一种用于手机的智能化报警方法、装置及包括其的系统与流程

本发明属于移动通信技术领域，尤其涉及一种用于手机的智能化报警方法、装置及包括其的系统。

背景技术：

手机用户在遇到突发紧急情况下，需要紧急报警，以保障个人人身和财产安全，目前传统的报警方法多采用手机向联系人电话求助和/或拨打110报警。这种传统的电话求助和/或报警方式存在有以下弊端：

1、电话求助的联系人单一且不确定：用户在发生意外时，这种突发状态下，用户通过手机求助，需要先查找通讯录且每次只能联系一个，且第一次求助若无人回应会对用户带来更大的恐惧不安。

2、报警耗时较长：发生意外时，用户使用手机拨打110主动报警，并向警方描述位置信息和发生的事件，通常需要耗时数分钟，这个耗时在用户身处危险时，就会显得特别长。

3、报警时关联到的警方位置不精确：用户主动拨打110报警，可能会出现匹配到的警方位置与用户所在地相距太远，警方会转接到就近派出所再出警，这个过程是曲折且费时的。这些问题严重影响报警效率，甚至会导致报警失败，从而使用户产生恐慌乃至处于无助境地，甚至会出现恶劣后果。

4、报警信息分散：用户报警所提供的信息不能被有效的循环利用。

为了提高报警效率，目前市场上也提供了设定有报警功能按键的手机，当手机用户出现报警需求或在紧急情况发生时可按下报警功能按键进行快速报警，但是这种单一报警功能只能由手机用户发现紧急情况后被动触发，不能主动识别危险并引导手机用户报警；且报警功能按键固定设置在手机易于触碰的位置，常常由于误触而造成误报警，因此也给手机用户造成不必要的困扰和麻烦。

近来，市场上推出有可在手机上安装的各种警方app或者类似app(例如公安110、中国一键等)，手机用户通过在手机上安装这些app以用于报警，但该安装app的方法存在有以下缺点：

1、用户需要主动单独下载一个app来预防低概率事件，对用户来说操作成本高。

2，警方app或者类似app不能主动识别危险并引导用户报警。

类似地，滴滴出行近期推出了一键报警功能，其必须先设定好紧急联系人，当出现危险时按下一键报警，则可以发送通知给紧急联系人。在具体使用中，需要设定好紧急联系人后打开滴滴出行，在首页中可以看到有【安全中心】的选项，点击这个选项。点击后会打开安全中心界面，在这里找到【一键报警】的功能并点击打开。进入到一键报警界面后直接点击底部的【呼叫110】，这样系统就会发送短信给设定好的紧急联系人以及拨打110电话。由此可见，滴滴出行的一键报警功能同样也是只能在手机用户发现紧急情况后被动触发，不能主动识别危险并引导手机用户报警。

综上可知，传统的拨打电话求助或报警方法、在手机中设置报警按键的方法以及在手机上安装报警app的方法等，虽然都可以帮助手机用户实现报警，但这些方法无法主动识别危险并引导用户进行报警，且或者容易发生误报警，或者在突发情况下，耗时和信息传递成为及时完成报警的瓶颈。

技术实现要素：

本发明目的在于解决现有技术中存在的上述问题，提供一种用于手机的智能化报警方法、装置及包括其的系统，可主动识别危险情况并引导手机用户发出报警信息给警方的接警系统和紧急联系人，从而以主动高效的方式达到迅速及时的报警目的。

根据本发明的第一方面，提供了一种用于手机的智能化报警装置，其中所述手机内设有报警功能按键，所述报警功能按键被触发后可将所述手机的位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人，所述智能化报警装置包括：

接收设置模块，用于接收预先设置的一或多项识别参考因子并设置报警参考值；

主动采集模块，用于主动获取所述手机用户的当前位移信息作为第一项识别危险因子；

比较识别模块，用于将所述第一项识别危险因子与所述一或多项识别参考因子中相应的一项识别参考因子进行比较以识别两者之间的差异并得出判断分值，如果所述判断分值等于或大于所述报警参考值，则发出推送提醒指令，如果所述判断分值小于所述报警参考值，则返回到所述主动采集模块的处理；

推送提醒模块，用于根据来自所述比较识别模块的推送提醒指令，将报警提示信息推送到所述手机上，提醒所述手机的用户发出报警信息；以及

报警发送模块，用于引导所述手机用户触发所述手机中的报警功能按键以将位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人。

可选地，在上述方面的一个示例中，所述报警功能按键为所述手机用户在所述手机上下载的报警app中设置的报警功能按键，在所述手机用户触发所述报警功能按键后，所述报警app将所述手机的位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人。

可选地，在上述方面的一个示例中，所述一或多项识别参考因子包括以下一或多项参考信息：所述手机用户的规划路线信息、所述手机用户的目标位置信息、自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息。

可选地，在上述方面的一个示例中，自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息包括以下一或多项参考信息：发生的危险情况中被危及人员的性别和年龄信息、危险情况发生时的时间信息、以及发生的危险情况所在的场景画面信息和/或声音信息等。

可选地，在上述方面的一个示例中，其中所述接收设置模块还接收所述手机用户通过所述手机输入的所述用户的性别信息和年龄信息。

可选地，在上述方面的一个示例中，所述接收设置模块还用于将接收的所述一或多项参考信息进行量化，从而转换成一矩阵或序列作为所述一或多项识别参考因子。

可选地，在上述方面的一个示例中，所述手机用户的当前位移信息包括所述手机用户的当前行驶路线信息和当前位置信息。

可选地，在上述方面的一个示例中，所述主动采集模块主动获取所述手机用户的当前时间信息作为第二项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集模块获取所述手机用户的性别和年龄信息作为第三项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集模块使用数据量化处理将所述手机用户的当前位移信息、所述手机用户的当前时间信息以及所述手机用户的性别和年龄信息中的一或多项信息量化成一矩阵或序列作为一或多项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集模块主动获取所述手机用户的当前场景信息作为第四项识别危险因子，其中所述手机用户的当前场景信息包括所述手机用户的当前场景画面信息和/或当前场景声音信息。

可选地，在上述方面的一个示例中，所述主动采集模块按照所述手机用户预先设置的定时开启时间，使所述手机的摄像头被自动开启以摄取所述用户所处的当前场景的画面和/或所述手机的录音器被自动开启以记录用户所处的当前场景的声音，所述主动采集模块将获得的当前场景的画面和/或声音信息作为所述第四项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集模块使用数据量化处理将所述手机用户的当前位移信息、所述手机用户的当前时间信息、所述手机用户的性别和年龄信息以及所述手机用户的当前场景信息中的一或多项信息量化成一矩阵或序列作为一或多项识别危险因子。

