行为、特性行为是否发生于特定时间段、特定行为的发生频率，通过将采集的至少一种特定行为相关参数输入相应目标行为检测模型，获取待识别用户在第一预设时间周期T内发生对应预设异常行为的分值；

具体的，S1包括如下步骤：

S100，基于目标传感器，获取待识别用户在第一预设时间周期T内的异常行为向量B=[B₁，B₂，…，B_j，…，B_n]，B_j是待识别用户的第j个预设异常行为的分值，其中，第一预设时间周期T的长度和第一历史时间周期R的长度相同；

S110，基于目标传感器，获取待识别用户在第一预设时间周期T内的文本信息向量C=[C₁，C₂，…，C_r，…，C_s]，C_r是待识别用户的第r个文本的分值；

S130，基于目标传感器，获取待识别用户在第一预设时间周期T内的生理参数向量D=[D₁，D₂，…，D_g，…，D_z]，D_g是待识别用户第g次采集的生理参数的分值；

S140，基于B、C和D，获取待识别用户的安全状态数据E=[B,C,D]；

其中，第r个文本的分值至少基于以下参数获取：文本关键词的词频、文本关键词的色彩、文本是否发生拐点，其中，所述文本关键词是文本经过目标文本关键词提取算法获取的关键词，文本发生拐点指的是文本关键词的词频和色彩发生趋势变化的时间点；

具体的，还包括通过如下步骤获取拐点：

S001，获取第t个固定文本模板J_t的待识别用户的文本信息SC_t={SC_t1，SC_t2，…，SC_tx，…，SC_tq}，SC_tx是第t个模板下待识别用户的第x个文本信息，x的取值范围是1到q，q是C中第t个模板下采集的文本信息的数量；

S002，获取文本关键词的词频；

S003，将文本信息SC_tx输入目标文本语义检测模型，获取文本关键词的色彩值；

S004，将文本关键词的词频和色彩值进行归一化处理，获取归一化后的词频和归一化后的色彩值；

S005，基于归一化后的词频和归一化后的色彩值，获取文本总值Q_tx；

S006，将Q_tx按照发生时间进行排序，获取拐点，所述拐点是文本总值从上升到下降或从下降到上升的时间点；

S2、根据待识别用户的安全状态数据，确定出待识别用户的当前安全状态；

具体的，S2包括如下步骤：

S200，获取待识别用户的安全状态数据E和预设异常用户的安全状态数据A₁到A_m的相似度的平均值F₀；

S210，若平均值F₀大于预设相似阈值F₁，将待识别用户认定为非安全状态；否则，将待识别用户认定为安全状态；

S2还包括如下步骤：

S020，获取预设异常用户的加权安全状态数据WA={WA₁，WA₂，…，WA_i，…，WA_m}，第i个异常用户的加权安全状态数据WA_i=[w₁×A_i1，w₂×A_i2，w₃×A_i3]，其中，w₁+w₂+w₃=1，w₁为第一预设权重值，w₂为第二预设权重值，w₃为第三预设权重值

S021，获取待识别用户的加权安全状态数据WE=[w₁×B，w₂×C，w₃×D]；

S022，获取待识别用户的加权安全状态数据WE和预设异常用户的加权安全状态数据WA₁到WA_m的相似度的平均值F₂，若平均值F₂大于加权预设相似阈值F₃，将待识别用户认定为非安全状态；否则，将待识别用户认定为安全状态；

其中，获取w₁、w₂、w₃包括如下步骤：

S011，初始化w₃，其中，0＜w₃＜0.3；

S012，获取第二预设时间周期内计算用异常用户的安全状态数据列表H={H₁，H₂，…，H_t，…，H_k}，H_t={H_t1，H_t2}，H_t1是第t个计算用异常用户的异常行为向量，H_t2是第t个计算用异常用户的文本信息向量，H_t是第t个计算用异常用户的安全状态数据，t的取值范围是1到k，k是计算用异常用户的数量；

S013，获取H₁到H_k的异常行为向量的波动值FH₁，获取H₁到H_k的文本信息向量的波动值FH₂；

S014，获取FH₁/FH₂=y，并基于y，获取w₁和w₂，其中，w₁=y·（1-w₃）/（y+1），w₂=（1-w₃）/（y+1）；

S015，若w₁＜w₃，交换w₁和w₃的值，否则，执行S016；

S016，若w₂＜w₃，交换w₂和w₃的值；

S3、根据待识别用户的当前安全状态，发送控制指令至每一所述目标传感器，以使得根据控制指令控制每一所述目标传感器对待识别用户调整安全监测策略；

具体的，预设异常用户的安全状态数据列表A={A₁，A₂，…，A_i，…，A_m}，第i个预设异常用户的安全状态数据A_i=[A_i1，A_i2，A_i3]，A_i1为第一历史时间周期R内第i个预设异常用户的异常行为向量，A_i2为第一历史时间周期R内第i个预设异常用户的文本信息向量，A_i3为第一历史时间周期R内第i个预设异常用户的生理参数向量，i的取值范围是1到m，m是预设异常用户的数量；

其中，A_i1=[A_i11，A_i12，…，A_i1j，…，A_i1n]，A_i1j是第i个预设异常用户的第j个预设异常行为的分值，j的取值范围是1到n，n是预设异常行为的数量；

A_i2=[A_i21，A_i22，…，A_i2r，…，A_i2s]，A_i2r是采集的第i个预设异常用户的第r个文本的分值，r的取值范围是1到s，s是采集的文本数量，所述文本基于固定文本模板生成；

A_i3=[A_i31，A_i32，…，A_i3g，…，A_i3z]，A_i3g是第g次采集第i个预设异常用户的生理参数的分值，g的取值范围是1到z，z是采集第i个预设异常用户的生理参数次数。