TWI724546B

TWI724546B - 用於手機的智慧化報警方法、裝置及包括其的系統

Info

Publication number: TWI724546B
Application number: TW108133230A
Authority: TW
Inventors: 申敏
Original assignee: 開曼群島商創新先進技術有限公司
Priority date: 2018-12-03
Filing date: 2019-09-16
Publication date: 2021-04-11
Also published as: WO2020114104A1; TW202022856A; CN109922206B; CN109922206A

Abstract

本公開提供了一種用於手機的智慧化報警方法、裝置及包括其的系統，包括：接收預先設置的辨識參考因子並設置報警參考值；主動獲取手機用戶的當前位移資訊、當前時間資訊、性別和年齡資訊以及該手機用戶的當前場景資訊作為辨識危險因子；將該辨識危險因子與該辨識參考因子分別進行比較以辨識兩者之間的差異並得出判斷分值，如果該判斷分值等於或大於該報警參考值，則將報警提示資訊推送給該手機用戶，引導其觸發該手機中的報警功能按鍵以將位置資訊和用戶資訊發送預先設置的警方接警系統及/或緊急連絡人。利用該方法和裝置，可主動辨識危險情況並引導手機用戶發出報警資訊，從而以主動高效的方式達到迅速及時的報警目的。

Description

用於手機的智慧化報警方法、裝置及包括其的系統

本發明屬行動通訊技術領域，尤其涉及一種用於手機的智慧化報警方法、裝置及包括其的系統。

手機用戶在遇到突發緊急情況下，需要緊急報警，以保障個人人身和財產安全，目前傳統的報警方法多採用手機向連絡人電話求助及/或撥打110報警。這種傳統的電話求助及/或報警方式存在有以下弊端： 1、電話求助的連絡人單一且不確定：用戶在發生意外時，這種突發狀態下，用戶透過手機求助，需要先查找通訊錄且每次只能聯繫一個，且第一次求助若無人回應會對用戶帶來更大的恐懼不安。 2、報警耗時較長：發生意外時，用戶使用手機撥打110主動報警，並向警方描述位置資訊和發生的事件，通常需要耗時數分鐘，這個耗時在用戶身處危險時，就會顯得特別長。 3、報警時關聯到的警方位置不精確：用戶主動撥打110報警，可能會出現匹配到的警方位置與用戶所在地相距太遠，警方會轉接到就近派出所再出警，這個過程是曲折且費時的。這些問題嚴重影響報警效率，甚至會導致報警失敗，從而使用戶產生恐慌乃至處於無助境地，甚至會出現惡劣後果。 4、報警資訊分散：用戶報警所提供的資訊不能被有效的循環利用。為了提高報警效率，目前市場上也提供了設定有報警功能按鍵的手機，當手機用戶出現報警需求或在緊急情況發生時可按下報警功能按鍵進行快速報警，但是這種單一報警功能只能由手機用戶發現緊急情況後被動觸發，不能主動辨識危險並引導手機用戶報警；且報警功能按鍵固定設置在手機易於觸碰的位置，常常由於誤觸而造成誤報警，因此也給手機用戶造成不必要的困擾和麻煩。近來，市場上推出有可在手機上安裝的各種警方APP或者類似APP(例如警察110、中國一鍵等)，手機用戶透過在手機上安裝這些APP以用於報警，但該安裝APP的方法存在有以下缺點： 1、用戶需要主動單獨下載一個APP來預防低機率事件，對用戶來說操作成本高。 2，警方APP或者類似APP不能主動辨識危險並引導用戶報警。類似地，滴滴出行近期推出了一鍵報警功能，其必須先設定好緊急連絡人，當出現危險時按下一鍵報警，則可以發送通知給緊急連絡人。在具體使用中，需要設定好緊急連絡人後打開滴滴出行，在首頁中可以看到有[安全中心]的選項，點擊這個選項。點擊後會打開安全中心界面，在這裡找到[一鍵報警]的功能並點擊打開。進入到一鍵報警界面後直接點擊底部的[呼叫110]，這樣系統就會發送簡訊給設定好的緊急連絡人以及撥打110電話。由此可見，滴滴出行的一鍵報警功能同樣也是只能在手機用戶發現緊急情況後被動觸發，不能主動辨識危險並引導手機用戶報警。綜上可知，傳統的撥打電話求助或報警方法、在手機中設置報警按鍵的方法以及在手機上安裝報警APP的方法等，雖然都可以幫助手機用戶實現報警，但這些方法無法主動辨識危險並引導用戶進行報警，且或者容易發生誤報警，或者在突發情況下，耗時和資訊傳遞成為及時完成報警的瓶頸。