可选地，在上述方面的一个示例中，所述比较识别模块进行位移偏差的比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对所述第一项识别危险因子中包含的所述手机用户的当前行驶路线与所述一或多项识别参考因子中包含的所述手机用户的规划路线进行比较以识别两者之间差异并得出判断分值；和对所述第一项识别危险因子中包含的所述手机用户的当前位置与所述一或多项识别参考因子中包含的所述手机用户的目标位置进行比较以识别两者之间差异并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对时间进行比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对所述第二项识别危险因子中包含的所述手机用户的当前时间信息与所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息所记录的危险情况发生的时间信息进行比较以识别两者之间差异并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对性别和年龄进行比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对所述第三项识别危险因子中包含的所述手机用户的性别信息和年龄信息与所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息中所包括的发生的危险情况中被危及的人员的性别信息和年龄信息分别进行比较以识别两者之间差异并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对类似场景进行比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别模块对所述第四项识别危险因子中包含的所述手机用户所处的当前场景信息与所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中抓取的发生的危险情况所在的场景信息进行相似度比较以识别两者之间的差异并得出判断分值。

可选地，在上述方面的一个示例中，所述第四项识别危险因子中包含的所述手机用户的当前场景信息包括所述手机用户的当前场景画面信息和/或当前场景声音信息；以及所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中抓取的发生的危险情况所在的场景信息包括场景画面信息和/或场景声音信息。

可选地，在上述方面的一个示例中，所述接收设置模块还接收所述手机用户通过所述手机输入的指示所述用户出行是否有同伴的同伴信息；且所述比较识别模块基于所述同伴信息而给出判断分值。

可选地，在上述方面的一个示例中，所述接收设置模块还接收所述手机用户的扰警行为记录，所述扰警行为记录表示所述手机用户曾经有过扰警行为的次数；且所述比较识别模块根据所述手机用户的扰警行为记录而给出判断分值。

可选地，在上述方面的一个示例中，所述接收设置模块还接收所述手机用户的信用值；且所述比较识别模块根据所述手机用户的信用值而给出判断分值。

可选地，在上述方面的一个示例中，所述报警装置还包括有信息存储模块，用于存储所述预先设置的一或多项识别参考因子和所述设置的报警参考值。

可选地，在上述方面的一个示例中，所述报警装置还包括有信息存储模块，用于存储所述预先设置的一或多项识别参考因子和所述设置的报警参考值，以及以下信息中的一项或多项：所述手机用户的性别信息和年龄信息、所述同伴信息、所述手机用户的信用值以及所述手机用户的历史记录；其中所述手机用户的扰警行为记录也被存储在所述信息存储模块中作为所述手机用户的历史记录中的一部分。

可选地，在上述方面的一个示例中，所述比较识别模块将各判断分值相加，如果这些判断分值的累计之和等于或大于作为所述报警参考值，则发出推送提醒指令；如果这些判断分值的累计之和小于所述报警参考值，则处理流程返回所述主动采集模块。

可选地，在上述方面的一个示例中，在所述报警提示信息的提醒下，通过所述报警发送模块的引导，用户点击手机屏幕上或报警app中的报警功能按键，以将所述手机用户的位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人。

可选地，在上述方面的一个示例中，所述手机用户触发所述报警功能按键后，所述报警发送模块通过启动所述手机的摄像头和/或录音器以视频和/或音频的方式记录报警过程信息和报警事实信息并存储在所述信息存储模块中；

所述报警发送模块还接收来自警方接警系统的警方反馈信息以告知所述手机用户报警是否成功；

如果所述报警发送模块收到的所述警方反馈信息还包括有此次报警不实的信息，则将所述用户名下的扰警行为次数+1，并存储在所述信息存储模块中。

可选地，在上述方面的一个示例中，所述接收设置模块、所述主动采集模块、所述比较识别模块、所述推送提醒模块和所述报警发送模块由通过网络与所述手机相连的远程服务器实现。

可选地，在上述方面的一个示例中，所述信息存储模块由通过网络与所述手机和所述远程服务器相连的云端存储器实现

根据本发明的第二方面，提供了一种用于手机的智能化报警方法，其中所述手机内设有报警功能按键，所述报警功能按键被触发后可将所述手机的位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人，所述报警方法包括有以下步骤：

接收设置步骤：通过接收设置模块接收预先设置的一或多项识别参考因子并设置报警参考值；

主动采集步骤：通过主动采集模块主动获取用户的当前位移信息并进行数据量化处理后作为第一项识别危险因子；

比较识别步骤：通过比较识别模块将所述第一项识别危险因子与所述一或多项识别参考因子中相应的一项识别参考因子进行比较以识别两者之间的差异并得出判断分值，如果所述判断分值等于或大于所述报警参考值，则发出推送提醒指令，如果所述判断分值小于所述报警参考值，则返回到所述主动采集步骤；

推送提醒步骤：通过推送提醒模块，根据来自所述比较识别步骤的推送提醒指令，将报警提示信息推送到所述手机上，提醒所述手机的用户发出报警信息；以及

报警发送步骤：通过报警发送模块，引导所述手机用户触发所述手机中的报警功能按键以将位置信息和用户信息发送预先设置的警方接警系统和/或紧急联系人。

可选地，在上述方面的一个示例中，所述报警功能按键为所述手机用户在所述手机上下载的报警app中设置的报警功能按键，在所述手机用户触发所述报警功能按键后，所述报警app将所述手机的位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人。

可选地，在上述方面的一个示例中，所述一或多项识别参考因子包括数据量化后的以下一或多项参考信息：所述手机用户的规划路线信息、所述手机用户的目标位置信息、自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息。

可选地，在上述方面的一个示例中，自该手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息包括以下一或多项参考信息：发生的危险情况中被危及人员的性别和年龄信息、危险情况发生时的时间信息、以及发生的危险情况所在的场景画面信息和/或声音信息等。

可选地，在上述方面的一个示例中，在所述接收设置步骤中，通过所述接收设置模块还接收所述手机用户通过所述手机输入的所述用户的性别信息和年龄信息。

可选地，在上述方面的一个示例中，在所述接收设置步骤中，通过所述接收设置模块使用数据量化处理将接收的所述一或多项参考信息进行量化，从而转换成一矩阵或序列作为所述一或多项识别参考因子。

可选地，在上述方面的一个示例中，所述手机用户的当前位移信息包括所述手机用户的当前行驶路线信息和当前位置信息。

可选地，在上述方面的一个示例中，所述主动采集步骤还包括：通过所述主动采集模块主动获取所述手机用户的当前时间信息作为第二项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集步骤还包括：通过所述主动采集模块获取所述手机用户的性别和年龄信息作为第三项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集步骤还包括：通过该主动采集模块使用数据量化处理将该手机用户的当前位移信息、该手机用户的当前时间信息以及该手机用户的性别和年龄信息中的一或多项信息量化成一矩阵或序列作为一或多项识别危险因子。

