姿 態(tài)參數(shù)、溫度參數(shù)、以及血壓參數(shù)。其中，以上參數(shù)可以通過各種相應傳感器來采集，例如采 集服刑人員的心電、位置、姿態(tài)、溫度和血壓人體行為數(shù)據(jù)，然后進行模擬信號轉(zhuǎn)換為數(shù)字 信號，并濾掉噪聲，將得到的濾除噪聲后的數(shù)據(jù)作為服刑人員的行為特征參數(shù)。
[0038] 在步驟S120中，通過對服刑人員的行為特征參數(shù)進行數(shù)據(jù)分割和規(guī)范化，以獲得 服刑人員的行為特征向量。然后，執(zhí)行步驟S130。
[0039] 例如，先對采集的行為特征參數(shù)進行分割，然后對分割的數(shù)據(jù)進行規(guī)范化，規(guī)范化 是提取一系列抽象的信息轉(zhuǎn)換為特征，并組成一個特征向量（即行為特征向量）來表示該 行為的實例。
[0040] 在步驟S130中，利用預定的行為識別模型對服刑人員的行為特征向量進行識別， 以獲得服刑人員的當前行為類別。然后，結(jié)束處理。
[0041] 其中，預定的行為識別模型中可以預設至少兩個行為類別。當行為識別模型中預 設兩個行為類別時，例如可以為正常和犯罪；當行為識別模型中預設三個行為類別時，例如 可以為正常、越獄、其他犯罪；當行為識別模型中預設四個行為類別時，例如可以為正常、越 獄、斗毆、其他犯罪；等等。
[0042] 根據(jù)一種實現(xiàn)方式，當行為識別模型中預設"正常"和"犯罪"兩個行為類別時，月艮 刑人員的當前行為類別為"正常"和"犯罪"這兩個類別之中的一個。
[0043] 進一步地，在步驟S130中，當識別到服刑人員的當前行為類別為犯罪時，可以向 監(jiān)控中心進行報警。例如，可以把檢測出的犯罪行為通過無線通訊模塊傳輸至監(jiān)控中心進 行報警
[0044] 進一步地，預定的行為識別模型可以通過如下方式獲得：通過對訓練樣本集進行 分類訓練，獲得用于對行為類別進行識別的行為識別模型，其中，訓練樣本集中的每個訓練 樣本具有表示該訓練樣本所屬行為類別的標簽。
[0045] 訓練樣本集包括多個訓練樣本，可以按照下面的方式獲得訓練樣本：從已知當前 行為類別的服刑人員采集行為特征參數(shù)（或從犯罪專家數(shù)據(jù)庫獲得），作為訓練特征參數(shù)； 然后，對訓練特征參數(shù)進行數(shù)據(jù)分割和規(guī)范化，來獲得訓練行為特征向量，作為訓練樣本。
[0046] 其中，上述從已知當前行為類別的服刑人員采集的行為特征參數(shù)可以包括以下參 數(shù)：心電參數(shù)、位置參數(shù)、姿態(tài)參數(shù)、溫度參數(shù)、以及血壓參數(shù)。此外，上述從已知當前行為類 別的服刑人員采集的行為特征參數(shù)所包括參數(shù)種類應與服刑人員的行為特征參數(shù)所包括 參數(shù)種類對應地相同。
[0047] 例如，從已知當前行為類別的服刑人員采集行為特征參數(shù)（或從犯罪專家數(shù)據(jù)庫 獲得）可以為服刑人員正常未犯罪時的心電、血壓等行為特征參數(shù)，服刑人員犯罪時的心 電、血壓等彳丁為特征參數(shù)等等。
[0048] 進一步地，利用預定的行為識別模型對服刑人員的行為特征向量進行識別的步驟 包括：基于行為識別模型對服刑人員的行為特征向量進行識別，在該識別的結(jié)果為犯罪行 為的情況下，通過K近鄰距離加權(quán)分類算法對服刑人員的行為特征向量進行再次識別：若 服刑人員的行為特征向量的再次識別結(jié)果也為犯罪行為，則將服刑人員的行為特征向量的 當前行為類別確定為犯罪行為，否則重新采集服刑人員的行為數(shù)據(jù)進行判斷。
