技術特征：

1.一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，包括：

步驟(1)：通過服刑人員的穿戴設備實時采集個體位置數據、個體生理數據和個體行為數據；

步驟(2)：實時判斷個體生理數據是否超出設定閾值范圍，實時判斷個體行為數據是否超出設定閾值范圍；

步驟(3)：當個體生理數據或個體行為數據發(fā)生異常時對個體進行標記；

步驟(4)：判斷被標記的個體設定距離范圍內的其他個體的數量，計算被標記個體與被標記的個體周圍設定距離內的其他個體之間的距離；

步驟(5)：當被標記個體設定距離范圍內有其他個體時，進一步分析其他個體的生理數據和其他個體的行為數據；

步驟(6)：對被標記個體和被標記個體設定距離范圍內的其他個體的生理數據和個體行為數據進行分析處理，打架斗毆可能性較大時，標記異常并發(fā)出警告；

步驟(7)：根據異常個體位置，調動異常個體位置附近的攝像頭對異常個體進行監(jiān)控，管理員根據監(jiān)控進行確認。

2.如權利要求1所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

所述個體行為數據的判斷步驟為：

步驟(201)：定義觀察狀態(tài)集合和隱藏狀態(tài)集合；

步驟(202)：根據已經定義的觀察狀態(tài)集合和隱藏狀態(tài)集合，建立模型；

步驟(203)：使用多向算法對模型進行訓練；

步驟(204)：利用訓練好的模型對實際觀察狀態(tài)數據進行判斷，從而得到個體行為數據是否超出設定閾值范圍的結論。

3.如權利要求2所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

所述觀察狀態(tài)集合包括三軸加速度傳感器采集的加速度數據，根據不同運動時的加速度，采用f1、f2和f3三個閾值對觀察值進行劃分；

$S_i=\sqrt{{X_i}^2+{Y_i}^2+{Z_i}^2};---\left(1.2\right)$

其中，X為三軸加速度傳感器X軸方向上的采樣數據，Y為三軸加速度傳感器Y軸方向上的采樣數據，Z為三軸加速度傳感器Z軸方向上的采樣數據；通過f1、f2和f3三個閾值將所有觀察值劃分為若干個觀察狀態(tài)。

4.如權利要求3所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

所述步驟(202)的模型如下：

λ＝(S，V，A，B，π)；(1.1)

其中，

S＝{S₁，S₂，…，S_N}表示隱藏狀態(tài)集合，N為正整數；N表示隱藏狀態(tài)的總數；

V＝{V₁，V₂，…，V_M}表示觀察狀態(tài)集合，M為正整數；

A＝[a_ij]表示狀態(tài)i到j的轉移概率，其中a_ij＝P(q_i+j＝j|q_i＝i)，1≤i≤N且1≤j≤N；

B＝{b_j(k)}表示觀察值的概率分布，其中b_j(k)＝P(V_k|j)，1≤k≤M且1≤j≤N，b_j(k)表示在狀態(tài)j時觀察值為V_k的概率；

π＝{π_i}為初始狀態(tài)概率分布，π_i＝P(q₁＝i)表示時刻為1時狀態(tài)為i的頻率。

5.如權利要求2所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

所述步驟(203)的步驟如下：

設a_i(i)＝P(V₁，V₂，…，V_i，q_i＝i|λ)為多向變量，含義為在給定的λ，時刻t的狀態(tài)為i，部分觀察序列為V₁，V₂，…，V_i的概率；

若π_i表示初始狀態(tài)為i的概率，b_i(V_i)表示狀態(tài)為i時觀察值為V_i的概率，則有a_i(i)＝π_ib_i(V_i)，1≤i≤N，N為隱藏狀態(tài)總數；

遞推計算a_i(i)，直到觀察序列結束為止，最后將所有狀態(tài)的累計輸出概率疊加得到P(V|λ)。

6.如權利要求5所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

所述步驟(203)算法的公式表達如下：

初始化

a_i(i)＝π_ib_i(V_i)，1≤i≤N；(1.4)

