本申請(qǐng)涉及暴力風(fēng)險(xiǎn)預(yù)警，具體是一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)、方法及電子設(shè)備。

背景技術(shù)：

1、兒科急診是與患者及家屬接觸最多的科室，兒童語(yǔ)言及認(rèn)知能力欠佳，不能準(zhǔn)確表達(dá)自己的想法，兒科急診醫(yī)務(wù)人員作為接觸患者家屬最密切的人員，容易成為患者及家屬不良情緒發(fā)泄的對(duì)象，更容易遭受暴力襲擊。

2、目前，多個(gè)國(guó)家和地區(qū)陸續(xù)發(fā)布了暴力防控相關(guān)的指南、技術(shù)工具和法律法規(guī)等，具體包括防暴評(píng)估工具、建立預(yù)警系統(tǒng)、護(hù)士防暴培訓(xùn)、完善就醫(yī)流程、提高安保設(shè)施等。但是，現(xiàn)有技術(shù)依然存在無法及時(shí)預(yù)警的情況，因此，無法高效的達(dá)到暴力事件規(guī)避的目的。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的在于提供一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)、方法及電子設(shè)備，以解決上述背景中提出的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)公開了以下技術(shù)方案：

3、本申請(qǐng)?jiān)诘谝环矫婀_了一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，包括人員識(shí)別模塊、行為分析模塊、傾向評(píng)估模塊和風(fēng)險(xiǎn)預(yù)警模塊；

4、所述人員識(shí)別模塊配置為：采集人員的身份特征，對(duì)人員進(jìn)行身份識(shí)別，所述身份特征包括面容數(shù)據(jù)、指紋數(shù)據(jù)或證件數(shù)據(jù)中的至少一種；

5、所述行為分析模塊配置為：基于人員的行為特征，對(duì)人員進(jìn)行行為分析，所述行為特征包括面部表情、肢體動(dòng)作、語(yǔ)言內(nèi)容、表達(dá)語(yǔ)氣或表達(dá)語(yǔ)速中的一種或多種；

6、所述傾向評(píng)估模塊配置為：基于所述身份識(shí)別和所述行為分析的結(jié)果，對(duì)待評(píng)估人員進(jìn)行暴力傾向分析，獲取待評(píng)估人員的暴力傾向分?jǐn)?shù)；

7、所述風(fēng)險(xiǎn)預(yù)警模塊配置為：基于預(yù)設(shè)的預(yù)警閾值與待評(píng)估人員的暴力傾向分?jǐn)?shù)，當(dāng)該暴力傾向分?jǐn)?shù)大于該預(yù)警閾值時(shí)，作出風(fēng)險(xiǎn)預(yù)警。

8、作為優(yōu)選，所述暴力傾向分析，具體包括：

9、基于大數(shù)據(jù)獲取表示存在暴力傾向的數(shù)據(jù)集，利用該數(shù)據(jù)集進(jìn)行評(píng)估模型的訓(xùn)練，得到風(fēng)險(xiǎn)評(píng)估模型；

10、對(duì)待評(píng)估人員對(duì)應(yīng)的所述身份識(shí)別和所述行為分析的結(jié)果進(jìn)行數(shù)據(jù)預(yù)處理，所述數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗、特征分析和數(shù)據(jù)標(biāo)準(zhǔn)化；

11、將數(shù)據(jù)預(yù)處理的結(jié)果導(dǎo)入所述風(fēng)險(xiǎn)評(píng)估模型，根據(jù)所述風(fēng)險(xiǎn)評(píng)估模型對(duì)待評(píng)估人員進(jìn)行暴力傾向的風(fēng)險(xiǎn)評(píng)分，計(jì)算暴力傾向分?jǐn)?shù)。

12、作為優(yōu)選，所述數(shù)據(jù)集包括訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。

13、作為優(yōu)選，在訓(xùn)練評(píng)估模型時(shí)，將所述數(shù)據(jù)集作為原始數(shù)據(jù)集，并通過聚類算法對(duì)該原始數(shù)據(jù)集進(jìn)行豐富處理后得到模擬數(shù)據(jù)集，并將所述原始數(shù)據(jù)集和所述模擬數(shù)據(jù)集均作為訓(xùn)練時(shí)的數(shù)據(jù)。