可选地，在上述方面的一个示例中，所述主动采集步骤还包括：通过所述主动采集模块主动获取所述手机用户的当前场景信息作为第四项识别危险因子，其中所述手机用户的当前场景信息包括所述手机用户的当前场景画面信息和/或当前场景声音信息。

可选地，在上述方面的一个示例中，所述通过所述主动采集模块主动获取所述手机用户的当前场景信息作为第四项识别危险因子的步骤包括：按照所述手机用户预先设置的定时开启时间，所述手机的摄像头被自动开启以摄取所述手机用户所处的当前场景的画面和/或所述手机的录音器被自动开启以记录用户所处的当前场景的声音，通过所述主动采集模块将获得的所述手机用户的当前场景的画面信息和/或声音信息作为所述第四项识别危险因子。

可选地，在上述方面的一个示例中，在所述主动采集步骤中，通过所述主动采集模块使用数据量化处理将所述手机用户的当前位移信息、所述手机用户的当前时间信息、所述手机用户的性别和年龄信息以及所述手机用户的当前场景信息中的一或多项信息量化成一矩阵或序列作为一或多项识别危险因子。

可选地，在上述方面的一个示例中，所述比较识别步骤包括：通过所述比较识别模块进行位移偏差的比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述进行位移偏差的比较识别并得出判断分值的步骤包括：通过所述比较识别模块对所述第一项识别危险因子中包含的所述手机用户的当前行驶路线与所述一或多项识别参考因子中包含的所述手机用户的规划路线进行比较以识别两者之间差异并得出判断分值；和对所述第一项识别危险因子中包含的所述手机用户的当前位置与所述一或多项识别参考因子中包含的所述手机用户的目标位置进行比较以识别两者之间差异并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别步骤还包括：通过所述比较识别模块对时间进行比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述通过所述比较识别模块对时间进行比较识别并得出判断分值的步骤包括：通过所述比较识别模块对所述第二项识别危险因子中包含的所述手机用户的当前时间信息与所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息所记录的危险情况发生的时间信息进行比较以识别两者之间差异并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别步骤还包括：通过所述比较识别模块对性别和年龄进行比较识别并得出判断分值。

可选地，在上述方面的一个示例中，所述通过所述比较识别模块对性别和年龄进行比较识别并得出判断分值的步骤包括：通过所述比较识别模块对所述第三项识别危险因子中包含的所述手机用户的性别信息和年龄信息与所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中获取的发生过危险情况的信息中所包括的发生的危险情况中被危及的人员的性别信息和年龄信息分别进行比较以识别两者之间差异并得出判断分值。

可选地，在上述方面的一个示例中，所述比较识别步骤还包括：通过所述比较识别模块对类似场景进行比较识别并得出判断分值。

可选地，在上述方面的一个示例中，通过所述比较识别模块对类似场景进行比较识别并得出判断分值的步骤包括：通过所述比较识别模块对所述第四项识别危险因子中包含的所述手机用户所处的当前场景信息与所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中抓取的发生的危险情况所在的场景信息进行相似度比较以识别两者之间的差异并得出判断分值。

可选地，在上述方面的一个示例中，在通过所述比较识别模块对类似场景进行比较识别并得出判断分值的步骤中，所述第四项识别危险因子中包含的所述手机用户的当前场景信息包括所述手机用户的当前场景画面信息和/或当前场景声音信息；以及所述一或多项识别参考因子中包含的自所述手机用户的历史记录和/或公开信息中抓取的发生的危险情况所在的场景信息包括场景画面信息和/或场景声音信息。

可选地，在上述方面的一个示例中，所述接收设置步骤还包括：通过所述接收设置模块接收所述手机用户通过所述手机输入的指示所述用户出行是否有同伴的同伴信息；所述比较识别步骤还包括：通过所述比较识别模块基于所述手机用户的出行是否有同伴的同伴信息而得出判断分值。

可选地，在上述方面的一个示例中，所述接收设置步骤还包括：通过所述接收设置模块接收所述手机用户的扰警行为记录，所述扰警行为记录表示所述手机用户曾经有过扰警行为的次数；且所述比较识别模块步骤还包括：通过所述比较识别模块基于所述手机用户的扰警行为记录而给出判断分值。

可选地，在上述方面的一个示例中，所述接收设置步骤还包括：通过所述接收设置模块接收所述手机用户的信用值；且所述比较识别模块步骤还包括通过所述比较识别模块根据所述手机用户的信用值而给出判断分值。

可选地，在上述方面的一个示例中，在所述接收设置步骤和所述主动采集步骤之间还包括有信息存储步骤：通过信息存储模块存储所述预先设置的一或多项识别参考因子和所述设置的报警参考值。

可选地，在上述方面的一个示例中，在所述接收设置步骤和所述主动采集步骤之间还包括有信息存储步骤：通过信息存储模块存储所述预先设置的一或多项识别参考因子和所述设置的报警参考值，以及以下信息中的一项或多项：所述手机用户的性别信息和年龄信息、所述同伴信息、所述手机用户的信用值以及所述手机用户的历史记录；其中所述手机用户的扰警行为记录也被存储在所述信息存储模块中作为所述手机用户的历史记录中的一部分。

可选地，在上述方面的一个示例中，在所述比较识别步骤中，通过所述比较识别模块将各判断分值相加，如果这些判断分值的累计之和等于或大于作为所述报警参考值，则发出推送提醒指令；如果这些判断分值的累计之和小于所述报警参考值，则处理流程返回所述主动采集步骤。

可选地，在上述方面的一个示例中，所述报警发送步骤包括：在所述报警提示信息的引导下，用户点击手机屏幕上或报警app中的报警功能按键，以将所述手机用户的位置信息和用户信息发送给预先设置的警方接警系统和/或紧急联系人。

可选地，在上述方面的一个示例中，在所述报警发送步骤中，还包括：在所述手机用户触发所述报警功能按键后，所述报警发送模块通过启动所述手机的摄像头和/或录音器以音频和/或视频的方式记录报警过程信息和报警事实信息并存储在所述信息存储模块中；

所述报警发送模块还接收来自警方接警系统的警方反馈信息以告知所述手机用户报警是否成功；

如果所述报警发送模块收到的所述警方反馈信息还包括有此次报警不实的信息，则将所述用户名下的扰警行为次数+1，并存储在所述信息存储模块中。

可选地，在上述方面的一个示例中，所述接收设置模块、所述主动采集模块、所述比较识别模块、所述推送提醒模块和所述报警发送模块由通过网络与所述手机相连的远程服务器实现。

可选地，在上述方面的一个示例中，所述信息存储模块由通过网络与所述手机和所述远程服务器相连的云端存储器实现。

根据本发明的第三方面，提供了一种手机智能化报警系统，包括有至少一个智能手机、以上所述的智能化报警装置、互联网服务器和警方接警系统，所述智能手机内设有报警功能按键，所述的智能化报警装置主动发现该智能手机的用户处于危险情况时，提醒并引导所述用户触发所述报警功能按键以将所述手机的位置信息和所述手机的用户信息通过所述互联网服务器发送给所述接警系统和预先设置的紧急联系人。

