預警方法和預警系統的制作方法
【專利摘要】本發明公開了一種預警方法和預警系統，所述預警方法包括：獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據，將所述激動狀態數據與預設的激動狀態模型進行匹配，若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。本發明提供的技術方案將寵物的激動狀態數據與預設的激動狀態模型進行匹配，根據匹配結果識別寵物是否處于激動狀態，從而提高了識別寵物危害行為的準確性和及時性，最終提醒人們對寵物危害行為進行規避。
【專利說明】
預警方法和預警系統
技術領域
[0001]本發明涉及智能監測技術領域，尤其涉及一種預警方法和預警系統。
【背景技術】
[0002]隨著社會的進步，人們物質生活水平也不斷提升，越來越多的家庭開始飼養寵物。寵物確實能夠給人們帶來身心的愉悅，提升人們關愛弱勢群體的主觀能動性。然而，越來越多的寵物需要到室外活動，也就不可避免地與正在行走的生人產生接觸。這些寵物的習性和行為往往不能夠完全被主人控制，尤其是一些大型犬種，當寵物處于激動狀態或者受到外界刺激時，人們不能夠第一時間察覺，也就無法及時作出應對措施，因此經常出現寵物咬傷路人的情況。

【發明內容】

[0003]為解決上述問題，本發明提供一種預警方法和預警系統，用于解決現有技術無法對寵物危害行為進行預警的問題。
[0004]為此，本發明提供一種預警方法，包括:
[0005]獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據；
[0006]將所述激動狀態數據與預設的激動狀態模型進行匹配；
[0007]若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀
??τ O
[0008]可選的，還包括:
[0009]若所述激動狀態數據與所述激動狀態模型匹配失敗，確定所述寵物處于正常狀
??τ O
[0010]可選的，所述將所述激動狀態數據與預設的激動狀態模型進行匹配的步驟之前包括:
[0011]獲取寵物的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據；
[0012]根據所述歷史狀態數據形成激動狀態模型。
[0013]可選的，所述生理特征數據包括心率數據和呼吸數據，所述行為特征數據包括運動軌跡數據和身體震動數據。
[0014]可選的，還包括:
[0015]根據激動狀態信息向終端發送預警信息或者報警信息。
[0016]本發明還提供一種預警系統，包括:
[0017]第一獲取單元，用于獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據；
[0018]第一匹配單元，用于將所述激動狀態數據與預設的激動狀態模型進行匹配；
[0019]第一確定單元，用于若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。
[0020]可選的，還包括:
[0021 ]第二確定單元，用于若所述激動狀態數據與所述激動狀態模型匹配失敗，確定所述寵物處于正常狀態。
[0022]可選的，還包括:
[0023]第二獲取單元，用于獲取寵物的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據；
[0024]第一形成單元，用于根據所述歷史狀態數據形成激動狀態模型。
[0025]可選的，所述生理特征數據包括心率數據和呼吸數據，所述行為特征數據包括運動軌跡數據和身體震動數據。
[0026]可選的，還包括:
[0027]第一發送單元，用于根據激動狀態信息向終端發送預警信息或者報警信息。
[0028]本發明具有下述有益效果:
[0029]本發明提供的預警方法和預警系統中，所述預警方法包括:獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據，將所述激動狀態數據與預設的激動狀態模型進行匹配，若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。本發明提供的技術方案將寵物的激動狀態數據與預設的激動狀態模型進行匹配，根據匹配結果識別寵物是否處于激動狀態，從而提高了識別寵物危害行為的準確性和及時性，最終提醒人們對寵物危害行為進行規避。
【附圖說明】
[0030]圖1為本發明實施例一提供的一種預警方法的流程圖；
[0031]圖2為本發明實施例二提供的一種預警系統的結構示意圖。
【具體實施方式】
[0032]為使本領域的技術人員更好地理解本發明的技術方案，下面結合附圖對本發明提供的預警方法和預警系統進行詳細描述。