本發明目的在於解決現有技術中存在的上述問題，提供一種用於手機的智慧化報警方法、裝置及包括其的系統，可主動辨識危險情況並引導手機用戶發出報警資訊給警方的接警系統和緊急連絡人，從而以主動高效的方式達到迅速及時的報警目的。根據本發明的第一方面，提供了一種用於手機的智慧化報警裝置，其中所述手機內設有報警功能按鍵，所述報警功能按鍵被觸發後可將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人，所述智慧化報警裝置包括：接收設置模組，用於接收預先設置的一或多項辨識參考因子並設置報警參考值；主動採集模組，用於主動獲取所述手機用戶的當前位移資訊作為第一項辨識危險因子；比較辨識模組，用於將所述第一項辨識危險因子與所述一或多項辨識參考因子中相應的一項辨識參考因子進行比較以辨識兩者之間的差異並得出判斷分值，如果所述判斷分值等於或大於所述報警參考值，則發出推送提醒指令，如果所述判斷分值小於所述報警參考值，則返回到所述主動採集模組的處理；推送提醒模組，用於根據來自所述比較辨識模組的推送提醒指令，將報警提示資訊推送到所述手機上，提醒所述手機的用戶發出報警資訊；以及報警發送模組，用於引導所述手機用戶觸發所述手機中的報警功能按鍵以將位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。可選地，在上述方面的一個示例中，所述報警功能按鍵為所述手機用戶在所述手機上下載的報警APP中設置的報警功能按鍵，在所述手機用戶觸發所述報警功能按鍵後，所述報警APP將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。可選地，在上述方面的一個示例中，所述一或多項辨識參考因子包括以下一或多項參考資訊：所述手機用戶的規劃路線資訊、所述手機用戶的目標位置資訊、自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊。可選地，在上述方面的一個示例中，自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊包括以下一或多項參考資訊：發生的危險情況中被危及人員的性別和年齡資訊、危險情況發生時的時間資訊、以及發生的危險情況所在的場景畫面資訊及/或聲音資訊等。可選地，在上述方面的一個示例中，其中所述接收設置模組還接收所述手機用戶透過所述手機輸入的所述用戶的性別資訊和年齡資訊。可選地，在上述方面的一個示例中，所述接收設置模組還用於將接收的所述一或多項參考資訊進行量化，從而轉換成一矩陣或序列作為所述一或多項辨識參考因子。可選地，在上述方面的一個示例中，所述手機用戶的當前位移資訊包括所述手機用戶的當前行駛路線資訊和當前位置資訊。可選地，在上述方面的一個示例中，所述主動採集模組主動獲取所述手機用戶的當前時間資訊作為第二項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集模組獲取所述手機用戶的性別和年齡資訊作為第三項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集模組使用資料量化處理將所述手機用戶的當前位移資訊、所述手機用戶的當前時間資訊以及所述手機用戶的性別和年齡資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集模組主動獲取所述手機用戶的當前場景資訊作為第四項辨識危險因子，其中所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊。可選地，在上述方面的一個示例中，所述主動採集模組按照所述手機用戶預先設置的定時開啟時間，使所述手機的攝影鏡頭被自動開啟以攝取所述用戶所處的當前場景的畫面及/或所述手機的錄音器被自動開啟以記錄用戶所處的當前場景的聲音，所述主動採集模組將獲得的當前場景的畫面及/或聲音資訊作為所述第四項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集模組使用資料量化處理將所述手機用戶的當前位移資訊、所述手機用戶的當前時間資訊、所述手機用戶的性別和年齡資訊以及所述手機用戶的當前場景資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。可選地，在上述方面的一個示例中，所述比較辨識模組進行位移偏差的比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對所述第一項辨識危險因子中包含的所述手機用戶的當前行駛路線與所述一或多項辨識參考因子中包含的所述手機用戶的規劃路線進行比較以辨識兩者之間差異並得出判斷分值；和對所述第一項辨識危險因子中包含的所述手機用戶的當前位置與所述一或多項辨識參考因子中包含的所述手機用戶的目標位置進行比較以辨識兩者之間差異並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對時間進行比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對所述第二項辨識危險因子中包含的所述手機用戶的當前時間資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊所記錄的危險情況發生的時間資訊進行比較以辨識兩者之間差異並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對性別和年齡進行比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對所述第三項辨識危險因子中包含的所述手機用戶的性別資訊和年齡資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊中所包括的發生的危險情況中被危及的人員的性別資訊和年齡資訊分別進行比較以辨識兩者之間差異並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對類似場景進行比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識模組對所述第四項辨識危險因子中包含的所述手機用戶所處的當前場景資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊進行相似度比較以辨識兩者之間的差異並得出判斷分值。可選地，在上述方面的一個示例中，所述第四項辨識危險因子中包含的所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊；以及所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊包括場景畫面資訊及/或場景聲音資訊。可選地，在上述方面的一個示例中，所述接收設置模組還接收所述手機用戶透過所述手機輸入的指示所述用戶出行是否有同伴的同伴資訊；且所述比較辨識模組基於所述同伴資訊而給出判斷分值。可選地，在上述方面的一個示例中，所述接收設置模組還接收所述手機用戶的擾警行為記錄，所述擾警行為記錄表示所述手機用戶曾經有過擾警行為的次數；且所述比較辨識模組根據所述手機用戶的擾警行為記錄而給出判斷分值。可選地，在上述方面的一個示例中，所述接收設置模組還接收所述手機用戶的信用值；且所述比較辨識模組根據所述手機用戶的信用值而給出判斷分值。可選地，在上述方面的一個示例中，所述報警裝置還包括有資訊儲存模組，用於儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值。可選地，在上述方面的一個示例中，所述報警裝置還包括有資訊儲存模組，用於儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值，以及以下資訊中的一項或多項：所述手機用戶的性別資訊和年齡資訊、所述同伴資訊、所述手機用戶的信用值以及所述手機用戶的歷史記錄；其中所述手機用戶的擾警行為記錄也被儲存在所述資訊儲存模組中作為所述手機用戶的歷史記錄中的一部分。可選地，在上述方面的一個示例中，所述比較辨識模組將各判斷分值相加，如果這些判斷分值的累計之和等於或大於作為所述報警參考值，則發出推送提醒指令；如果這些判斷分值的累計之和小於所述報警參考值，則處理流程返回所述主動採集模組。可選地，在上述方面的一個示例中，在所述報警提示資訊的提醒下，透過所述報警發送模組的引導，用戶點擊手機螢幕上或報警APP中的報警功能按鍵，以將所述手機用戶的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。可選地，在上述方面的一個示例中，所述手機用戶觸發所述報警功能按鍵後，所述報警發送模組透過啟動所述手機的攝影鏡頭及/或錄音器以視訊及/或音訊的方式記錄報警過程資訊和報警事實資訊並儲存在所述資訊儲存模組中；所述報警發送模組還接收來自警方接警系統的警方反饋資訊以告知所述手機用戶報警是否成功；如果所述報警發送模組收到的所述警方反饋資訊還包括有此次報警不實的資訊，則將所述用戶名下的擾警行為次數+1，並儲存在所述資訊儲存模組中。可選地，在上述方面的一個示例中，所述接收設置模組、所述主動採集模組、所述比較辨識模組、所述推送提醒模組和所述報警發送模組由透過網路與所述手機相連的遠端伺服器實現。可選地，在上述方面的一個示例中，所述資訊儲存模組由透過網路與所述手機和所述遠端伺服器相連的雲端儲存器實現根據本發明的第二方面，提供了一種用於手機的智慧化報警方法，其中所述手機內設有報警功能按鍵，所述報警功能按鍵被觸發後可將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人，所述報警方法包括有以下步驟：接收設置步驟：透過接收設置模組接收預先設置的一或多項辨識參考因子並設置報警參考值；主動採集步驟：透過主動採集模組主動獲取用戶的當前位移資訊並進行資料量化處理後作為第一項辨識危險因子；比較辨識步驟：透過比較辨識模組將所述第一項辨識危險因子與所述一或多項辨識參考因子中相應的一項辨識參考因子進行比較以辨識兩者之間的差異並得出判斷分值，如果所述判斷分值等於或大於所述報警參考值，則發出推送提醒指令，如果所述判斷分值小於所述報警參考值，則返回到所述主動採集步驟；推送提醒步驟：透過推送提醒模組，根據來自所述比較辨識步驟的推送提醒指令，將報警提示資訊推送到所述手機上，提醒所述手機的用戶發出報警資訊；以及報警發送步驟：透過報警發送模組，引導所述手機用戶觸發所述手機中的報警功能按鍵以將位置資訊和用戶資訊發送預先設置的警方接警系統及/或緊急連絡人。可選地，在上述方面的一個示例中，所述報警功能按鍵為所述手機用戶在所述手機上下載的報警APP中設置的報警功能按鍵，在所述手機用戶觸發所述報警功能按鍵後，所述報警APP將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。可選地，在上述方面的一個示例中，所述一或多項辨識參考因子包括資料量化後的以下一或多項參考資訊：所述手機用戶的規劃路線資訊、所述手機用戶的目標位置資訊、自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊。可選地，在上述方面的一個示例中，自該手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊包括以下一或多項參考資訊：發生的危險情況中被危及人員的性別和年齡資訊、危險情況發生時的時間資訊、以及發生的危險情況所在的場景畫面資訊及/或聲音資訊等。可選地，在上述方面的一個示例中，在所述接收設置步驟中，透過所述接收設置模組還接收所述手機用戶透過所述手機輸入的所述用戶的性別資訊和年齡資訊。可選地，在上述方面的一個示例中，在所述接收設置步驟中，透過所述接收設置模組使用資料量化處理將接收的所述一或多項參考資訊進行量化，從而轉換成一矩陣或序列作為所述一或多項辨識參考因子。可選地，在上述方面的一個示例中，所述手機用戶的當前位移資訊包括所述手機用戶的當前行駛路線資訊和當前位置資訊。可選地，在上述方面的一個示例中，所述主動採集步驟還包括：透過所述主動採集模組主動獲取所述手機用戶的當前時間資訊作為第二項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集步驟還包括：透過所述主動採集模組獲取所述手機用戶的性別和年齡資訊作為第三項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集步驟還包括：透過該主動採集模組使用資料量化處理將該手機用戶的當前位移資訊、該手機用戶的當前時間資訊以及該手機用戶的性別和年齡資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。可選地，在上述方面的一個示例中，所述主動採集步驟還包括：透過所述主動採集模組主動獲取所述手機用戶的當前場景資訊作為第四項辨識危險因子，其中所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊。可選地，在上述方面的一個示例中，所述透過所述主動採集模組主動獲取所述手機用戶的當前場景資訊作為第四項辨識危險因子的步驟包括：按照所述手機用戶預先設置的定時開啟時間，所述手機的攝影鏡頭被自動開啟以攝取所述手機用戶所處的當前場景的畫面及/或所述手機的錄音器被自動開啟以記錄用戶所處的當前場景的聲音，透過所述主動採集模組將獲得的所述手機用戶的當前場景的畫面資訊及/或聲音資訊作為所述第四項辨識危險因子。可選地，在上述方面的一個示例中，在所述主動採集步驟中，透過所述主動採集模組使用資料量化處理將所述手機用戶的當前位移資訊、所述手機用戶的當前時間資訊、所述手機用戶的性別和年齡資訊以及所述手機用戶的當前場景資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。可選地，在上述方面的一個示例中，所述比較辨識步驟包括：透過所述比較辨識模組進行位移偏差的比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述進行位移偏差的比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第一項辨識危險因子中包含的所述手機用戶的當前行駛路線與所述一或多項辨識參考因子中包含的所述手機用戶的規劃路線進行比較以辨識兩者之間差異並得出判斷分值；和對所述第一項辨識危險因子中包含的所述手機用戶的當前位置與所述一或多項辨識參考因子中包含的所述手機用戶的目標位置進行比較以辨識兩者之間差異並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識步驟還包括：透過所述比較辨識模組對時間進行比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述透過所述比較辨識模組對時間進行比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第二項辨識危險因子中包含的所述手機用戶的當前時間資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊所記錄的危險情況發生的時間資訊進行比較以辨識兩者之間差異並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識步驟還包括：透過所述比較辨識模組對性別和年齡進行比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，所述透過所述比較辨識模組對性別和年齡進行比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第三項辨識危險因子中包含的所述手機用戶的性別資訊和年齡資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊中所包括的發生的危險情況中被危及的人員的性別資訊和年齡資訊分別進行比較以辨識兩者之間差異並得出判斷分值。可選地，在上述方面的一個示例中，所述比較辨識步驟還包括：透過所述比較辨識模組對類似場景進行比較辨識並得出判斷分值。可選地，在上述方面的一個示例中，透過所述比較辨識模組對類似場景進行比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第四項辨識危險因子中包含的所述手機用戶所處的當前場景資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊進行相似度比較以辨識兩者之間的差異並得出判斷分值。可選地，在上述方面的一個示例中，在透過所述比較辨識模組對類似場景進行比較辨識並得出判斷分值的步驟中，所述第四項辨識危險因子中包含的所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊；以及所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊包括場景畫面資訊及/或場景聲音資訊。可選地，在上述方面的一個示例中，所述接收設置步驟還包括：透過所述接收設置模組接收所述手機用戶透過所述手機輸入的指示所述用戶出行是否有同伴的同伴資訊；所述比較辨識步驟還包括：透過所述比較辨識模組基於所述手機用戶的出行是否有同伴的同伴資訊而得出判斷分值。可選地，在上述方面的一個示例中，所述接收設置步驟還包括：透過所述接收設置模組接收所述手機用戶的擾警行為記錄，所述擾警行為記錄表示所述手機用戶曾經有過擾警行為的次數；且所述比較辨識模組步驟還包括：透過所述比較辨識模組基於所述手機用戶的擾警行為記錄而給出判斷分值。可選地，在上述方面的一個示例中，所述接收設置步驟還包括：透過所述接收設置模組接收所述手機用戶的信用值；且所述比較辨識模組步驟還包括透過所述比較辨識模組根據所述手機用戶的信用值而給出判斷分值。可選地，在上述方面的一個示例中，在所述接收設置步驟和所述主動採集步驟之間還包括有資訊儲存步驟：透過資訊儲存模組儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值。可選地，在上述方面的一個示例中，在所述接收設置步驟和所述主動採集步驟之間還包括有資訊儲存步驟：透過資訊儲存模組儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值，以及以下資訊中的一項或多項：所述手機用戶的性別資訊和年齡資訊、所述同伴資訊、所述手機用戶的信用值以及所述手機用戶的歷史記錄；其中所述手機用戶的擾警行為記錄也被儲存在所述資訊儲存模組中作為所述手機用戶的歷史記錄中的一部分。可選地，在上述方面的一個示例中，在所述比較辨識步驟中，透過所述比較辨識模組將各判斷分值相加，如果這些判斷分值的累計之和等於或大於作為所述報警參考值，則發出推送提醒指令；如果這些判斷分值的累計之和小於所述報警參考值，則處理流程返回所述主動採集步驟。可選地，在上述方面的一個示例中，所述報警發送步驟包括：在所述報警提示資訊的引導下，用戶點擊手機螢幕上或報警APP中的報警功能按鍵，以將所述手機用戶的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。可選地，在上述方面的一個示例中，在所述報警發送步驟中，還包括：在所述手機用戶觸發所述報警功能按鍵後，所述報警發送模組透過啟動所述手機的攝影鏡頭及/或錄音器以音訊及/或視訊的方式記錄報警過程資訊和報警事實資訊並儲存在所述資訊儲存模組中；所述報警發送模組還接收來自警方接警系統的警方反饋資訊以告知所述手機用戶報警是否成功；如果所述報警發送模組收到的所述警方反饋資訊還包括有此次報警不實的資訊，則將所述用戶名下的擾警行為次數+1，並儲存在所述資訊儲存模組中。可選地，在上述方面的一個示例中，所述接收設置模組、所述主動採集模組、所述比較辨識模組、所述推送提醒模組和所述報警發送模組由透過網路與所述手機相連的遠端伺服器實現。可選地，在上述方面的一個示例中，所述資訊儲存模組由透過網路與所述手機和所述遠端伺服器相連的雲端儲存器實現。根據本發明的第三方面，提供了一種手機智慧化報警系統，包括有至少一個智慧手機、以上所述的智慧化報警裝置、網際網路伺服器和警方接警系統，所述智慧手機內設有報警功能按鍵，所述的智慧化報警裝置主動發現該智慧手機的用戶處於危險情況時，提醒並引導所述用戶觸發所述報警功能按鍵以將所述手機的位置資訊和所述手機的用戶資訊透過所述網際網路伺服器發送給所述接警系統和預先設置的緊急連絡人。