附图说明

通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。

图1示出了根据本公开的实施例的用于手机的智能化报警装置的结构方框图；

图2示出了图1所示的智能化报警装置中包括的各模块的工作交互示意图；

图3示出了根据本公开的实施例的用于手机的智能化报警方法的流程图；

图4示出了图3所示的用于手机的智能化报警方法中的接收设置步骤和主动采集步骤中的量化处理，和比较识别步骤中的相似度处理的流程图；

图5示出了根据本公开的实施例的手机智能化报警系统的结构方框图。

具体实施方式

现在将参考具体实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。

如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“该实施例的变型”表示“该实施例的至少一个变型”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。

图1示出了根据本公开的实施例的用于手机的智能化报警装置100的结构方框图。图2示出了图1所示的智能化报警装置100中包括的各模块的工作交互示意图。

如图1和2所示，提供了根据本公开的实施例的一种用于手机的智能化报警装置100，其中该手机内设有报警功能按键，该报警功能按键被触发后可将该手机的位置信息和该手机用户a的用户信息(包括用户a的姓名和联系方式)发送给预先设置的警方接警系统和/或紧急联系人，所述智能化报警装置100包括有接收设置模块110、信息存储模块120、主动采集模块130、比较识别模块140、推送提醒模块150和报警发送模块160。

该接收设置模块110可由通过网络与该手机相连的远程服务器实现，用于接收以下多项信息：

-通过该手机中的信息输入设备(包括输入键盘和/或声音拾取器等)输入的用户a的性别信息(例如为女)；

-通过该手机中的信息输入设备输入的用户a的年龄信息(例如为31岁)；和

-以下多项参考信息：

-通过该手机中的信息输入设备输入的用户a的规划路线信息，例如为德胜门-北二环-东二环-东三环-棕榈泉国际公寓；

-通过该手机中的信息输入设备输入的用户a的目标位置信息，例如为棕榈泉国际公寓；

-通过该远程服务器自该用户a的历史记录和/或警方公开信息和/或新闻信息中获取的发生过危险情况的信息，例如该用户a的历史记录中记载其在17年7月11日晚22:00在酒仙桥遇到抢劫；该警方公开信息和/或新闻信息记录有多起发生危险情况的信息，这些信息中包括有被危及人员的性别信息(例如女、男、女、女等)和年龄信息(例如17岁、23岁、30岁、37岁等)和各危险情况发生的时间信息(例如晚上21:00、22:00、23:00、凌晨1:00等)；

通过该远程服务器使用数据量化处理将接收的该多项参考信息量化后作为预先设置的多项识别参考因子，其中量化后的用户a的规划路线信息和目标位置信息为第一项识别参考因子，量化后的发生危险情况的信息中包括的被危及人员的性别信息和年龄信息为第二项识别参考因子，及量化后的危险情况发生的时间信息为第三项识别参考因子；以及

通过该远程服务器设置的报警参考值(例如为60分)；

其中该数据量化处理可采用现有技术中的以下多种量化处理中的任一种：word2vec量化处理、doc2vec量化处理、fasttext量化处理和lstm(理解长短期记忆)量化处理；以及采用现有技术中的用于量化处理后的降维处理，例如svd降维处理。

该信息存储模块120由通过网络与该手机和该远程服务器相连的云端存储器实现，用于存储该预先设置的多项识别参考因子、该设置的报警参考值、用户a的性别信息和年龄信息以及用户a的历史记录；

该主动采集模块130由该远程服务器实现，用于主动采集以下多项信息：

-按照用户a的预授权，该主动采集模块130在某一定时(例如用户a出发时间为晚上21:00，预设定时为21:30)或者按照某一时间间隔(例如用户a出发后每10分钟)主动获取的该用户a的当前行驶路线信息(例如德胜门-北二环-北三环-安贞桥)和当前位置信息(例如安贞桥)；

-该主动采集模块130主动获取的该用户a的当前时间信息(例如晚上21:30)；

-从该信息存储模块120获取的用户a的性别信息(例如女)；和

-从该信息存储模块120获取的用户a的年龄信息(例如31岁)，

并通过使用数据量化处理将该主动采集的多项信息量化后作为多项识别危险因子，其中量化后的用户a的当前行驶路线信息和当前位置信息作为第一项识别危险因子；量化后的用户a的当前时间信息作为第二项识别危险因子；以及，量化后的用户a的性别信息和年龄信息作为第三项识别危险因子，

其中该数据量化处理可采用现有技术中的以下多种量化处理中的任一种：word2vec量化处理、doc2vec量化处理、fasttext量化处理和lstm(理解长短期记忆)量化处理。

该比较识别模块140由该远程服务器实现，用于使用余弦相似度、欧氏距离及皮尔逊相关系数中的任一种相似度算法，进行以下的比较识别，计算得出一相似值(范围在0-1之间，0表示完全不同，1表示完全相同)，据此给出对应的判断分值：

-将作为第一项识别危险因子的量化后的用户a的当前行驶路线信息(例如德胜门-北二环-北三环-安贞桥)和当前位置信息(例如安贞桥)与该多项识别参考因子中包含的量化后的用户a的规划路线信息(德胜门-北二环-东二环-东三环-棕榈泉国际公寓)和目标位置信息(例如棕榈泉国际公寓)进行比较识别，计算得出相似值(0.8)，从而基于下表一得出判断分值为40分；

-将作为第二项识别危险因子的用户a的当前时间信息(例如晚上21:30)与该多项识别参考因子中包含的量化后的自用户a的历史记录和/或公开信息中获取的发生过危险情况的信息所记录的危险情况发生的时间信息(例如晚上21:00、22:00、23:00、凌晨1:00等)进行比较识别，计算得出相似值(0.6)，从而基于下表二得出判断分值为15分；

-将作为第三项识别危险因子的用户a的性别信息(例如女)和年龄信息(例如31岁)与该多项识别参考因子中包含的量化后的自用户a的历史记录和/或公开信息中获取的发生过危险情况的信息中所包括的被危及的人员的性别信息(例如女、男、女、女)和年龄信息(例如17岁、23岁、30岁、37岁等)分别进行比较识别，计算得出相似值(0.5)，从而基于下表三得出判断分值15分，

由此可知累计的判断分值为40+15+15＝70分，大于该报警参考值60分，从而发出推送提醒指令(如果该累计的判断分值小于该报警参考值，则处理流程返回到主动采集模块130的处理)。

应该理解，该比较识别模块140可使用现有技术中的余弦相似度、欧氏距离及皮尔逊相关系数中的任一种相似度算法来将该多项识别危险因子与该多项识别参考因子进行整体比较识别，计算两者之间的整体相似值，并基于下表四得出整体判断分值。