[0049] 本發(fā)明的一種監(jiān)獄服刑人員的行為識別方法，根據(jù)從監(jiān)獄服刑人員身上采集的行 為特征參數(shù)，利用行為識別模型對服刑人員的行為進行分類識別，識別的準確度較高，效果 較好。
[0050] 通過訓練階段訓練獲得服刑人員的心電、位置、姿態(tài)、溫度和血壓等多個參數(shù)與其 行為之間的對應關系，使得所獲得的行為識別模型的識別準確度非常高。
[0051] 由此，本發(fā)明的上述技術(shù)能夠方便獄警的管理，保證獄警、服刑人員和社會的安 全；此外，通過雙重數(shù)據(jù)服刑人員行為識別算法，提高預測準確率、魯棒性，降低錯誤報警 率。
[0052] 根據(jù)本發(fā)明的另一方面，還提供了一種監(jiān)獄服刑人員的行為識別裝置，該行為識 別裝置包括：采集單元，其用于采集服刑人員的行為特征參數(shù)；預處理單元，其用于通過對 服刑人員的行為特征參數(shù)進行數(shù)據(jù)分割和規(guī)范化，以獲得服刑人員的行為特征向量；以及 識別單元，其用于利用預定的行為識別模型對服刑人員的行為特征向量進行識別，以獲得 服刑人員的當前行為類別。
[0053] 下面，結(jié)合圖2來描述本發(fā)明的識別裝置的一個示例性結(jié)構(gòu)。
[0054] 如圖2所示，識別裝置200包括采集單元210、預處理單元220和識別單元230。
[0055] 其中，采集單元210用于采集服刑人員的行為特征參數(shù)，預處理單元220用于通過 對服刑人員的行為特征參數(shù)進行數(shù)據(jù)分割和規(guī)范化來獲得服刑人員的行為特征向量，而識 別單元230用于利用預定的行為識別模型對服刑人員的行為特征向量進行識別，以獲得服 刑人員的當前行為類別。
[0056] 進一步地，如圖3所示，采集單元210包括：心電傳感器310,其用于采集服刑人員 的心電參數(shù)；位置傳感器320,其用于采集服刑人員的位置參數(shù)；姿態(tài)傳感器330,其用于采 集服刑人員的姿態(tài)參數(shù)；溫度傳感器340,其用于采集服刑人員的溫度參數(shù)；以及血壓傳感 器350,其用于采集服刑人員的血壓參數(shù)。
[0057] 此外，采集單元210還可以包括低通濾波器、高通濾波器和信號放大電路與模擬 數(shù)字轉(zhuǎn)換模塊（以上均未在圖2中示出），這樣，通過心電傳感器310、位置傳感器320、姿態(tài) 傳感器330、溫度傳感器340以及血壓傳感器350采集服刑人員的心電、位置、姿態(tài)、溫度和 血壓信號，然后經(jīng)由低通濾波器、高通濾波器和信號放大電路依次進行低通濾波、高通濾波 和信號放大，再通過模擬數(shù)字轉(zhuǎn)換模塊進行模數(shù)轉(zhuǎn)換。
[0058] 可選地，識別裝置200還可以包括數(shù)據(jù)存儲模塊（圖2中未示出），數(shù)據(jù)存儲模塊 用于存儲采集單元210的采集結(jié)果，并與識別單元230相連接。
[0059] 此外，可選地，識別裝置200還可以包括語音模塊（圖2中未示出），語音模塊用于 對有犯罪人員傾向的服刑人員進行語音警告。
[0060] 進一步地，服刑人員的當前行為類別為正常或犯罪。
[0061] 進一步地，如圖2所示，行為識別裝置200還包括：報警單元240(圖2中未示出， 該單元為可選單元），其用于當服刑人員的當前行為類別為犯罪時，向監(jiān)控中心進行報警。 其中，報警單元240與監(jiān)控中心之間的通訊可以采用無線通信方式。