現在將參考具體實施方式討論本文描述的主題。應該理解，討論這些實施方式只是為了使得本領域技術人員能夠更好地理解從而實現本文描述的主題，並非是對申請專利範圍中所闡述的保護範圍、適用性或者示例的限制。可以在不脫離本公開內容的保護範圍的情況下，對所討論的元素的功能和排列進行改變。各個示例可以根據需要，省略、替代或者添加各種過程或組件。另外，相對一些示例所描述的特徵在其它例子中也可以進行組合。如本文中使用的，用語“包括”及其變型表示開放的用語，含義是“包括但不限於”。用語“基於”表示“至少部分地基於”。用語“一個實施例”和“一實施例”表示“至少一個實施例”。用語“該實施例的變型”表示“該實施例的至少一個變型”。用語“第一”、“第二”等可以指代不同的或相同的對象。下面可以包括其他的定義，無論是明確的還是隱含的。除非上下文中明確地指明，否則一個用語的定義在整個說明書中是一致的。圖1示出了根據本公開的實施例的用於手機的智慧化報警裝置100的結構方框圖。圖2示出了圖1所示的智慧化報警裝置100中包括的各模組的工作交互示意圖。如圖1和2所示，提供了根據本公開的實施例的一種用於手機的智慧化報警裝置100，其中該手機內設有報警功能按鍵，該報警功能按鍵被觸發後可將該手機的位置資訊和該手機用戶A的用戶資訊(包括用戶A的姓名和聯繫方式)發送給預先設置的警方接警系統及/或緊急連絡人，所述智慧化報警裝置100包括有接收設置模組110、資訊儲存模組120、主動採集模組130、比較辨識模組140、推送提醒模組150和報警發送模組160。該接收設置模組110可由透過網路與該手機相連的遠端伺服器實現，用於接收以下多項資訊： -透過該手機中的資訊輸入設備(包括輸入鍵盤及/或聲音拾取器等)輸入的用戶A的性別資訊(例如為女)； -透過該手機中的資訊輸入設備輸入的用戶A的年齡資訊(例如為31歲)；和 -以下多項參考資訊： -透過該手機中的資訊輸入設備輸入的用戶A的規劃路線資訊，例如為德勝門-北二環-東二環-東三環-棕櫚泉國際公寓； -透過該手機中的資訊輸入設備輸入的用戶A的目標位置資訊，例如為棕櫚泉國際公寓； -透過該遠端伺服器自該用戶A的歷史記錄及/或警方公開資訊及/或新聞資訊中獲取的發生過危險情況的資訊，例如該用戶A的歷史記錄中記載其在17年7月11日晚22：00在酒仙橋遇到搶劫；該警方公開資訊及/或新聞資訊記錄有多起發生危險情況的資訊，這些資訊中包括有被危及人員的性別資訊(例如女、男、女、女等)和年齡資訊(例如17歲、23歲、30歲、37歲等)和各危險情況發生的時間資訊(例如晚上21：00、22：00、23：00、淩晨1：00等)；透過該遠端伺服器使用資料量化處理將接收的該多項參考資訊量化後作為預先設置的多項辨識參考因子，其中量化後的用戶A的規劃路線資訊和目標位置資訊為第一項辨識參考因子，量化後的發生危險情況的資訊中包括的被危及人員的性別資訊和年齡資訊為第二項辨識參考因子，及量化後的危險情況發生的時間資訊為第三項辨識參考因子；以及透過該遠端伺服器設置的報警參考值(例如為60分)；其中該資料量化處理可採用現有技術中的以下多種量化處理中的任一種：Word2vec量化處理、Doc2vec量化處理、FastText量化處理和LSTM(理解長短期記憶)量化處理；以及採用現有技術中的用於量化處理後的降維處理，例如SVD降維處理。該資訊儲存模組120由透過網路與該手機和該遠端伺服器相連的雲端儲存器實現，用於儲存該預先設置的多項辨識參考因子、該設置的報警參考值、用戶A的性別資訊和年齡資訊以及用戶A的歷史記錄；該主動採集模組130由該遠端伺服器實現，用於主動採集以下多項資訊： -按照用戶A的預授權，該主動採集模組130在某一定時(例如用戶A出發時間為晚上21：00，預設定時為21：30)或者按照某一時間間隔(例如用戶A出發後每10分鐘)主動獲取的該用戶A的當前行駛路線資訊(例如德勝門-北二環-北三環-安貞橋)和當前位置資訊(例如安貞橋)； -該主動採集模組130主動獲取的該用戶A的當前時間資訊(例如晚上21：30)； -從該資訊儲存模組120獲取的用戶A的性別資訊(例如女)；和 -從該資訊儲存模組120獲取的用戶A的年齡資訊(例如31歲)，並透過使用資料量化處理將該主動採集的多項資訊量化後作為多項辨識危險因子，其中量化後的用戶A的當前行駛路線資訊和當前位置資訊作為第一項辨識危險因子；量化後的用戶A的當前時間資訊作為第二項辨識危險因子；以及，量化後的用戶A的性別資訊和年齡資訊作為第三項辨識危險因子，其中該資料量化處理可採用現有技術中的以下多種量化處理中的任一種：Word2vec量化處理、Doc2vec量化處理、FastText量化處理和LSTM(理解長短期記憶)量化處理。該比較辨識模組140由該遠端伺服器實現，用於使用餘弦相似度、歐氏距離及皮爾遜相關係數中的任一種相似度算法，進行以下的比較辨識，計算得出一相似值(範圍在0-1之間，0表示完全不同，1表示完全相同)，據此給出對應的判斷分值： -將作為第一項辨識危險因子的量化後的用戶A的當前行駛路線資訊(例如德勝門-北二環-北三環-安貞橋)和當前位置資訊(例如安貞橋)與該多項辨識參考因子中包含的量化後的用戶A的規劃路線資訊(德勝門-北二環-東二環-東三環-棕櫚泉國際公寓)和目標位置資訊(例如棕櫚泉國際公寓)進行比較辨識，計算得出相似值(0.8)，從而基於下表一得出判斷分值為40分；

-將作為第二項辨識危險因子的用戶A的當前時間資訊(例如晚上21：30)與該多項辨識參考因子中包含的量化後的自用戶A的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊所記錄的危險情況發生的時間資訊(例如晚上21：00、22：00、23：00、淩晨1：00等)進行比較辨識，計算得出相似值(0.6)，從而基於下表二得出判斷分值為15分；

-將作為第三項辨識危險因子的用戶A的性別資訊(例如女)和年齡資訊(例如31歲)與該多項辨識參考因子中包含的量化後的自用戶A的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊中所包括的被危及的人員的性別資訊(例如女、男、女、女)和年齡資訊(例如17歲、23歲、30歲、37歲等)分別進行比較辨識，計算得出相似值(0.5)，從而基於下表三得出判斷分值15分，

由此可知累計的判斷分值為40+15+15=70分，大於該報警參考值60分，從而發出推送提醒指令(如果該累計的判斷分值小於該報警參考值，則處理流程返回到主動採集模組130的處理)。應該理解，該比較辨識模組140可使用現有技術中的餘弦相似度、歐氏距離及皮爾遜相關係數中的任一種相似度算法來將該多項辨識危險因子與該多項辨識參考因子進行整體比較辨識，計算兩者之間的整體相似值，並基於下表四得出整體判斷分值。