该推送提醒模块150由该远程服务器实现，用于根据来自该比较识别模块140的推送提醒指令，将报警提示信息(例如“您当前可能处于危险情况，请确认报警”)推送到用户a的手机屏幕上，同时发出报警提示铃声，提醒用户a发出报警信息。

该报警发送模块160由该远程服务器实现，用于基于发出的该报警提示信息，使该手机中的报警功能按键高亮闪烁以引导用户a触发该报警功能按键，如果用户a触发该报警功能按键，则该手机的位置信息和用户a的用户信息(包括用户a的姓名和联系方式)被发送给预先设置的警方接警系统和/或紧急联系人，同时将此次报警内容作为用户a的历史记录存储在该信息存储模块120中；如果用户a取消触发该报警功能按键(例如通过关灭手机屏幕的方式)，则处理流程返回到主动采集模块130的处理。

在该装置实施例的第一变型中(未图示)，所述报警装置的结构配置与图1和图2所示的报警装置100基本相同，不同之处仅在于第一变型中的报警装置没有包括所述信息存储模块120。所述主动采集模块130直接从所述接收设置模块110接收所述多项信息且量化后作为多项识别危险因子。所述比较识别模块140直接从所述接收设置模块110接收所述多项识别参考因子、所述设置的报警参考值、用户a的性别信息和年龄信息以及用户a的历史记录，且从所述主动采集模块130接收所述多项识别危险因子以进行所述比较识别。

在该装置实施例的第二变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于用户a触发该报警功能按键后，报警发送模块160通过启动该手机的摄像头和/或录音器以视频和/或音频的方式记录报警过程信息和报警事实信息并存储在该信息存储模块120中作为用户a的历史记录的一部分；该报警发送模块160还接收来自警方接警系统的警方反馈信息以通知用户a报警是否成功；如果该报警发送模块160收到的该警方反馈信息还包括有此次报警不实的信息，则将用户a名下的扰警行为次数+1，并存储在该信息存储模块120中作为用户a的历史记录的另一部分。

在该装置实施例的第三变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于在该报警发送模块160接收到来自警方接警系统的警方反馈信息并通知用户a报警是否成功后，该接收设置模块110还接收用户a通过手机输入的其对于警方服务的评价信息，并将该评价信息存入该信息存储模块120中。

在该装置实施例的第四变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于该报警功能按键为用户a在所述手机上下载的报警app中设置的报警功能按键，在用户a触发所述报警功能按键后，所述报警app将该手机的位置信息和用户a的用户信息发送给预先设置的警方接警系统和/或紧急联系人。由于用户a在下载报警app需要同意该app随时知悉其定位，因此该主动采集模块130可随时主动自该报警app得知携带该手机的用户a的当前行驶路线信息和当前位置信息。

在该装置实施例的第四变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于实现接收设置模块110的该远程服务器所接收的多项识别参考因子中包含的自该手机用户a的历史记录和/或公开信息中获取的发生过危险情况的信息还包括：发生的危险情况所在的场景画面信息和场景声音信息，其中该发生的危险情况所在的场景画面信息包括该场景的光线明亮度(例如光线昏暗)和/或场地开阔度(例如场地狭窄)，以及该发生的危险情况所在的场景声音信息包括该场景中人的喊叫声(例如有人的呼救声)和/或人的运动声(例如有人的撕扯声)。该远程服务器使用数据量化处理将该发生的危险情况所在的场景画面信息和场景声音信息量化后作为第四项识别参考因子。而且，主动采集模块130按照用户a的预先设置，在某一定时(例如用户a出发时间为晚上21:00，预设定时为21:30)或者按照某一时间间隔(例如用户a出发后每10分钟)主动使该手机的摄像头开启以摄取用户a所处的当前场景的画面和/或主动使该手机的录音器开启以记录用户a所处的当前场景的声音，该主动采集模块130使用现有技术中的数据量化处理将获得的当前场景的画面信息(例如光线昏暗)和/或声音信息(例如有人的撕扯声)进行量化后作为第四项识别危险因子。且比较识别模块140将该第四项识别危险因子与该第四项识别参考因子进行比较识别，计算得出相似值(0.8)，从而基于下表五得出判断分值30分：

由此可知在该实施例的第五变型中，累计的判断分值为70+30＝100分，大于该报警参考值(60分)，从而发出推送提醒指令。

在该装置实施例的第六变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于该接收设置模块110还接收用户a通过手机输入的指示用户a的出行是否有同伴的同伴信息(例如没有同伴)并存储在所述信息存储模块120中；该比较识别模块140基于预先的设定(如果有同伴，得出判断分值0分；如果没有同伴，得出判断分值20分)，基于该同伴信息(例如没有同伴)，得出判断分值20分，由此可知在该实施例的第六变型中，累计的判断分值为70+20＝90分，大于该报警参考值(60分)，从而发出推送提醒指令。

在该装置实施例的第七变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于该接收设置模块110还接收表示用户a曾经有过扰警行为的次数的扰警行为记录(例如1次)；用户a的所述扰警行为记录被存储在所述信息存储模块120中作为该手机用户的历史记录中的一部分；且所述比较识别模块140基于用户a的所述扰警行为记录，给出判断分值-15分(例如为-15*扰警行为的次数)，由此可知在该实施例的第七变型中，累计的判断分值为70-15＝55分，小于该报警参考值，从而不发出推送提醒指令，处理流程返回到主动采集模块130的处理。

在该装置实施例的第八变型中(未图示)，所述智能化报警装置的结构配置与图1和图2所示的智能化报警装置100基本相同，不同之处仅在于该接收设置模块110还接收由第三方提供的用户a的信用值(例如70分)；用户a的所述信用值被存储在所述信息存储模块120中；且所述比较识别模块140根据所述手机用户的信用值，基于下表六给出判断分值-10分，由此可知在该实施例的第八变型中，累计的判断分值为70-10＝60分，等于该报警参考值，从而发出推送提醒指令。其中用户a的所述信用值是用户a在金融、房产、购物、保险、旅游等各领域中的各项信用值中一或多项的综合计算值。

图3示出了根据本公开的实施例的用于手机的智能化报警方法的流程图。

如图3所示，提供了根据本公开的实施例的一种用于手机的智能化报警方法200，其中该手机内设有报警功能按键，该报警功能按键被触发后可将该手机的位置信息和该手机用户a的用户信息(包括用户a的姓名和联系方式)发送给预先设置的警方接警系统和/或紧急联系人，所述智能化报警方法200包括有以下步骤：接收设置步骤210、信息存储步骤220、主动采集步骤230、比较识别步骤240、推送提醒步骤250和报警发送步骤260。