14、作為優(yōu)選，所述風(fēng)險(xiǎn)評(píng)估模型對(duì)數(shù)據(jù)預(yù)處理后的每個(gè)數(shù)據(jù)源的特征值進(jìn)行多源信息融合，并基于融合后的特征值進(jìn)行風(fēng)險(xiǎn)評(píng)分；其中，所述融合后的特征值的計(jì)算公式為：

15、

16、其中，ffuse為融合后的特征值，wi為權(quán)重值，fi為融合前第i個(gè)數(shù)據(jù)源的特征值。

17、作為優(yōu)選，所述風(fēng)險(xiǎn)評(píng)分的計(jì)算公式為：

18、

19、其中，rs為計(jì)算得到的暴力傾向分?jǐn)?shù)，e為自然對(duì)數(shù)的底數(shù)，β0為預(yù)設(shè)的常數(shù)項(xiàng)，βi為第i個(gè)特征的相關(guān)系數(shù)，ffusei為第i個(gè)融合后的特征值，m為融合后的特征值的總數(shù)。

20、作為優(yōu)選，所述傾向評(píng)估模塊還配置為基于多個(gè)利用不同的數(shù)據(jù)集訓(xùn)練得到的風(fēng)險(xiǎn)評(píng)估模型分別計(jì)算得到若干個(gè)風(fēng)險(xiǎn)評(píng)分，并通過分?jǐn)?shù)融合算法計(jì)算得到最終的暴力傾向分?jǐn)?shù)。

21、作為優(yōu)選，所述分?jǐn)?shù)融合算法的計(jì)算公式為：

22、

23、其中，finalrs為計(jì)算得到的一個(gè)待評(píng)估人員的暴力傾向分?jǐn)?shù)，k為風(fēng)險(xiǎn)評(píng)估模型的數(shù)量，αj為權(quán)重系數(shù)，rsj為第j個(gè)風(fēng)險(xiǎn)評(píng)估模型對(duì)應(yīng)計(jì)算得到的風(fēng)險(xiǎn)評(píng)分。

24、本申請(qǐng)?jiān)诘诙矫婀_了一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警方法，應(yīng)用于如上所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，該方法包括以下步驟：

25、采集人員的身份特征，對(duì)人員進(jìn)行身份識(shí)別，所述身份特征包括面容數(shù)據(jù)、指紋數(shù)據(jù)或證件數(shù)據(jù)中的至少一種；

26、基于人員的行為特征，對(duì)人員進(jìn)行行為分析，所述行為特征包括面部表情、肢體動(dòng)作、語(yǔ)言內(nèi)容、表達(dá)語(yǔ)氣或表達(dá)語(yǔ)速中的一種或多種；

27、基于所述身份識(shí)別和所述行為分析的結(jié)果，對(duì)待評(píng)估人員進(jìn)行暴力傾向分析，獲取待評(píng)估人員的暴力傾向分?jǐn)?shù)；

28、基于預(yù)設(shè)的預(yù)警閾值與待評(píng)估人員的暴力傾向分?jǐn)?shù)，當(dāng)該暴力傾向分?jǐn)?shù)大于該預(yù)警閾值時(shí)，作出風(fēng)險(xiǎn)預(yù)警。

29、本申請(qǐng)?jiān)诘谌矫婀_了一種電子設(shè)備，包括至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器與所述處理器通信連接；

30、所述存儲(chǔ)器上存儲(chǔ)有能夠被所述處理器執(zhí)行的計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警方法。

31、有益效果：本申請(qǐng)，通過人員身份的識(shí)別以及人員行為的分析，實(shí)現(xiàn)了準(zhǔn)確且及時(shí)的暴力傾向分析，并基于獲取到的待評(píng)估人員的暴力傾向分?jǐn)?shù)與預(yù)設(shè)的預(yù)警閾值進(jìn)行比對(duì)，從而及時(shí)地在相應(yīng)的終端(如護(hù)士端電腦、安保室監(jiān)控終端等)作出風(fēng)險(xiǎn)預(yù)警，進(jìn)而實(shí)現(xiàn)高效的規(guī)避暴力事件的目的。