[0033]實施例一
[0034]圖1為本發明實施例一提供的一種預警方法的流程圖。如圖1，所述預警方法包括:
[0035]步驟1001、獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據。
[0036]本實施例中，所述生理激動數據包括心率數據和呼吸數據，所述行動激動數據包括運動軌跡數據和身體震動數據。在實際應用中，可穿戴智能設備已經非常普及，上述可穿戴智能設備能夠收集寵物如下行為特征數據:寵物的位置、移動路徑以及移動速度，也能夠收集如下生理特征數據:寵物的心跳、呼吸等生物體征。上述數據在通常狀態下均在一個合理的范圍之內波動，當寵物處于激動狀態或者受到外界刺激時，上述數據必然會出現異常，智能終端設備就能夠獲得上述激動狀態數據。
[0037]本實施例中，所述將所述激動狀態數據與預設的激動狀態模型進行匹配的步驟之前包括:獲取寵物的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據，根據所述歷史狀態數據形成激動狀態模型。可選的，所述生理特征數據包括心率數據和呼吸數據，所述行為特征數據包括運動軌跡數據和身體震動數據。首先，采集日常狀態下寵物的生理特征數據和行為特征數據，上述數據可以通過可穿戴智能設備進行收集。然后，對上述歷史狀態數據進行機器學習和模型建立。所述機器學習就是通過收集的歷史狀態數據對激動狀態進行定義適配，確定相應的閾值條件，同時根據之后收集的歷史狀態數據不斷學習和修正。所述模型建立就是根據歷史狀態數據在機器學習的基礎上對激動狀態進行模型固化以便能夠在激動狀態數據導入之后快速識別。
[0038]步驟1002、將所述激動狀態數據與預設的激動狀態模型進行匹配。
[0039]步驟1003、若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。
[0040]步驟1004、若所述激動狀態數據與所述激動狀態模型匹配失敗，確定所述寵物處于正常狀態。
[0041]本實施例中，寵物在日常狀態下的行動軌跡會相對正常、心跳水平、震動程度、呼吸強度相對處于穩定狀態，當寵物處于激動狀態或者受到外界刺激時，上述寵物的軌跡和震動程度會發生突變，將上述激動狀態數據與所述激動狀態模型的設定值進行匹配，若匹配成功可以確定所述寵物處于激動狀態，若匹配失敗可以確定所述寵物處于正常狀態。如果確定所述寵物處于激動狀態，根據激動狀態信息向終端發送預警信息或者報警信息，從而可以提醒人們對寵物危害行為進行規避。
[0042]本實施例提供的預警方法包括:獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據，將所述激動狀態數據與預設的激動狀態模型進行匹配，若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。本實施例提供的技術方案將寵物的激動狀態數據與預設的激動狀態模型進行匹配，根據匹配結果識別寵物是否處于激動狀態，從而提高了識別寵物危害行為的準確性和及時性。另外，通過建模方式識別寵物是否處于激動狀態，充分利用了大數據，具有更高的實時性和真實性。
[0043]實施例二
[0044]圖2為本發明實施例二提供的一種預警系統的結構示意圖。如圖2所示，所述預警系統包括第一獲取單元101、第一匹配單元102、第一確定單元103以及第二確定單元104。所述第一獲取單元101獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據。所述第一匹配單元102將所述激動狀態數據與預設的激動狀態模型進行匹配。若所述激動狀態數據與所述激動狀態模型匹配成功，所述第一確定單元103確定所述寵物處于激動狀態。若所述激動狀態數據與所述激動狀態模型匹配失敗，所述第二確定單元104確定所述寵物處于正常狀態。
[0045]本實施例中，所述生理激動數據包括心率數據和呼吸數據，所述行動激動數據包括運動軌跡數據和身體震動數據。在實際應用中，可穿戴智能設備具備收集寵物運動軌跡、運動狀態以及基本生物體征的功能。因此，可穿戴智能設備能夠收集寵物如下行為特征數據:寵物的位置、移動路徑以及移動速度，也能夠收集如下生理特征數據:寵物的心跳、呼吸等生物體征。上述數據在通常狀態下均在一個合理的范圍之內波動，當寵物處于激動狀態或者受到外界刺激時，上述數據必然會出現異常，智能終端設備就能夠獲得上述激動狀態數據。