[0062] 進一步地，識別單元230可以用于基于行為識別模型對服刑人員的行為特征向量 進行識別，在該識別的結(jié)果為犯罪行為的情況下，通過K近鄰距離加權(quán)分類算法對服刑人 員的行為特征向量進行再次識別：若服刑人員的行為特征向量的再次識別結(jié)果也為犯罪行 為，則將服刑人員的行為特征向量的當前行為類別確定為犯罪行為。
[0063] 其中，識別單元230可以進一步包括數(shù)據(jù)處理模塊和行為異常犯罪檢測模塊（圖2 中未示出），與模擬數(shù)字轉(zhuǎn)換模塊、數(shù)據(jù)存儲模塊、報警單元、語音模塊等連接，用于傳感器 采集信號的實時分析、數(shù)據(jù)存儲與通迅控制，完成服刑人員傳感器采集信號處理和生成服 刑人員行為犯罪檢測。數(shù)據(jù)處理模塊處理服刑人員傳感器采集信號，把行為識別的數(shù)據(jù)進 行分割，將該數(shù)據(jù)規(guī)整成等長的特征向量。行為犯罪檢測模塊檢測服刑人員行為犯罪，首先 規(guī)范化的測試特征向量（即預處理單元所得到的服刑人員的行為特征向量）進行服刑人員 行為犯罪檢測。檢測到犯罪后，再對測試特征向量利用基于K近鄰距離加權(quán)分類算法進行 第二次服刑人員行為犯罪檢測，如果兩次檢測的結(jié)果都是犯罪類別，即確定該服刑人員當 前行為類別為犯罪類別，上報監(jiān)控中心。
[0064] 本發(fā)明的用于監(jiān)獄人員的行為識別裝置，通過佩戴在服刑人員身上來（例如通過 心電傳感器、位置傳感器、姿態(tài)傳感器、溫度傳感器、血壓傳感器）獲取犯罪人員動作狀態(tài) 行為數(shù)據(jù)信息，并結(jié)合傳感器特性及人的行為特性建立合理的行為分類模型，在此基礎上 從原始采集數(shù)據(jù)中提取出對行為模型具有較強描述能力的特征，并采用數(shù)據(jù)挖掘的方法對 這些特征進行訓練，實現(xiàn)識別服刑人員的行為模型，對服刑人員的犯罪行為進行識別的目 的，將檢測的服刑人員行為犯罪傳輸至監(jiān)控中心，進行報警。
[0065] 下面，描述本發(fā)明的上述行為識別方法和裝置的一個應用示例。
[0066] (1)行為識別模型的建立（即訓練階段）。
[0067] 根據(jù)訓練樣本建立分類模型，參見圖4,行為識別模型訓練步驟如下：
[0068] (I. 1)首先，如步驟S410所示，獲得訓練樣本集S，其中，訓練樣本集S中的每個訓 練樣本具有表示該訓練樣本所屬行為類別的標簽。
[0069] 訓練樣本集S中的訓練樣本Sq可表示為S q= {f ql，fq2, fq3, fq4, fq5:C J，其中，q表 示訓練樣本的序數(shù)，q= 1，2，…，I S|，I S|為訓練樣本集中包括的訓練樣本總數(shù)。C1表示 行為類別標簽，i = l，2, "·，Μ，M為行為類別標簽的種類總數(shù)。例如，當M =2時，C1=O 可表示行為正常，而C2= 1可表示犯罪。匕1、42、43、44和€#依次為訓練樣本5。的第一屬 性、第二屬性、第三屬性、第四屬性和第五屬性，其中，第一屬性對應心電參數(shù)，第二屬性對 應位置參數(shù)，第三屬性對應姿態(tài)參數(shù)，第四屬性對應溫度參數(shù)，而第五屬性對應血壓參數(shù)。
[0070] 根據(jù)一種實現(xiàn)方式，可以利用心電傳感器、位置傳感器、姿態(tài)傳感器、溫度傳感器 和血壓傳感器對多個服刑人員中的每個服刑人員提取行為特征參數(shù)，也即，提取每個服刑 人員在其當前行為類別已知的情況下的心電參數(shù)、位置參數(shù)、姿態(tài)參數(shù)、溫度參數(shù)和血壓參 數(shù)。
[0071] 舉例來說，假設共有100個服刑人員，其中8