技術(shù)特征：

1.一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，包括人員識(shí)別模塊、行為分析模塊、傾向評(píng)估模塊和風(fēng)險(xiǎn)預(yù)警模塊；

2.根據(jù)權(quán)利要求1所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述暴力傾向分析，具體包括：

3.根據(jù)權(quán)利要求2所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述數(shù)據(jù)集包括訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。

4.根據(jù)權(quán)利要求2所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，在訓(xùn)練評(píng)估模型時(shí)，將所述數(shù)據(jù)集作為原始數(shù)據(jù)集，并通過聚類算法對(duì)該原始數(shù)據(jù)集進(jìn)行豐富處理后得到模擬數(shù)據(jù)集，并將所述原始數(shù)據(jù)集和所述模擬數(shù)據(jù)集均作為訓(xùn)練時(shí)的數(shù)據(jù)。

5.根據(jù)權(quán)利要求2所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述風(fēng)險(xiǎn)評(píng)估模型對(duì)數(shù)據(jù)預(yù)處理后的每個(gè)數(shù)據(jù)源的特征值進(jìn)行多源信息融合，并基于融合后的特征值進(jìn)行風(fēng)險(xiǎn)評(píng)分；其中，所述融合后的特征值的計(jì)算公式為：

6.根據(jù)權(quán)利要求5所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述風(fēng)險(xiǎn)評(píng)分的計(jì)算公式為：

7.根據(jù)權(quán)利要求6所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述傾向評(píng)估模塊還配置為基于多個(gè)利用不同的數(shù)據(jù)集訓(xùn)練得到的風(fēng)險(xiǎn)評(píng)估模型分別計(jì)算得到若干個(gè)風(fēng)險(xiǎn)評(píng)分，并通過分?jǐn)?shù)融合算法計(jì)算得到最終的暴力傾向分?jǐn)?shù)。

8.根據(jù)權(quán)利要求7所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述分?jǐn)?shù)融合算法的計(jì)算公式為：

9.一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警方法，應(yīng)用于如權(quán)利要求1-8任意一項(xiàng)所述的基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，該方法包括以下步驟：

10.一種電子設(shè)備，其特征在于，包括至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器與所述處理器通信連接；

技術(shù)總結(jié)
本申請(qǐng)涉及暴力風(fēng)險(xiǎn)預(yù)警技術(shù)領(lǐng)域，公開了一種基于暴力傾向分析的暴力風(fēng)險(xiǎn)預(yù)警系統(tǒng)、方法及電子設(shè)備，該系統(tǒng)包括人員識(shí)別模塊、行為分析模塊、傾向評(píng)估模塊和風(fēng)險(xiǎn)預(yù)警模塊；所述人員識(shí)別模塊配置為：采集人員的身份特征，對(duì)人員進(jìn)行身份識(shí)別；所述行為分析模塊配置為：基于人員的行為特征，對(duì)人員進(jìn)行行為分析；所述傾向評(píng)估模塊配置為：基于所述身份識(shí)別和所述行為分析的結(jié)果，對(duì)待評(píng)估人員進(jìn)行暴力傾向分析，獲取待評(píng)估人員的暴力傾向分?jǐn)?shù)；所述風(fēng)險(xiǎn)預(yù)警模塊配置為：基于預(yù)設(shè)的預(yù)警閾值與待評(píng)估人員的暴力傾向分?jǐn)?shù)，當(dāng)該暴力傾向分?jǐn)?shù)大于該預(yù)警閾值時(shí)，作出風(fēng)險(xiǎn)預(yù)警。采用本申請(qǐng)，實(shí)現(xiàn)了準(zhǔn)確且及時(shí)的暴力傾向分析，進(jìn)而實(shí)現(xiàn)規(guī)避暴力事件的目的。

技術(shù)研發(fā)人員：喬姍姍,林艷,李佩青,春曉,吳金霞,馮子陽(yáng),李從群
受保護(hù)的技術(shù)使用者：廣州醫(yī)科大學(xué)附屬婦女兒童醫(yī)療中心
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9