在报警方法200的流程开始后，首先，该所述接收设置步骤210由图1中所示的接收设置模块110执行以下各项步骤：

步骤1：接收以下多项信息：

-用户a的性别信息(例如为女)；

-用户a的年龄信息(例如为31岁)；和

-以下多项参考信息：

-用户a的规划路线信息，例如为德胜门-北二环-东二环-东三环-棕榈泉国际公寓；

-用户a的目标位置信息，例如为棕榈泉国际公寓；

-自该用户a的历史记录和/或警方公开信息和/或新闻信息中获取的发生过危险情况的信息，例如该用户a的历史记录中记载其在17年7月11日晚22:00在酒仙桥遇到抢劫；该警方公开信息和/或新闻信息记录有多起发生危险情况的信息，这些信息中包括有被危及人员的性别信息(例如女、男、女、女等)和年龄信息(例如17岁、23岁、30岁、37岁等)和各危险情况发生的时间信息(例如晚上21:00、22:00、23:00、凌晨1:00等)；

步骤2：使用数据量化处理将接收的该多项参考信息量化后作为预先设置的多项识别参考因子，其中量化后的用户a的规划路线信息和目标位置信息为第一项识别参考因子，量化后的发生危险情况的信息中包括的被危及人员的性别信息和年龄信息为第二项识别参考因子，及量化后的危险情况发生的时间信息为第三项识别参考因子；以及

步骤3：设置报警参考值(例如为60分)。

其中该数据量化处理可采用现有技术中的以下多种量化处理中的任一种：word2vec量化处理、doc2vec量化处理、fasttext量化处理和lstm(理解长短期记忆)量化处理；以及采用现有技术中的用于量化处理后的降维处理，例如svd降维处理。

该信息存储步骤220由图1中所示的信息存储模块120执行以存储该预先设置的多项识别参考因子、该设置的报警参考值、用户a的性别信息和年龄信息以及用户a的历史记录。

该主动采集步骤230由图1中所示的主动采集模块130执行，包括以下步骤：

步骤1：主动采集以下多项信息：

-按照用户a的预授权，该主动采集模块130在某一定时(例如用户a出发时间为晚上21:00，预设定时为21:30)或者按照某一时间间隔(例如用户a出发后每10分钟)主动获取的该用户a的当前行驶路线信息(例如德胜门-北二环-北三环-安贞桥)和当前位置信息(例如安贞桥)；

-该主动采集模块130主动获取的该用户a的当前时间信息(例如晚上21:30)；

-从该信息存储模块120获取的用户a的性别信息(例如女)；和

-从该信息存储模块120获取的用户a的年龄信息(例如31岁)；

步骤2：通过使用数据量化处理将该主动采集的多项信息量化后作为多项识别危险因子，其中量化后的用户a的当前行驶路线信息和当前位置信息作为第一项识别危险因子；量化后的用户a的当前时间信息作为第二项识别危险因子；以及，量化后的用户a的性别信息和年龄信息作为第三项识别危险因子。

其中该数据量化处理可采用现有技术中的以下多种量化处理中的任一种：word2vec量化处理、doc2vec量化处理、fasttext量化处理和lstm(理解长短期记忆)量化处理。

该比较识别步骤240由图1中所示的比较识别模块140执行以使用余弦相似度、欧氏距离及皮尔逊相关系数中的任一种相似度算法，进行以下各项比较识别，计算得出一相似值(范围在0-1之间，0表示完全不同，1表示完全相同)，据此给出对应的判断分值：

-将作为第一项识别危险因子的量化后的用户a的当前行驶路线信息(例如德胜门-北二环-北三环-安贞桥)和当前位置信息(例如安贞桥)与该多项识别参考因子中包含的量化后的用户a的规划路线信息(德胜门-北二环-东二环-东三环-棕榈泉国际公寓)和目标位置信息(例如棕榈泉国际公寓)进行比较识别，计算得出相似值(0.8)，从而基于下表一得出判断分值为40分；

-将作为第二项识别危险因子的用户a的当前时间信息(例如晚上21:30)与该多项识别参考因子中包含的量化后的自用户a的历史记录和/或公开信息中获取的发生过危险情况的信息所记录的危险情况发生的时间信息(例如晚上21:00、22:00、23:00、凌晨1:00等)进行比较识别，计算得出相似值(0.6)，从而基于下表二得出判断分值为15分；

-将作为第三项识别危险因子的用户a的性别信息(例如女)和年龄信息(例如31岁)与该多项识别参考因子中包含的量化后的自用户a的历史记录和/或公开信息中获取的发生过危险情况的信息中所包括的被危及的人员的性别信息(例如女、男、女、女)和年龄信息(例如17岁、23岁、30岁、37岁等)分别进行比较识别，计算得出相似值(0.5)，从而基于下表三得出判断分值15分，

由此可知累计的判断分值为40+15+15＝70分，大于该报警参考值60分，从而发出推送提醒指令(如果该累计的判断分值小于该报警参考值，则处理流程返回到主动采集步骤230的处理)。

应该理解，在该比较识别步骤240中，该比较识别模块140可使用现有技术中的余弦相似度、欧氏距离及皮尔逊相关系数中的任一种相似度算法来将该多项识别危险因子与该多项识别参考因子进行整体比较识别，计算两者之间的整体相似值，并基于下表四得出整体判断分值。

该推送提醒步骤250由图1中所示的推送提醒模块150执行以根据来自该比较识别步骤240的推送提醒指令，将报警提示信息(例如“您当前可能处于危险情况，请确认报警”)推送到该用户a的手机屏幕上，同时发出报警提示铃声，提醒该手机的用户a发出报警信息；以及

然后该报警发送步骤260由图1中所示的报警发送模块160执行以使该手机中的报警功能按键高亮闪烁以引导该手机用户a触发该报警功能按键，如果该手机用户a触发该报警功能按键，则该手机的位置信息和用户a的用户信息(包括用户a的姓名和联系方式)被发送给预先设置的警方接警系统和/或紧急联系人，同时将此次报警内容作为用户a的历史记录存储在该信息存储模块120中，该报警方法200的流程结束；如果用户a取消触发该报警功能按键(例如通过关灭手机屏幕的方式)，则处理流程返回到该比较识别步骤240。

在该方法实施例的第一变型中(未图示)，述报警方法的流程与图3所示的报警方法200基本相同，不同之处仅在于第一变型中的报警装置没有包括所述信息存储步骤220。在所述主动采集步骤230中，通过所述主动采集模块130直接从所述接收设置模块110接收所述多项信息且量化后作为多项识别危险因子。在所述比较识别步骤240中，通过所述比较识别模块140直接从所述接收设置模块110接收所述预先设置的多项识别参考因子、所述设置的报警参考值、用户a的性别信息和年龄信息以及用户a的历史记录，且从所述主动采集模块130接收所述多项识别危险因子以进行所述的比较识别。