該推送提醒模組150由該遠端伺服器實現，用於根據來自該比較辨識模組140的推送提醒指令，將報警提示資訊(例如“您當前可能處於危險情況，請確認報警”)推送到用戶A的手機螢幕上，同時發出報警提示鈴聲，提醒用戶A發出報警資訊。該報警發送模組160由該遠端伺服器實現，用於基於發出的該報警提示資訊，使該手機中的報警功能按鍵高亮閃爍以引導用戶A觸發該報警功能按鍵，如果用戶A觸發該報警功能按鍵，則該手機的位置資訊和用戶A的用戶資訊(包括用戶A的姓名和聯繫方式)被發送給預先設置的警方接警系統及/或緊急連絡人，同時將此次報警內容作為用戶A的歷史記錄儲存在該資訊儲存模組120中；如果用戶A取消觸發該報警功能按鍵(例如透過關滅手機螢幕的方式)，則處理流程返回到主動採集模組130的處理。在該裝置實施例的第一變型中(未圖示)，所述報警裝置的結構配置與圖1和圖2所示的報警裝置100基本相同，不同之處僅在於第一變型中的報警裝置沒有包括所述資訊儲存模組120。所述主動採集模組130直接從所述接收設置模組110接收所述多項資訊且量化後作為多項辨識危險因子。所述比較辨識模組140直接從所述接收設置模組110接收所述多項辨識參考因子、所述設置的報警參考值、用戶A的性別資訊和年齡資訊以及用戶A的歷史記錄，且從所述主動採集模組130接收所述多項辨識危險因子以進行所述比較辨識。在該裝置實施例的第二變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於用戶A觸發該報警功能按鍵後，報警發送模組160透過啟動該手機的攝影鏡頭及/或錄音器以視訊及/或音訊的方式記錄報警過程資訊和報警事實資訊並儲存在該資訊儲存模組120中作為用戶A的歷史記錄的一部分；該報警發送模組160還接收來自警方接警系統的警方反饋資訊以通知用戶A報警是否成功；如果該報警發送模組160收到的該警方反饋資訊還包括有此次報警不實的資訊，則將用戶A名下的擾警行為次數+1，並儲存在該資訊儲存模組120中作為用戶A的歷史記錄的另一部分。在該裝置實施例的第三變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於在該報警發送模組160接收到來自警方接警系統的警方反饋資訊並通知用戶A報警是否成功後，該接收設置模組110還接收用戶A透過手機輸入的其對於警方服務的評價資訊，並將該評價資訊存入該資訊儲存模組120中。在該裝置實施例的第四變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於該報警功能按鍵為用戶A在所述手機上下載的報警APP中設置的報警功能按鍵，在用戶A觸發所述報警功能按鍵後，所述報警APP將該手機的位置資訊和用戶A的用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。由於用戶A在下載報警APP需要同意該APP隨時知悉其定位，因此該主動採集模組130可隨時主動自該報警APP得知攜帶該手機的用戶A的當前行駛路線資訊和當前位置資訊。在該裝置實施例的第四變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於實現接收設置模組110的該遠端伺服器所接收的多項辨識參考因子中包含的自該手機用戶A的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊還包括：發生的危險情況所在的場景畫面資訊和場景聲音資訊，其中該發生的危險情況所在的場景畫面資訊包括該場景的光線明亮度(例如光線昏暗)及/或場地開闊度(例如場地狹窄)，以及該發生的危險情況所在的場景聲音資訊包括該場景中人的喊叫聲(例如有人的呼救聲)及/或人的運動聲(例如有人的撕扯聲)。該遠端伺服器使用資料量化處理將該發生的危險情況所在的場景畫面資訊和場景聲音資訊量化後作為第四項辨識參考因子。而且，主動採集模組130按照用戶A的預先設置，在某一定時(例如用戶A出發時間為晚上21：00，預設定時為21：30)或者按照某一時間間隔(例如用戶A出發後每10分鐘)主動使該手機的攝影鏡頭開啟以攝取用戶A所處的當前場景的畫面及/或主動使該手機的錄音器開啟以記錄用戶A所處的當前場景的聲音，該主動採集模組130使用現有技術中的資料量化處理將獲得的當前場景的畫面資訊(例如光線昏暗)及/或聲音資訊(例如有人的撕扯聲)進行量化後作為第四項辨識危險因子。且比較辨識模組140將該第四項辨識危險因子與該第四項辨識參考因子進行比較辨識，計算得出相似值(0.8)，從而基於下表五得出判斷分值30分：

由此可知在該實施例的第五變型中，累計的判斷分值為70+30=100分，大於該報警參考值(60分)，從而發出推送提醒指令。在該裝置實施例的第六變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於該接收設置模組110還接收用戶A透過手機輸入的指示用戶A的出行是否有同伴的同伴資訊(例如沒有同伴)並儲存在所述資訊儲存模組120中；該比較辨識模組140基於預先的設定(如果有同伴，得出判斷分值0分；如果沒有同伴，得出判斷分值20分)，基於該同伴資訊(例如沒有同伴)，得出判斷分值20分，由此可知在該實施例的第六變型中，累計的判斷分值為70+20=90分，大於該報警參考值(60分)，從而發出推送提醒指令。在該裝置實施例的第七變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於該接收設置模組110還接收表示用戶A曾經有過擾警行為的次數的擾警行為記錄(例如1次)；用戶A的所述擾警行為記錄被儲存在所述資訊儲存模組120中作為該手機用戶的歷史記錄中的一部分；且所述比較辨識模組140基於用戶A的所述擾警行為記錄，給出判斷分值-15分(例如為-15*擾警行為的次數)，由此可知在該實施例的第七變型中，累計的判斷分值為70-15=55分，小於該報警參考值，從而不發出推送提醒指令，處理流程返回到主動採集模組130的處理。在該裝置實施例的第八變型中(未圖示)，所述智慧化報警裝置的結構配置與圖1和圖2所示的智慧化報警裝置100基本相同，不同之處僅在於該接收設置模組110還接收由第三方提供的用戶A的信用值(例如70分)；用戶A的所述信用值被儲存在所述資訊儲存模組120中；且所述比較辨識模組140根據所述手機用戶的信用值，基於下表六給出判斷分值-10分，由此可知在該實施例的第八變型中，累計的判斷分值為70-10=60分，等於該報警參考值，從而發出推送提醒指令。其中用戶A的所述信用值是用戶A在金融、房產、購物、保險、旅遊等各領域中的各項信用值中一或多項的綜合計算值。

圖3示出了根據本公開的實施例的用於手機的智慧化報警方法的流程圖。如圖3所示，提供了根據本公開的實施例的一種用於手機的智慧化報警方法200，其中該手機內設有報警功能按鍵，該報警功能按鍵被觸發後可將該手機的位置資訊和該手機用戶A的用戶資訊(包括用戶A的姓名和聯繫方式)發送給預先設置的警方接警系統及/或緊急連絡人，所述智慧化報警方法200包括有以下步驟：接收設置步驟210、資訊儲存步驟220、主動採集步驟230、比較辨識步驟240、推送提醒步驟250和報警發送步驟260。在報警方法200的流程開始後，首先，該所述接收設置步驟210由圖1中所示的接收設置模組110執行以下各項步驟：步驟1：接收以下多項資訊： -用戶A的性別資訊(例如為女)； -用戶A的年齡資訊(例如為31歲)；和 -以下多項參考資訊： -用戶A的規劃路線資訊，例如為德勝門-北二環-東二環-東三環-棕櫚泉國際公寓； -用戶A的目標位置資訊，例如為棕櫚泉國際公寓； -自該用戶A的歷史記錄及/或警方公開資訊及/或新聞資訊中獲取的發生過危險情況的資訊，例如該用戶A的歷史記錄中記載其在17年7月11日晚22：00在酒仙橋遇到搶劫；該警方公開資訊及/或新聞資訊記錄有多起發生危險情況的資訊，這些資訊中包括有被危及人員的性別資訊(例如女、男、女、女等)和年齡資訊(例如17歲、23歲、30歲、37歲等)和各危險情況發生的時間資訊(例如晚上21：00、22：00、23：00、淩晨1：00等)；步驟2：使用資料量化處理將接收的該多項參考資訊量化後作為預先設置的多項辨識參考因子，其中量化後的用戶A的規劃路線資訊和目標位置資訊為第一項辨識參考因子，量化後的發生危險情況的資訊中包括的被危及人員的性別資訊和年齡資訊為第二項辨識參考因子，及量化後的危險情況發生的時間資訊為第三項辨識參考因子；以及步驟3：設置報警參考值(例如為60分)。其中該資料量化處理可採用現有技術中的以下多種量化處理中的任一種：Word2vec量化處理、Doc2vec量化處理、FastText量化處理和LSTM(理解長短期記憶)量化處理；以及採用現有技術中的用於量化處理後的降維處理，例如SVD降維處理。該資訊儲存步驟220由圖1中所示的資訊儲存模組120執行以儲存該預先設置的多項辨識參考因子、該設置的報警參考值、用戶A的性別資訊和年齡資訊以及用戶A的歷史記錄。該主動採集步驟230由圖1中所示的主動採集模組130執行，包括以下步驟：步驟1：主動採集以下多項資訊： -按照用戶A的預授權，該主動採集模組130在某一定時(例如用戶A出發時間為晚上21：00，預設定時為21：30)或者按照某一時間間隔(例如用戶A出發後每10分鐘)主動獲取的該用戶A的當前行駛路線資訊(例如德勝門-北二環-北三環-安貞橋)和當前位置資訊(例如安貞橋)； -該主動採集模組130主動獲取的該用戶A的當前時間資訊(例如晚上21：30)； -從該資訊儲存模組120獲取的用戶A的性別資訊(例如女)；和 -從該資訊儲存模組120獲取的用戶A的年齡資訊(例如31歲)；步驟2：透過使用資料量化處理將該主動採集的多項資訊量化後作為多項辨識危險因子，其中量化後的用戶A的當前行駛路線資訊和當前位置資訊作為第一項辨識危險因子；量化後的用戶A的當前時間資訊作為第二項辨識危險因子；以及，量化後的用戶A的性別資訊和年齡資訊作為第三項辨識危險因子。其中該資料量化處理可採用現有技術中的以下多種量化處理中的任一種：Word2vec量化處理、Doc2vec量化處理、FastText量化處理和LSTM(理解長短期記憶)量化處理。該比較辨識步驟240由圖1中所示的比較辨識模組140執行以使用餘弦相似度、歐氏距離及皮爾遜相關係數中的任一種相似度算法，進行以下各項比較辨識，計算得出一相似值(範圍在0-1之間，0表示完全不同，1表示完全相同)，據此給出對應的判斷分值： -將作為第一項辨識危險因子的量化後的用戶A的當前行駛路線資訊(例如德勝門-北二環-北三環-安貞橋)和當前位置資訊(例如安貞橋)與該多項辨識參考因子中包含的量化後的用戶A的規劃路線資訊(德勝門-北二環-東二環-東三環-棕櫚泉國際公寓)和目標位置資訊(例如棕櫚泉國際公寓)進行比較辨識，計算得出相似值(0.8)，從而基於下表一得出判斷分值為40分；