[0046]本實施例中，所述預警系統還包括第二獲取單元和第一形成單元，所述第二獲取單元獲取寵物的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據，所述第一形成單元根據所述歷史狀態數據形成激動狀態模型。可選的，所述生理特征數據包括心率數據和呼吸數據，所述行為特征數據包括運動軌跡數據和身體震動數據。首先，第一獲取單元101獲取日常狀態下寵物的生理特征數據和行為特征數據，上述數據可以通過可穿戴智能設備進行收集。然后，第一匹配單元102對上述歷史狀態數據進行機器學習和模型建立。所述機器學習就是通過收集的歷史狀態數據對激動狀態進行定義適配，確定相應的閾值條件，同時根據之后收集的歷史狀態數據不斷學習和修正。所述模型建立就是根據歷史狀態數據在機器學習的基礎上對激動狀態進行模型固化以便能夠在激動狀態數據導入之后快速識別。
[0047]本實施例中，寵物在日常狀態下的行動軌跡會相對正常、心跳水平、震動程度、呼吸強度相對處于穩定狀態，當寵物處于激動狀態或者受到外界刺激時，上述寵物的軌跡和震動程度會發生突變，第一匹配單元102將上述激動狀態數據與所述激動狀態模型的設定值進行匹配，若匹配成功第一確定單元103確定所述寵物處于激動狀態，若匹配失敗第二確定單元104確定所述寵物處于正常狀態。如果第一確定單元103確定所述寵物處于激動狀態，第一發送單元根據激動狀態信息向終端發送預警信息或者報警信息，從而可以提醒人們對寵物危害行為進行規避。
[0048]本實施例提供的預警系統包括第一獲取單元、第一匹配單元、第一確定單元以及第二確定單元，所述第一獲取單元獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據，所述第一匹配單元將所述激動狀態數據與預設的激動狀態模型進行匹配，若所述激動狀態數據與所述激動狀態模型匹配成功，所述第一確定單元確定所述寵物處于激動狀態。本實施例提供的技術方案將寵物的激動狀態數據與預設的激動狀態模型進行匹配，根據匹配結果識別寵物是否處于激動狀態，從而提高了識別寵物危害行為的準確性和及時性。另外，通過建模方式識別寵物是否處于激動狀態，充分利用了大數據，具有更高的實時性和真實性。
[0049]可以理解的是，以上實施方式僅僅是為了說明本發明的原理而采用的示例性實施方式，然而本發明并不局限于此。對于本領域內的普通技術人員而言，在不脫離本發明的精神和實質的情況下，可以做出各種變型和改進，這些變型和改進也視為本發明的保護范圍。
【主權項】
1.一種預警方法，其特征在于，包括: 獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據； 將所述激動狀態數據與預設的激動狀態模型進行匹配； 若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。2.根據權利要求1所述預警方法，其特征在于，還包括: 若所述激動狀態數據與所述激動狀態模型匹配失敗，確定所述寵物處于正常狀態。3.根據權利要求1所述預警方法，其特征在于，所述將所述激動狀態數據與預設的激動狀態模型進行匹配的步驟之前包括: 獲取寵物的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據； 根據所述歷史狀態數據形成激動狀態模型。4.根據權利要求3所述預警方法，其特征在于，所述生理特征數據包括心率數據和呼吸數據，所述行為特征數據包括運動軌跡數據和身體震動數據。5.根據權利要求1所述預警方法，其特征在于，還包括: 根據激動狀態信息向終端發送預警信息或者報警信息。6.一種預警系統，其特征在于，包括: 第一獲取單元，用于獲取寵物的激動狀態數據，所述激動狀態數據包括生理激動數據和/或行動激動數據； 第一匹配單元，用于將所述激動狀態數據與預設的激動狀態模型進行匹配； 第一確定單元，用于若所述激動狀態數據與所述激動狀態模型匹配成功，確定所述寵物處于激動狀態。7.根據權利要求6所述預警系統，其特征在于，還包括: 第二確定單元，用于若所述激動狀態數據與所述激動狀態模型匹配失敗，確定所述寵物處于正常狀態。8.根據權利要求6所述預警系統，其特征在于，還包括: 第二獲取單元，用于獲取寵物的歷史狀態數據，所述歷史狀態數據包括生理特征數據和行為特征數據； 第一形成單元，用于根據所述歷史狀態數據形成激動狀態模型。9.根據權利要求8所述預警系統，其特征在于，所述生理特征數據包括心率數據和呼吸數據，所述行為特征數據包括運動軌跡數據和身體震動數據。10.根據權利要求6所述預警系統，其特征在于，還包括: 第一發送單元，用于根據激動狀態信息向終端發送預警信息或者報警信息。
【文檔編號】A61B5/0205GK105997024SQ201610302658
【公開日】2016年10月12日
【申請日】2016年5月9日
【發明人】張愷, 楊錦洲
【申請人】中國聯合網絡通信集團有限公司