在该方法实施例的第二变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于在该报警发送步骤260中，用户a触发该报警功能按键后，报警发送模块160通过启动该手机的摄像头和/或录音器以视频和/或音频的方式记录报警过程信息和报警事实信息并存储在该信息存储模块120中作为用户a的历史记录的一部分；该报警发送模块160还接收来自警方接警系统的警方反馈信息以通知用户a报警是否成功；如果该报警发送模块160收到的该警方反馈信息还包括有此次报警不实的信息，则将用户a名下的扰警行为次数+1，并存储在该信息存储模块120中作为用户a的历史记录的另一部分。

在该方法实施例的第三变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于该报警发送步骤260还包括：在该报警发送模块160接收到来自警方接警系统的警方反馈信息并通知用户a报警是否成功后，该接收设置模块110还接收用户a通过手机输入的其对于警方服务的评价信息并将该评价信息存入该信息存储模块120中。

在该方法实施例的第四变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于该报警功能按键为用户a在所述手机上下载的报警app中设置的报警功能按键，在用户a触发所述报警功能按键后，所述报警app将该手机的位置信息和用户a的用户信息发送给预先设置的警方接警系统和/或紧急联系人。由于用户a在下载报警app需要同意该app随时知悉其定位，因此在该主动采集步骤230中，该主动采集模块130可随时主动自该报警app得知携带该手机的用户a的当前行驶路线信息和当前位置信息。

在该方法实施例的第五变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于在接收设置步骤210中，该接收设置模块110所接收的多项识别参考因子中包含的自用户a的历史记录和/或公开信息中获取的发生过危险情况的信息还包括：发生的危险情况所在的场景画面信息和场景声音信息，其中该发生的危险情况所在的场景画面信息包括该场景的光线明亮度(例如光线昏暗)和/或场地开阔度(例如场地狭窄)，以及该发生的危险情况所在的场景声音信息包括该场景中人的喊叫声(例如有人的呼救声)和/或人的运动声(例如有人的撕扯声)。在该接收设置步骤210中，该接收设置模块110使用数据量化处理将该发生的危险情况所在的场景画面信息和场景声音信息量化后作为第四项识别参考因子。而且，在主动采集步骤230中，主动采集模块130按照用户a的预先设置，在某一定时(例如用户a出发时间为晚上21:00，预设定时为21:30)或者按照某一时间间隔(例如用户a出发后每10分钟)主动使该手机的摄像头开启以摄取用户a所处的当前场景的画面和/或主动使该手机的录音器开启以记录用户a所处的当前场景的声音，该主动采集模块130使用现有技术中的数据量化处理将获得的当前场景的画面信息(例如光线昏暗)和/或声音信息(例如有人的撕扯声)进行量化后作为第四项识别危险因子。且在比较识别步骤240中，比较识别模块140将该第四项识别危险因子与该第四项识别参考因子进行比较识别，计算得出相似值(0.8)，从而基于下表五得出判断分值30分：

由此可知在该实施例的第五变型中，累计的判断分值为70+30＝100分，大于该报警参考值(60分)，从而发出推送提醒指令。

在该方法实施例的第六变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于在该接收设置步骤210中，该接收设置模块110还接收用户a通过手机输入的指示用户a的出行是否有同伴的同伴信息(例如没有同伴)；在该信息存储步骤220中，该同伴信息被存储在该信息存储模块120中；在该比较识别步骤240中，该比较识别模块140基于预先设定的判断分值计算规则(如果有同伴，得出判断分值0分；如果没有同伴，得出判断分值20分)，基于该同伴信息(例如没有同伴)，得出判断分值20分，由此可知在该实施例的第六变型中，累计的判断分值为70+20＝90分，大于该报警参考值(60分)，从而发出推送提醒指令。

在该方法实施例的第七变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于在该接收设置步骤210中，该接收设置模块110还接收表示用户a曾经有过扰警行为的次数的扰警行为记录(例如1次)；在该信息存储步骤220中，用户a的所述扰警行为记录被存储在所述信息存储模块120中作为该手机用户的历史记录中的一部分；在该比较识别步骤240中，所述比较识别模块140基于用户a的所述扰警行为记录，给出判断分值-15分(例如为-15*扰警行为的次数)，由此可知在该实施例的第七变型中，累计的判断分值为70-15＝55分，小于该报警参考值，从而不发出推送提醒指令，处理流程返回到主动采集步骤230的处理。

在该方法实施例的第八变型中(未图示)，所述智能化报警方法的流程与图3所示的智能化报警方法200基本相同，不同之处仅在于在该接收设置步骤210中，该接收设置模块110还接收用户a的信用值(例如70分)；在该信息存储步骤220中，用户a的所述信用值被存储在所述信息存储模块120中；在该比较识别步骤240中，所述比较识别模块140根据所述手机用户的信用值，基于下表六给出判断分值-10分，由此可知在该实施例的第八变型中，累计的判断分值为70-10＝60分，等于该报警参考值，从而发出推送提醒指令。其中用户a的所述信用值是用户a在金融、房产、购物、保险、旅游等各领域中的各项信用值中一或多项的综合计算值。

图4示出根据了本公开的一实施例的用于手机的智能化报警方法200及其各种变型中的接收设置步骤210和主动采集步骤230中的量化处理和比较识别步骤240中的相似度处理的流程图。

如图4所示，接收设置步骤210包括有信息量化步骤210a和数据降维步骤210b。

在该信息量化步骤210a中，由接收设置模块110接收的以下6项文字信息(仅为举例，根据不同的应用情况可选择不同数量的多项信息)共同作为原始输入a：

1、用户a的规划路线信息(德胜门-北二环-东二环-东三环-棕榈泉国际公寓)；

2、用户a的目标位置信息(棕榈泉国际公寓)；

3、自用户a的历史记录和/或警方公开信息和/或新闻信息中获取的发生过危险情况的信息中包括的被危及人员的性别信息(女)；

4、自用户a的历史记录和/或警方公开信息和/或新闻信息中获取的发生过危险情况的信息中包括的被危及人员的年龄信息(23岁)；

5、自用户a的历史记录和/或警方公开信息和/或新闻信息中获取的发生过危险情况的信息中包括的危险情况发生的时间信息(晚上22:00)；以及

6、自用户a的历史记录和/或公开信息中获取的发生过危险情况的信息中包括的发生过危险情况的场景画面信息(光线昏暗、场地狭窄)，

该接收设置模块110通过使用数据量化处理(将该原始输入a量化后，得到以下的一6维向量矩阵(6行*10列)：

[0.00172696590.0123648460.04559513-0.04169192-0.036078090.0253727980.00193945020.031703126-0.018304680.039376024],

[0.032663830.035999827-0.032325990.036909815-0.0163086040.03397263-0.0271057020.0145372480.014572262-0.047486342],

[-0.0398498850.0414425470.0095616850.041632924-0.0232142960.013753553-0.03245922-0.0425835440.049518420.034191754],