由此可知累計的判斷分值為40+15+15=70分，大於該報警參考值60分，從而發出推送提醒指令(如果該累計的判斷分值小於該報警參考值，則處理流程返回到主動採集步驟230的處理)。應該理解，在該比較辨識步驟240中，該比較辨識模組140可使用現有技術中的餘弦相似度、歐氏距離及皮爾遜相關係數中的任一種相似度算法來將該多項辨識危險因子與該多項辨識參考因子進行整體比較辨識，計算兩者之間的整體相似值，並基於下表四得出整體判斷分值。

該推送提醒步驟250由圖1中所示的推送提醒模組150執行以根據來自該比較辨識步驟240的推送提醒指令，將報警提示資訊(例如“您當前可能處於危險情況，請確認報警”)推送到該用戶A的手機螢幕上，同時發出報警提示鈴聲，提醒該手機的用戶A發出報警資訊；以及然後該報警發送步驟260由圖1中所示的報警發送模組160執行以使該手機中的報警功能按鍵高亮閃爍以引導該手機用戶A觸發該報警功能按鍵，如果該手機用戶A觸發該報警功能按鍵，則該手機的位置資訊和用戶A的用戶資訊(包括用戶A的姓名和聯繫方式)被發送給預先設置的警方接警系統及/或緊急連絡人，同時將此次報警內容作為用戶A的歷史記錄儲存在該資訊儲存模組120中，該報警方法200的流程結束；如果用戶A取消觸發該報警功能按鍵(例如透過關滅手機螢幕的方式)，則處理流程返回到該比較辨識步驟240。在該方法實施例的第一變型中(未圖示)，述報警方法的流程與圖3所示的報警方法200基本相同，不同之處僅在於第一變型中的報警裝置沒有包括所述資訊儲存步驟220。在所述主動採集步驟230中，透過所述主動採集模組130直接從所述接收設置模組110接收所述多項資訊且量化後作為多項辨識危險因子。在所述比較辨識步驟240中，透過所述比較辨識模組140直接從所述接收設置模組110接收所述預先設置的多項辨識參考因子、所述設置的報警參考值、用戶A的性別資訊和年齡資訊以及用戶A的歷史記錄，且從所述主動採集模組130接收所述多項辨識危險因子以進行所述的比較辨識。在該方法實施例的第二變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於在該報警發送步驟260中，用戶A觸發該報警功能按鍵後，報警發送模組160透過啟動該手機的攝影鏡頭及/或錄音器以視訊及/或音訊的方式記錄報警過程資訊和報警事實資訊並儲存在該資訊儲存模組120中作為用戶A的歷史記錄的一部分；該報警發送模組160還接收來自警方接警系統的警方反饋資訊以通知用戶A報警是否成功；如果該報警發送模組160收到的該警方反饋資訊還包括有此次報警不實的資訊，則將用戶A名下的擾警行為次數+1，並儲存在該資訊儲存模組120中作為用戶A的歷史記錄的另一部分。在該方法實施例的第三變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於該報警發送步驟260還包括：在該報警發送模組160接收到來自警方接警系統的警方反饋資訊並通知用戶A報警是否成功後，該接收設置模組110還接收用戶A透過手機輸入的其對於警方服務的評價資訊並將該評價資訊存入該資訊儲存模組120中。在該方法實施例的第四變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於該報警功能按鍵為用戶A在所述手機上下載的報警APP中設置的報警功能按鍵，在用戶A觸發所述報警功能按鍵後，所述報警APP將該手機的位置資訊和用戶A的用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。由於用戶A在下載報警APP需要同意該APP隨時知悉其定位，因此在該主動採集步驟230中，該主動採集模組130可隨時主動自該報警APP得知攜帶該手機的用戶A的當前行駛路線資訊和當前位置資訊。在該方法實施例的第五變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於在接收設置步驟210中，該接收設置模組110所接收的多項辨識參考因子中包含的自用戶A的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊還包括：發生的危險情況所在的場景畫面資訊和場景聲音資訊，其中該發生的危險情況所在的場景畫面資訊包括該場景的光線明亮度(例如光線昏暗)及/或場地開闊度(例如場地狹窄)，以及該發生的危險情況所在的場景聲音資訊包括該場景中人的喊叫聲(例如有人的呼救聲)及/或人的運動聲(例如有人的撕扯聲)。在該接收設置步驟210中，該接收設置模組110使用資料量化處理將該發生的危險情況所在的場景畫面資訊和場景聲音資訊量化後作為第四項辨識參考因子。而且，在主動採集步驟230中，主動採集模組130按照用戶A的預先設置，在某一定時(例如用戶A出發時間為晚上21：00，預設定時為21：30)或者按照某一時間間隔(例如用戶A出發後每10分鐘)主動使該手機的攝影鏡頭開啟以攝取用戶A所處的當前場景的畫面及/或主動使該手機的錄音器開啟以記錄用戶A所處的當前場景的聲音，該主動採集模組130使用現有技術中的資料量化處理將獲得的當前場景的畫面資訊(例如光線昏暗)及/或聲音資訊(例如有人的撕扯聲)進行量化後作為第四項辨識危險因子。且在比較辨識步驟240中，比較辨識模組140將該第四項辨識危險因子與該第四項辨識參考因子進行比較辨識，計算得出相似值(0.8)，從而基於下表五得出判斷分值30分：

由此可知在該實施例的第五變型中，累計的判斷分值為70+30=100分，大於該報警參考值(60分)，從而發出推送提醒指令。在該方法實施例的第六變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於在該接收設置步驟210中，該接收設置模組110還接收用戶A透過手機輸入的指示用戶A的出行是否有同伴的同伴資訊(例如沒有同伴)；在該資訊儲存步驟220中，該同伴資訊被儲存在該資訊儲存模組120中；在該比較辨識步驟240中，該比較辨識模組140基於預先設定的判斷分值計算規則(如果有同伴，得出判斷分值0分；如果沒有同伴，得出判斷分值20分)，基於該同伴資訊(例如沒有同伴)，得出判斷分值20分，由此可知在該實施例的第六變型中，累計的判斷分值為70+20=90分，大於該報警參考值(60分)，從而發出推送提醒指令。在該方法實施例的第七變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於在該接收設置步驟210中，該接收設置模組110還接收表示用戶A曾經有過擾警行為的次數的擾警行為記錄(例如1次)；在該資訊儲存步驟220中，用戶A的所述擾警行為記錄被儲存在所述資訊儲存模組120中作為該手機用戶的歷史記錄中的一部分；在該比較辨識步驟240中，所述比較辨識模組140基於用戶A的所述擾警行為記錄，給出判斷分值-15分(例如為-15*擾警行為的次數)，由此可知在該實施例的第七變型中，累計的判斷分值為70-15=55分，小於該報警參考值，從而不發出推送提醒指令，處理流程返回到主動採集步驟230的處理。在該方法實施例的第八變型中(未圖示)，所述智慧化報警方法的流程與圖3所示的智慧化報警方法200基本相同，不同之處僅在於在該接收設置步驟210中，該接收設置模組110還接收用戶A的信用值(例如70分)；在該資訊儲存步驟220中，用戶A的所述信用值被儲存在所述資訊儲存模組120中；在該比較辨識步驟240中，所述比較辨識模組140根據所述手機用戶的信用值，基於下表六給出判斷分值-10分，由此可知在該實施例的第八變型中，累計的判斷分值為70-10=60分，等於該報警參考值，從而發出推送提醒指令。其中用戶A的所述信用值是用戶A在金融、房產、購物、保險、旅遊等各領域中的各項信用值中一或多項的綜合計算值。