迭代計算

$a_{t+1}\left(j\right)=\[{\mathrm{\Σ}}_{i=1}^N{a}_i\left(i\right)a_{ij}\]b_j\left(V_{i+1}\right),1\≤t\≤T-1,1\≤j\≤N;---\left(1.5\right)$

終止計算

$P\left(V\right|\mathrm{\λ})={\mathrm{\Σ}}_{i=1}^N{a}_T\left(i\right);---\left(1.6\right)$

其中，a_ij表示狀態(tài)i到j的轉移概率；P(V|λ)就是在給定λ的條件下，觀察序列的概率；P(V|λ)的值越大，則表示采集數據集合與已知正常數據集合情況相似，反之，則為疑似異常行為樣本。

7.如權利要求3所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

通過f1、f2和f3三個閾值將所有觀察值劃分為若干個觀察狀態(tài)的步驟如下：

步驟(11)：判斷小于f1是否成立，若否，則觀察值為V₇；若是，則進入步驟(12)；

步驟(12)：判斷Y軸數據是否小于f2，若是就進入步驟(13)，若否進入步驟(14)；

步驟(13)：判斷X軸數據是否小于f3，若是，則觀察值為V₁；若否，則觀察值為V₂；

步驟(14)：判斷Z軸數據是否小于f3，若是，則進入步驟(15)；若否進入步驟(16)；

步驟(15)：判斷X軸數據是否小于f3，若是，則觀察值為V₃；若否，則觀察值為V₄；

步驟(16)：判斷X軸數據是否小于f3，若是，則觀察值為V₅；若否，則觀察值為V₆。

8.如權利要求1所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

可穿戴設備為手環(huán)或者腰帶，包括：

射頻發(fā)送模塊，所述射頻發(fā)送模塊分別與加速度傳感器、心率傳感器、呼吸傳感器和血壓傳感器連接；

所述射頻發(fā)送模塊，與監(jiān)控終端的射頻接收模塊通信；射頻接收單元與數據分析處理單元連接，數據分析處理單元與報警單元連接。

9.如權利要求1所述的一種基于可穿戴設備的服刑人員斗毆預警的方法，其特征是，

步驟(1)中所述個體位置數據格式為：【個體ID，位置，時間】；所述個體生理數據包括：心率、呼吸頻率、血壓；所述個體行為數據主要為個體三軸加速度數據；

步驟(2)中個體生理數據的設定閾值范圍：正常成人心率約為60～100次/分鐘，呼吸頻率為12～20次/分鐘，血壓則根據個體體檢數據為準；

步驟(4)：服刑人員由于場所的特殊性，大家斗毆基本為肉搏，所以當出現(xiàn)斗毆現(xiàn)象時，參與個體之間距離應該較近，步驟(4)是判斷是否構成斗毆的必要條件；

步驟(5)：通過分析兩個個體的生理、行為數據，來增加判斷的準確性；

步驟(6)生理數據與數據庫記載的生理閾值范圍進行比較，行為數據通過算法進行訓練分析。

10.一種基于可穿戴設備的服刑人員斗毆預警的系統(tǒng)，其特征是，包括：

數據采集單元：通過服刑人員的穿戴設備實時采集個體位置數據、個體生理數據和個體行為數據；

實時判斷單元：實時判斷個體生理數據是否超出設定閾值范圍，實時判斷個體行為數據是否超出設定閾值范圍；

異常個體標記單元：當個體生理數據或個體行為數據發(fā)生異常時對個體進行標記；

周圍個體距離計算單元：判斷被標記的個體設定距離范圍內的其他個體的數量，計算被標記個體與被標記的個體周圍設定距離內的其他個體之間的距離；

分析單元：當被標記個體設定距離范圍內有其他個體時，進一步分析其他個體的生理數據和其他個體的行為數據；

警告發(fā)出單元：對被標記個體和被標記個體設定距離范圍內的其他個體的生理數據和個體行為數據進行分析處理，打架斗毆可能性較大時，標記異常并發(fā)出警告；

監(jiān)控單元：根據異常個體位置，調動異常個體位置附近的攝像頭對異常個體進行監(jiān)控，管理員根據監(jiān)控進行確認。