[-0.0469872-0.04689748-0.03391596-0.033154150.011773324-0.0344137250.020990383-0.022172084-0.0459157560.007762699],

[-0.04563601-0.0077028020.0181793720.0173263070.04445968-0.0323032770.01271179-0.010289069-0.024997406-0.015732551],

[0.027767563-0.04590398-0.0469525-0.0399574150.021054225-0.035071652-0.018858170.0450296480.040645383-0.043375917]

其中将量化后得到的向量矩阵看作为一个空间，在本公开的实施例中统一将向量矩阵中的行视为该空间的维数(即10行为10维)。该数据量化处理可采用现有技术中的以下多种量化处理中的任一种：word2vec量化处理、doc2vec量化处理、fasttext量化处理和lstm(理解长短期记忆)量化处理。

在数据降维步骤210b中，该接收设置模块110通过使用数据降维对该6维向量矩阵(6行*10列)进行降维处理，把该6行*10列的矩阵分解成10列*5行-5行5列-5列*6行，得到奇异值：[0.152672390.137377530.107366260.071825810.055349830.03337345]，其一般保留该向量矩阵中90％的信息量，故可取大于0.1的奇异值，后面的可忽略，最终可降为3行*10列，从而得到降维后的以下一3维向量矩阵(3行*10列)作为预先设置的多项识别参考因子。

[0.011944230.009312070.04421195-0.03702536-0.034282480.027211260.011613480.02256644-0.021599730.04251081],

[0.037101910.02690772-0.022150330.03119522-0.009880930.02127758-0.028974050.010754850.04418614-0.031427],

[0.024307860.049200450.01723790.05826237-0.012834370.02283981-0.01599947-0.041923520.020690160.01768584]

其中该数据降维可采用现有技术中的svd降维。

如图4所示，采集量化步骤230包括有信息量化步骤230a。

在该信息量化步骤230a中，以下各项信息共同作为原始输入b：

1’、通过主动采集模块130主动获取的用户a的当前行驶路线信息(德胜门-北二环-北三环-安贞桥)；

2’、通过主动采集模块130主动获取的用户a的当前位置路线信息(安贞桥)；

3’、通过接收设置模块110接收的用户a的性别信息(女)；

4’、通过接收设置模块110接收的用户a的年龄信息(31岁)；

5’、通过主动采集模块130主动获取的用户a的当前时间信息(晚上21:00)；以及

6’、通过主动采集模块130主动获取的用户a所处的当前场景的画面信息(光线昏暗，场地开阔)；以及

该主动采集模块130通过使用数据量化处理将该原始输入b量化后，得到一5维向量矩阵(5行*6列)作为多项识别危险因子：

[-0.00345393180.0247296910.09119026-0.08338384-0.07215618],

[0.065327660.071999654-0.064651980.07381963-0.032617208],

[-0.079699770.0828850940.019123370.08326585-0.04642859],

[-0.0939744-0.09379496-0.06783192-0.06630830.023546647],

[-0.09127202-0.0154056040.0363587440.0346526130.08891936],

[0.055535126-0.09180796-0.093905-0.079914830.04210845]

其中该数据量化处理可采用现有技术中的以下多种量化处理中的任一种：word2vec量化处理、doc2vec量化处理、fasttext量化处理和lstm(理解长短期记忆)量化处理。

如图4所示，该比较识别步骤240包括有相似值计算步骤240a和判断分值计算步骤240b。

在相似值计算步骤240a中，比较识别模块140使用上述作为预先设置的多项识别参考因子的3维的(3行*10列)矩阵作为输入向量a，使用上述作为多项识别危险因子的5维的(5行*6列)矩阵作为输入向量b，通过使用现有技术中的余弦相似度算法计算输入向量a和输入向量b在向量空间中的夹角的余弦值以得到它们之间的相似度，从而获得范围在0-1之间的相似值(例如0.8)。

在判断分值计算步骤240b中，比较识别模块140基于预先设定的判断分值计算表(例如表四)，根据获得的上述相似值(例如0.8)得出判断分值(例如60分)

当然，在相似值计算步骤240a中，比较识别模块140也可采用现有技术中的欧氏距离及皮尔逊相关系数中的任一种相似度算法来进行相似值计算。

图5示出了根据本公开的实施例的手机智能化报警系统300的结构方框图。

如图5所示，该手机智能化报警系统300包括有至少一个用户智能手机310、上述智能化报警装置100、互联网服务器320和警方接警系统330，所述智能手机310内设有报警功能按键，所述的智能化报警装置100主动发现该智能手机310的用户处于危险情况时，提醒并引导所述用户触发所述报警功能按键以将所述手机的位置信息和所述手机的用户信息通过所述互联网服务器320发送给所述接警系统330和预先设置的紧急联系人。

其中，所述报警装置100还通过所述互联网服务器320接收来自警方接警系统的警方反馈信息以告知所述手机用户报警是否成功；如果接收到的所述警方反馈信息还包括有此次报警不实的信息，则所述报警装置100将所述用户名下的扰警行为次数+1，并进行存储。

通过本公开的上述实施例公开的用于手机的智能化报警方法、装置及包括其的报警系统，可主动识别手机用户处于危险情况并引导手机用户发出报警信息给警方的接警系统和紧急联系人，从而以主动高效的方式达到迅速及时的报警目的。

通过本公开的上述实施例公开的用于手机的智能化报警方法、装置及包括其的报警系统，在考虑的比较识别因素中，包括有进行比较的至少以下五项因素：路线比较、位置比较、性别比较、年龄比较和时间比较；和非比对的至少以下三项因素：用户的同伴信息(是否有同伴)、用户的扰警行为记录和用户的信用值，从而使得不但确保了对于用户是否处于危险情况的判断的准确度，而且也有效地降低了用户扰警行为对于警方接警系统的干扰。

需要说明的是，上述各实施例及变型中对于针对各种比较而给出相应判断分值的表格仅为示例性，可以根据不同的应用需求而设定不同的判断分值的打分规则或计算方式。

需要说明的是，上述各流程和各设备结构方框图中不是所有的步骤和单元都是必须的，可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的，可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构，也可以是逻辑结构，即，有些单元可能由同一物理实体实现，或者，有些单元可能分由多个物理实体实现，或者，有些单元可能分由物理实体和逻辑结构组合实现，或者，多个不同单元可以由同一物理设备或逻辑结构实现。

以上各实施例中，硬件单元或模块可以通过机械方式或电气方式实现。例如，一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器，fpga或asic)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。装置(包括服务器)实施例可以通过软件实现，也可以通过硬件或者软硬结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在的服务器的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，除通常的处理器、内存、网络接口以及非易失性存储器之外，实施例中所述的服务器为通常根据该服务器的实际功能，还可以包括其他硬件，对此不在赘述。

上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。

本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。