圖4示出根據了本公開的一實施例的用於手機的智慧化報警方法200及其各種變型中的接收設置步驟210和主動採集步驟230中的量化處理和比較辨識步驟240中的相似度處理的流程圖。如圖4所示，接收設置步驟210包括有資訊量化步驟210A和資料降維步驟210B。在該資訊量化步驟210A中，由接收設置模組110接收的以下6項文字資訊(僅為舉例，根據不同的應用情況可選擇不同數量的多項資訊)共同作為原始輸入A： 1、用戶A的規劃路線資訊(德勝門-北二環-東二環-東三環-棕櫚泉國際公寓)； 2、用戶A的目標位置資訊(棕櫚泉國際公寓)； 3、自用戶A的歷史記錄及/或警方公開資訊及/或新聞資訊中獲取的發生過危險情況的資訊中包括的被危及人員的性別資訊(女)； 4、自用戶A的歷史記錄及/或警方公開資訊及/或新聞資訊中獲取的發生過危險情況的資訊中包括的被危及人員的年齡資訊(23歲)； 5、自用戶A的歷史記錄及/或警方公開資訊及/或新聞資訊中獲取的發生過危險情況的資訊中包括的危險情況發生的時間資訊(晚上22：00)；以及 6、自用戶A的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊中包括的發生過危險情況的場景畫面資訊(光線昏暗、場地狹窄)，該接收設置模組110透過使用資料量化處理(將該原始輸入A量化後，得到以下的一6維向量矩陣(6行*10列)：

其中將量化後得到的向量矩陣看作為一個空間，在本公開的實施例中統一將向量矩陣中的行視為該空間的維數(即10行為10維)。該資料量化處理可採用現有技術中的以下多種量化處理中的任一種：Word2vec量化處理、Doc2vec量化處理、FastText量化處理和LSTM(理解長短期記憶)量化處理。在資料降維步驟210B中，該接收設置模組110透過使用資料降維對該6維向量矩陣(6行*10列)進行降維處理，把該6行*10列的矩陣分解成10列*5行-5行5列-5列*6行，得到奇異值：[0.15267239 0.13737753 0.10736626 0.07182581 0.05534983 0.03337345]，其一般保留該向量矩陣中90% 的資訊量，故可取大於0.1的奇異值，後面的可忽略，最終可降為3行*10列，從而得到降維後的以下一3維向量矩陣(3行*10列)作為預先設置的多項辨識參考因子。

其中該資料降維可採用現有技術中的SVD降維。如圖4所示，採集量化步驟230包括有資訊量化步驟230A。在該資訊量化步驟230A中，以下各項資訊共同作為原始輸入B： 1’、透過主動採集模組130主動獲取的用戶A的當前行駛路線資訊(德勝門-北二環-北三環-安貞橋)； 2’、透過主動採集模組130主動獲取的用戶A的當前位置路線資訊(安貞橋)； 3’、透過接收設置模組110接收的用戶A的性別資訊(女)； 4’、透過接收設置模組110接收的用戶A的年齡資訊(31歲)； 5’、透過主動採集模組130主動獲取的用戶A的當前時間資訊(晚上21：00)；以及 6’、透過主動採集模組130主動獲取的用戶A所處的當前場景的畫面資訊( 光線昏暗，場地開闊)；以及該主動採集模組130透過使用資料量化處理將該原始輸入B量化後，得到一5維向量矩陣(5行*6列)作為多項辨識危險因子：

其中該資料量化處理可採用現有技術中的以下多種量化處理中的任一種：Word2vec量化處理、Doc2vec量化處理、FastText量化處理和LSTM(理解長短期記憶)量化處理。如圖4所示，該比較辨識步驟240包括有相似值計算步驟240A和判斷分值計算步驟240B。在相似值計算步驟240A中，比較辨識模組140使用上述作為預先設置的多項辨識參考因子的3維的(3行*10列)矩陣作為輸入向量A，使用上述作為多項辨識危險因子的5維的(5行*6列)矩陣作為輸入向量B，透過使用現有技術中的餘弦相似度算法計算輸入向量A和輸入向量B在向量空間中的夾角的餘弦值以得到它們之間的相似度，從而獲得範圍在0-1之間的相似值(例如0.8)。在判斷分值計算步驟240B中，比較辨識模組140基於預先設定的判斷分值計算表(例如表四)，根據獲得的上述相似值(例如0.8)得出判斷分值(例如60分) 當然，在相似值計算步驟240A中，比較辨識模組140也可採用現有技術中的歐氏距離及皮爾遜相關係數中的任一種相似度算法來進行相似值計算。圖5示出了根據本公開的實施例的手機智慧化報警系統300的結構方框圖。如圖5所示，該手機智慧化報警系統300包括有至少一個用戶智慧手機310、上述智慧化報警裝置100、網際網路伺服器320和警方接警系統330，所述智慧手機310內設有報警功能按鍵，所述的智慧化報警裝置100主動發現該智慧手機310的用戶處於危險情況時，提醒並引導所述用戶觸發所述報警功能按鍵以將所述手機的位置資訊和所述手機的用戶資訊透過所述網際網路伺服器320發送給所述接警系統330和預先設置的緊急連絡人。其中，所述報警裝置100還透過所述網際網路伺服器320接收來自警方接警系統的警方反饋資訊以告知所述手機用戶報警是否成功；如果接收到的所述警方反饋資訊還包括有此次報警不實的資訊，則所述報警裝置100將所述用戶名下的擾警行為次數+1，並進行儲存。透過本公開的上述實施例公開的用於手機的智慧化報警方法、裝置及包括其的報警系統，可主動辨識手機用戶處於危險情況並引導手機用戶發出報警資訊給警方的接警系統和緊急連絡人，從而以主動高效的方式達到迅速及時的報警目的。透過本公開的上述實施例公開的用於手機的智慧化報警方法、裝置及包括其的報警系統，在考慮的比較辨識因素中，包括有進行比較的至少以下五項因素：路線比較、位置比較、性別比較、年齡比較和時間比較；和非比對的至少以下三項因素：用戶的同伴資訊(是否有同伴)、用戶的擾警行為記錄和用戶的信用值，從而使得不但確保了對於用戶是否處於危險情況的判斷的準確度，而且也有效地降低了用戶擾警行為對於警方接警系統的干擾。需要說明的是，上述各實施例及變型中對於針對各種比較而給出相應判斷分值的表格僅為示例性，可以根據不同的應用需求而設定不同的判斷分值的打分規則或計算方式。需要說明的是，上述各流程和各設備結構方框圖中不是所有的步驟和單元都是必須的，可以根據實際的需要忽略某些步驟或單元。各步驟的執行順序不是固定的，可以根據需要進行確定。上述各實施例中描述的裝置結構可以是實體結構，也可以是邏輯結構，即，有些單元可能由同一物理實體實現，或者，有些單元可能分由多個物理實體實現，或者，有些單元可能分由物理實體和邏輯結構組合實現，或者，多個不同單元可以由同一實體設備或邏輯結構實現。以上各實施例中，硬體單元或模組可以透過機械方式或電氣方式實現。例如，一個硬體單元、模組或處理器可以包括永久性專用的電路或邏輯(如專門的處理器，FPGA或ASIC)來完成相應操作。硬體單元或處理器還可以包括可程式化邏輯或電路(如通用處理器或其它可程式化處理器)，可以由軟體進行臨時的設置以完成相應操作。裝置(包括伺服器)實施例可以透過軟體實現，也可以透過硬體或者軟硬結合的方式實現。以軟體實現為例，作為一個邏輯意義上的裝置，是透過其所在的伺服器的處理器將非易失性儲存器中對應的電腦程式指令讀取到記憶體中運行形成的。從硬體層面而言，除通常的處理器、記憶體、網路介面以及非易失性儲存器之外，實施例中所述的伺服器為通常根據該伺服器的實際功能，還可以包括其他硬體，對此不在贅述。上面結合圖式闡述的具體實施方式描述了示例性實施例，但並不表示可以實現的或者落入申請專利範圍的保護範圍的所有實施例。在整個本說明書中使用的用語“示例性”意味著“用作示例、實例或例示”，並不意味著比其它實施例“較佳”或“具有優勢”。出於提供對所描述技術的理解的目的，具體實施方式包括具體細節。然而，可以在沒有這些具體細節的情況下實施這些技術。本公開內容的上述描述被提供來使得本領域任何普通技術人員能夠實現或者使用本公開內容。對於本領域普通技術人員來說，對本公開內容進行的各種修改是顯而易見的，並且，也可以在不脫離本公開內容的保護範圍的情況下，將本文所定義的一般性原理應用於其它變型。因此，本公開內容並不限於本文所描述的示例和設計，而是與符合本文公開的原理和新穎性特徵的最廣範圍相一致。

100:智慧化報警裝置 110:接收設置模組 120:資訊儲存模組 130:主動採集模組 140:比較辨識模組 150:推送提醒模組 160:報警發送模組 210:步驟 210A:步驟 210B:步驟 220:步驟 230:步驟 230A:步驟 240:步驟 240A:步驟 240B:步驟 250:步驟 260:步驟 300:報警系統 310:智慧手機 320:網際網路伺服器 330:接警系統

透過參照下面的圖式，可以實現對於本公開內容的本質和優點的進一步理解。在圖式中，類似組件或特徵可以具有相同的圖式標記。 [圖1]示出了根據本公開的實施例的用於手機的智慧化報警裝置的結構方框圖； [圖2]示出了圖1所示的智慧化報警裝置中包括的各模組的工作交互示意圖； [圖3]示出了根據本公開的實施例的用於手機的智慧化報警方法的流程圖； [圖4]示出了圖3所示的用於手機的智慧化報警方法中的接收設置步驟和主動採集步驟中的量化處理，和比較辨識步驟中的相似度處理的流程圖； [圖5]示出了根據本公開的實施例的手機智慧化報警系統的結構方框圖。

100:智慧化報警裝置

110:接收設置模組

120:資訊儲存模組

130:主動採集模組

140:比較辨識模組

150:推送提醒模組

160:報警發送模組

Claims

一種用於手機的智慧化報警裝置，其中所述手機內設有報警功能按鍵，所述報警功能按鍵被觸發後可將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人，所述報警裝置包括：接收設置模組，用於接收預先設置的一或多項辨識參考因子並設置報警參考值；主動採集模組，用於主動獲取所述手機用戶的當前位移資訊作為第一項辨識危險因子；比較辨識模組，用於將所述第一項辨識危險因子與所述一或多項辨識參考因子中相應的一項辨識參考因子進行比較以辨識兩者之間的差異並得出判斷分值，如果所述判斷分值等於或大於所述報警參考值，則發出推送提醒指令，如果所述判斷分值小於所述報警參考值，則返回到所述主動採集模組的處理；推送提醒模組，用於根據來自所述比較辨識模組的所述推送提醒指令，將報警提示資訊推送到所述手機上，提醒所述手機用戶發出報警資訊；以及報警發送模組，用於引導所述手機用戶觸發所述手機中的報警功能按鍵以將位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人，其中所述接收設置模組還接收所述手機用戶的擾警行為記錄，所述擾警行為記錄表示所述手機用戶曾經有過擾警行為的次數；且所述比較辨識模組根據所述手機用戶的擾警行為記錄而給出判斷分值。
根據請求項1所述的報警裝置，其中所述報警功能按鍵為所述手機用戶在所述手機上下載的報警APP中設置的報警功能按鍵，在所述手機用戶觸發所述報警功能按鍵後，所述報警APP將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。
根據請求項1所述的報警裝置，其中所述一或多項辨識參考因子包括以下一或多項參考資訊：所述手機用戶的規劃路線資訊、所述手機用戶的目標位置資訊、自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊。
根據請求項3所述的報警裝置，其中自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊包括以下一或多項參考資訊：發生的危險情況中被危及人員的性別和年齡資訊、危險情況發生時的時間資訊、以及發生的危險情況所在的場景畫面資訊及/或聲音資訊等。
根據請求項1所述的報警裝置，其中所述接收設置模組還接收所述手機用戶透過所述手機輸入的其性別資訊和年齡資訊。
根據請求項3所述的報警裝置，其中所述接收設置模組還用於將接收的所述一或多項參考資訊進行量化，從而轉換成一矩陣或序列作為所述一或多項辨識參考因子。
根據請求項1所述的報警裝置，其中所述手機用戶的當前位移資訊包括所述手機用戶的當前行駛路線資訊和當前位置資訊。
根據請求項4所述的報警裝置，其中所述主動採集模組主動獲取所述手機用戶的當前時間資訊作為第二項辨識危險因子。
根據請求項5所述的報警裝置，其中所述主動採集模組獲取所述手機用戶的性別資訊和年齡資訊作為第三項辨識危險因子。
根據請求項1、8和9中任一項所述的報警裝置，其中所述主動採集模組使用資料量化處理將所述手機用戶的當前位移資訊、所述手機用戶的當前時間資訊以及所述手機用戶的性別資訊和年齡資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。
根據請求項4所述的報警裝置，其中所述主動採集模組主動獲取所述手機用戶的當前場景資訊作為第四項辨識危險因子，其中所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊。
根據請求項11所述的報警裝置，其中所述主動採集模組按照所述手機用戶預先設置的定時開啟時間，使所述手機的攝影鏡頭被自動開啟以攝取所述用戶所處的當前場景的畫面及/或所述手機的錄音器被自動開啟以記錄用戶所處的當前場景的聲音，所述主動採集模組將獲得的當前場景的畫面及/或聲音資訊作為所述第四項辨識危險因子。
根據請求項1、8、9、11和12中任一項所述的報警裝置，其中所述主動採集模組使用資料量化處理將所述手機用戶的當前位移資訊、所述手機用戶的當前時間資訊、所述手機用戶的性別資訊和年齡資訊以及所述手機用戶的當前場景資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。
根據請求項7所述的報警裝置，其中所述比較辨識模組進行位移偏差的比較辨識並得出判斷分值。
根據請求項14所述的報警裝置，其中所述比較辨識模組對所述第一項辨識危險因子中包含的所述手機用戶的當前行駛路線與所述一或多項辨識參考因子中包含的所述手機用戶的規劃路線進行比較以辨識兩者之間差異並得出判斷分值；和對所述第一項辨識危險因子中包含的所述手機用戶的當前位置與所述一或多項辨識參考因子中包含的所述手機用戶的目標位置進行比較以辨識兩者之間差異並得出判斷分值。
根據請求項8所述的報警裝置，其中所述比較辨識模組對時間進行比較辨識並得出判斷分值。
根據請求項16所述的報警裝置，其中所述比較辨識模組對所述第二項辨識危險因子中包含的所述手機用戶的當前時間資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊所記錄的危險情況發生的時間資訊進行比較以辨識兩者之間差異並得出判斷分值。
根據請求項9所述的報警裝置，其中所述比較辨識模組對性別和年齡進行比較辨識並得出判斷分值。
根據請求項18所述的報警裝置，其中所述比較辨識模組對所述第三項辨識危險因子中包含的所述手機用戶的性別資訊和年齡資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊中所包括的發生的危險情況中被危及的人員的性別資訊和年齡資訊分別進行比較以辨識兩者之間差異並得出判斷分值。
根據請求項11所述的報警裝置，其中所述比較辨識模組對類似場景進行比較辨識並得出判斷分值。
根據請求項20所述的報警裝置，其中所述比較辨識模組對所述第四項辨識危險因子中包含的所述手機用戶所處的當前場景資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊進行相似度比較以辨識兩者之間的差異並得出判斷分值。
根據請求項11所述的報警裝置，其中所述第四項辨識危險因子中包含的所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊；以及所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊包括場景畫面資訊及/或場景聲音資訊。
根據請求項1所述的報警裝置，其中所述接收設置模組還接收所述手機用戶透過所述手機輸入的指示所述用戶出行是否有同伴的同伴資訊；且所述比較辨識模組基於所述同伴資訊而給出判斷分值。
根據請求項1所述的報警裝置，其中所述接收設置模組還接收所述手機用戶的信用值；且所述比較辨識模組根據所述手機用戶的信用值而給出判斷分值。
根據請求項1所述的報警裝置，還包括有資訊儲存模組，用於儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值。
根據請求項5至6和23至24中任一項所述的報警裝置，還包括有資訊儲存模組，用於儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值，以及以下資訊中的一項或多項：所述手機用戶的性別資訊和年齡資訊、所述同伴資訊、所述手機用戶的信用值以及所述手機用戶的歷史記錄；其中所述手機用戶的擾警行為記錄也被儲存在所述資訊儲存模組中作為所述手機用戶的歷史記錄中的一部分。
根據請求項1和14至24中任一項所述的報警裝置，其中所述比較辨識模組將各判斷分值相加，如果這些判斷分值的累計之和等於或大於作為所述報警參考值，則發出所述推送提醒指令；如果這些判斷分值的累計之和小於所述報警參考值，則處理流程返回所述主動採集模組。
根據請求項1所述的報警裝置，其中在所述報警提示資訊的提醒下，透過所述報警發送模組的引導，用戶點擊手機螢幕上或報警APP中的報警功能按鍵，以將所述手機用戶的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。
根據請求項26所述的報警裝置，其中所述手機用戶觸發所述報警功能按鍵後，所述報警發送模組透過啟動所述手機的攝影鏡頭及/或錄音器以視訊及/或音訊的方式記錄報警過程資訊和報警事實資訊；所述報警發送模組還接收來自警方接警系統的警方反饋資訊以告知所述手機用戶報警是否成功；如果所述報警發送模組收到的所述警方反饋資訊還包括有此次報警不實的資訊，則將所述用戶名下的擾警行為次數+1，並儲存在所述資訊儲存模組中。
根據請求項1所述的報警裝置，其中所述接收設置模組、所述主動採集模組、所述比較辨識模組、所述推送提醒模組和所述報警發送模組由透過網路與所述手機相連的遠端伺服器實現。
根據請求項25所述的報警裝置，其中所述資訊儲存模組由透過網路與所述手機和所述遠端伺服器相連的雲端儲存器實現。
一種用於手機的智慧化報警方法，其中所述手機內設有報警功能按鍵，所述報警功能按鍵被觸發後可將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人，所述報警方法包括有以下步驟：接收設置步驟：透過接收設置模組接收預先設置的一或多項辨識參考因子並設置報警參考值；主動採集步驟：透過主動採集模組主動獲取用戶的當前位移資訊並進行資料量化處理後作為第一項辨識危險因子；比較辨識步驟：透過比較辨識模組將所述第一項辨識危險因子與所述一或多項辨識參考因子中相應的一項辨識參考因子進行比較以辨識兩者之間的差異並得出判斷分值，如果所述判斷分值等於或大於所述報警參考值，則發出推送提醒指令，如果所述判斷分值小於所述報警參考值，則返回到所述主動採集步驟；推送提醒步驟：透過推送提醒模組，根據來自所述比較辨識步驟的所述推送提醒指令，將報警提示資訊推送到所述手機上，提醒所述手機用戶發出報警資訊；以及報警發送步驟：透過報警發送模組，引導所述手機用戶觸發所述手機中的報警功能按鍵以將位置資訊和用戶資訊發送預先設置的警方接警系統及/或緊急連絡人，其中所述接收設置步驟還包括：透過所述接收設置模組接收所述手機用戶的擾警行為記錄，所述擾警行為記錄表示所述手機用戶曾經有過擾警行為的次數；且所述比較辨識模組步驟還包括：透過所述比較辨識模組基於所述手機用戶的擾警行為記錄而給出判斷分值。
根據請求項32所述的報警方法，其中所述報警功能按鍵為所述手機用戶在所述手機上下載的報警APP中設置的報警功能按鍵，在所述手機用戶觸發所述報警功能按鍵後，所述報警APP將所述手機的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。
根據請求項32所述的報警方法，其中所述一或多項辨識參考因子包括資料量化處理後的以下一或多項參考資訊：所述手機用戶的規劃路線資訊、所述手機用戶的目標位置資訊、自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊。
根據請求項34所述的報警方法，其中自該手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊包括以下一或多項參考資訊：發生的危險情況中被危及人員的性別和年齡資訊、危險情況發生時的時間資訊、以及發生的危險情況所在的場景畫面資訊及/或聲音資訊等。
根據請求項32所述的報警方法，其中在所述接收設置步驟中，透過所述接收設置模組還接收所述手機用戶透過所述手機輸入的其性別資訊和年齡資訊。
根據請求項32或35所述的報警方法，其中在所述接收設置步驟中，透過所述接收設置模組使用資料量化處理將接收的所述一或多項參考資訊進行量化，從而轉換成一矩陣或序列作為所述一或多項辨識參考因子。
根據請求項32所述的報警方法，其中所述手機用戶的當前位移資訊包括所述手機用戶的當前行駛路線資訊和當前位置資訊。
根據請求項32所述的報警方法，其中所述主動採集步驟還包括：透過所述主動採集模組主動獲取所述手機用戶的當前時間資訊作為第二項辨識危險因子。
根據請求項36所述的報警方法，其中所述主動採集步驟還包括：透過所述主動採集模組獲取所述手機用戶的性別資訊和年齡資訊作為第三項辨識危險因子。
根據請求項32、39和40中任一項所述的報警方法，其中所述主動採集步驟還包括：透過該主動採集模組使用資料量化處理將該手機用戶的當前位移資訊、該手機用戶的當前時間資訊以及該手機用戶的性別和年齡資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。
根據請求項32所述的報警方法，其中所述主動採集步驟還包括：透過所述主動採集模組主動獲取所述手機用戶的當前場景資訊作為第四項辨識危險因子，其中所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊。
根據請求項42所述的報警方法，其中所述透過所述主動採集模組主動獲取所述手機用戶的當前場景資訊作為第四項辨識危險因子的步驟包括：按照所述手機用戶預先設置的定時開啟時間，所述手機的攝影鏡頭被自動開啟以攝取所述手機用戶所處的當前場景的畫面及/或所述手機的錄音器被自動開啟以記錄用戶所處的當前場景的聲音，透過所述主動採集模組將獲得的所述手機用戶的當前場景的畫面資訊及/或聲音資訊作為所述第四項辨識危險因子。
根據請求項32、39、40、42和43中任一項所述的報警方法，其中在所述主動採集步驟中，透過所述主動採集模組使用資料量化處理將所述手機用戶的當前位移資訊、所述手機用戶的當前時間資訊、所述手機用戶的性別和年齡資訊以及所述手機用戶的當前場景資訊中的一或多項資訊量化成一矩陣或序列作為一或多項辨識危險因子。
根據請求項38所述的報警方法，其中所述比較辨識步驟包括：透過所述比較辨識模組進行位移偏差的比較辨識並得出判斷分值。
根據請求項45所述的報警方法，其中所述進行位移偏差的比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第一項辨識危險因子中包含的所述手機用戶的當前行駛路線與所述一或多項辨識參考因子中包含的所述手機用戶的規劃路線進行比較以辨識兩者之間差異並得出判斷分值；和對所述第一項辨識危險因子中包含的所述手機用戶的當前位置與所述一或多項辨識參考因子中包含的所述手機用戶的目標位置進行比較以辨識兩者之間差異並得出判斷分值。
根據請求項39所述的報警方法，其中所述比較辨識步驟還包括：透過所述比較辨識模組對時間進行比較辨識並得出判斷分值。
根據請求項47所述的報警方法，其中所述透過所述比較辨識模組對時間進行比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第二項辨識危險因子中包含的所述手機用戶的當前時間資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊所記錄的危險情況發生的時間資訊進行比較以辨識兩者之間差異並得出判斷分值。
根據請求項40所述的報警方法，其中所述比較辨識步驟還包括：透過所述比較辨識模組對性別和年齡進行比較辨識並得出判斷分值。
根據請求項49所述的報警方法，其中所述透過所述比較辨識模組對性別和年齡進行比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第三項辨識危險因子中包含的所述手機用戶的性別資訊和年齡資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中獲取的發生過危險情況的資訊中所包括的發生的危險情況中被危及的人員的性別資訊和年齡資訊分別進行比較以辨識兩者之間差異並得出判斷分值。
根據請求項42所述的報警方法，其中所述比較辨識步驟還包括：透過所述比較辨識模組對類似場景進行比較辨識並得出判斷分值。
根據請求項51所述的報警方法，其中透過所述比較辨識模組對類似場景進行比較辨識並得出判斷分值的步驟包括：透過所述比較辨識模組對所述第四項辨識危險因子中包含的所述手機用戶所處的當前場景資訊與所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊進行相似度比較以辨識兩者之間的差異並得出判斷分值。
根據請求項52所述的報警方法，其中在透過所述比較辨識模組對類似場景進行比較辨識並得出判斷分值的步驟中，所述第四項辨識危險因子中包含的所述手機用戶的當前場景資訊包括所述手機用戶的當前場景畫面資訊及/或當前場景聲音資訊；以及所述一或多項辨識參考因子中包含的自所述手機用戶的歷史記錄及/或公開資訊中抓取的發生的危險情況所在的場景資訊包括場景畫面資訊及/或場景聲音資訊。
根據請求項32所述的報警方法，其中所述接收設置步驟還包括：透過所述接收設置模組接收所述手機用戶透過所述手機輸入的指示所述用戶出行是否有同伴的同伴資訊；且所述比較辨識步驟還包括：透過所述比較辨識模組基於所述手機用戶的出行是否有同伴的同伴資訊而得出判斷分值。
根據請求項32所述的報警方法，其中所述接收設置步驟還包括：透過所述接收設置模組接收所述手機用戶的信用值；且所述比較辨識模組步驟還包括：透過所述比較辨識模組根據所述手機用戶的信用值而給出判斷分值。
根據請求項32所述的報警方法，在所述接收設置步驟和所述主動採集步驟之間還包括有資訊儲存步驟：透過資訊儲存模組儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值。
根據請求項36和54至55中任一項所述的報警方法，在所述接收設置步驟和所述主動採集步驟之間還包括有資訊儲存步驟：透過資訊儲存模組儲存所述預先設置的一或多項辨識參考因子和所述設置的報警參考值，以及以下資訊中的一項或多項：所述手機用戶的性別資訊和年齡資訊、所述同伴資訊、所述手機用戶的信用值以及所述手機用戶的歷史記錄；其中所述手機用戶的擾警行為記錄也被儲存在所述資訊儲存模組中作為所述手機用戶的歷史記錄中的一部分。
根據請求項32和45至55中任一項所述的報警方法，其中在所述比較辨識步驟中，透過所述比較辨識模組將各判斷分值相加，如果這些判斷分值的累計之和等於或大於作為所述報警參考值，則發出所述推送提醒指令；如果這些判斷分值的累計之和小於所述報警參考值，則處理流程返回所述主動採集步驟。
根據請求32所述的報警方法，其中所述報警發送步驟包括：在所述報警提示資訊的引導下，用戶點擊手機螢幕上或報警APP中的報警功能按鍵，以將所述手機用戶的位置資訊和用戶資訊發送給預先設置的警方接警系統及/或緊急連絡人。
根據請求項32所述的報警方法，其中在所述報警發送步驟中，還包括：在所述手機用戶觸發所述報警功能按鍵後，所述報警發送模組透過啟動所述手機的攝影鏡頭及/或錄音器以視訊及/或音訊的方式記錄報警過程資訊和報警事實資訊；所述報警發送模組還接收來自警方接警系統的警方反饋資訊以告知所述手機用戶報警是否成功；如果所述報警發送模組收到的所述警方反饋資訊還包括有此次報警不實的資訊，則將所述用戶名下的擾警行為次數+1，並儲存在所述資訊儲存模組中。
根據請求項32所述的報警方法，其中所述接收設置模組、所述主動採集模組、所述比較辨識模組、所述推送提醒模組和所述報警發送模組由透過網路與所述手機相連的遠端伺服器實現。
根據請求項56所述的報警方法，其中所述資訊儲存模組由透過網路與所述手機和所述遠端伺服器相連的雲端儲存器實現。
一種手機智慧化報警系統，包括有至少一個智慧手機、根據請求項1至29中任一項所述的智慧化報警裝置、網際網路伺服器和警方接警系統，所述智慧手機內設有報警功能按鍵，所述的智慧化報警裝置主動發現該智慧手機的用戶處於危險情況時，提醒並引導所述用戶觸發所述報警功能按鍵以將所述手機的位置資訊和所述手機的用戶資訊透過所述網際網路伺服器發送給所述接警系統及/或預先設置的緊急連絡人。