建立多维度服刑人员状态信息模型的方法

摘要

一种建立多维度服刑人员状态信息模型的方法，本发明将影响分析人员危险程度的因素，分成多个维度：基本因素、个性及心理、社会因素、综合因素等，并对这些因素的相关属性进行打分，将罪犯非结构化数据结构化，形成罪犯数据的多维数组结构，然后通过选取质点，计算服刑人员数据与质点的距离，最终将服刑人员最终分为三类：普管、严管、宽管。本发明通过对质点及罪犯状态迁移的分析，从而预测监控对象的犯罪趋势的分析模型，帮助监控人员进行个性化的管理教育以及监管部门合理决策。

说明书

技术领域

本发明公开了一种建立多维度服刑人员状态信息模型的方法，属于司法智能监控的技术领域。

背景技术

随着社会信息化的推进，社会的各个方面都开始注重信息采集及分析工作，但是针对特定人群的分类管理依然没有特定技术手段加以处理和区分，其主要客观技术原因在于：涉及到司法领域，影响个体行为的因素诸多。特别是针对服刑人员更是难以根据短期的个人信息数据做出准确的危险行为预判。

根据犯罪行为学的研究发现，相同罪罚的服刑人员，常因个体的家庭环境、社会关系、个人教育背景、个人健康状况等多重客观因素的不同，后续做出的危险行为的概率也不同。因此，建立一种能考虑多维因素的人员状态信息模型，成为本技术领域所一直寻求突破的技术难点。

针对上述技术问题，中国专利CN110458101A公开了一种基于视频与设备结合的服刑人员体征监测方法及设备，方法括以下过程：通过获取服刑人员的当前监控视频，从视频帧中识别服刑人员的人脸表情特征及所属类别；通过视频监控实时跟踪人脸面部特征区域，同时生命体征监测设备检测监狱服刑人员的心率。结合服刑人员在休息时的心率以及从视频中识别出的服刑人员的人脸表情特征和心率，判断监狱服刑人员是否具有潜在性疾病风险或者异常行为。但是该文献只是对服刑人员的身体状况进行监测，并及时发出预警，而其它种类的影响因素并未考虑在预判服刑人员的危险行为当中。

中国专利CN109998570A公开了服刑人员心理状态评估方法、终端、设备及系统，根据输入的指纹信息，提取与该指纹信息对应的待测试心理指标，选择与当前待测试心理指标对应的动画游戏场景；同时，选择与当前待测试心理指标对应的VR体验场景；采集待测试服刑人员在动画游戏场景下的第一生理信号；采集待测试服刑人员在VR体验场景下的第二生理信号和第一行为信号；对采集的信号均进行预处理；对预处理后得到的信号进行特征提取，得到特征向量；将特征向量进行特征向量融合，将融合后的特征向量输入到预先训练好的预测模型中，预测模型输出待测试服刑人员的心理状态分类结果。该文献是通过将服刑人员置于特定模拟场景中，通过辨别特定人员的反应行为或者答题反馈进而实现对服刑人员的心理状态评估。

综上可知，现有技术对服刑人员的预测评估依然仅限于身体健康状况或者心理状况，然而影响服刑人员的其他因素依然没有被有效识别和评判。

发明内容

针对现有技术的不足，本发明公开一种建立多维度服刑人员状态信息模型的方法。

本发明详细的技术方案如下：

一种建立多维度服刑人员状态信息模型的方法，包括步骤如下：

1)收集所有目标服刑人员的状态信息，其特征在于，所述状态信息至少包括：

性格数据、心理数据、教育背景数据、家庭环境数据、身体健康数据、犯罪背景数据、罪罚数据、狱中表现数据、社区评价反馈数据；

2)将所有目标服刑人员数据按状态信息类型进行归集，形成多维数组结构；根据不同目标服刑人员，将上述状态信息进行赋值打分；

3)在各所述数组结构中，选取数组结构的质点，计算每位服刑人员的状态信息与所述质点的距离；

4)根据每位服刑人员的状态信息与所述质点的距离最终将服刑人员分为三类：普管、严管、宽管。

根据本发明优选的，形成目标服刑人员多维数组，选取数组结构的质点：普管质点、宽管质点和严管质点；

计算每位目标服刑人员的状态信息与所述对应质点的距离，目标服刑人员状态信息距离最近的质点类型即判断为服刑人员倾向的类型，即普管、严管或宽管。

根据本发明优选的，将上述所有目标服刑人员多维数组设定聚类的K值，将把服刑人员分为3类普管、宽管、严管，所以K＝3；

5)随机选取3个点作为质点；

6)根据公式计算其他服刑人员与上述3个质点的相似度：

7)其中距离最近的归为一类；

8)在类中计算各个维度的算术平均数：

根据各维度的算术平均数，形成新的质点，更新3个质点；

9)重复步骤8)，直到质点不再变化或者变化很小，即确定目标服刑人员属于普管、宽管或严管。

一种利用建立多维度服刑人员状态信息模型对目标服刑人员进行跟踪改造的方法，其特征在于，包括：

根据目标服刑人员所处的普管、严管或宽管类别，通过调整所述人员的状态信息：性格数据、心理数据、教育背景数据、家庭环境数据、身体健康数据、犯罪背景数据、罪罚数据、狱中表现数据、社区评价反馈数据，进而改善目标服刑人员的所属管教的类型。

根据本发明优选的，所述的司法监管部门和/或社区监管部门根据人员的状态信息随时调整信息，从而改善目标服刑人员的所属管教的类型，直至达到管教目标。

本发明的技术优势在于：

本发明可以利用信息收集和归类的优势，对目标服刑人员进行准确归类为普管、严管或宽管对象。本发明还利用服刑人员的状态信息进行有效的信息追踪，进而将服刑人员的各类数据信息进行有效反馈至司法监管部门和/或社区监管部门，由对应的部门制定管教计划，直至使服刑人员达到管教目标。

具体实施方式

下面结合实施例做具体的说明，但不限于此。

实施例1、

一种建立多维度服刑人员状态信息模型的方法，包括步骤如下：

1)收集所有目标服刑人员的状态信息，所述状态信息至少包括：

性格数据、心理数据、教育背景数据、家庭环境数据、身体健康数据、犯罪背景数据、罪罚数据、狱中表现数据、社区评价反馈数据；

5)将所有目标服刑人员数据按状态信息类型进行归集，形成多维数组结构；根据不同目标服刑人员，将上述状态信息进行赋值打分；

6)在各所述数组结构中，选取数组结构的质点，计算每位服刑人员的状态信息与所述质点的距离；

7)根据每位服刑人员的状态信息与所述质点的距离最终将服刑人员分为三类：普管、严管、宽管。

其中，所述性格数据、心理数据的具体赋值打分方法如表1：

表1：性格数据、心理数据的具体赋值打分表

所述教育背景数据包括：受教育程度，具体赋值打分方法如表2：

表2：教育背景数据具体赋值打分表

所述家庭环境数据包括：婚姻家庭状况、生活来源、固定住所、家庭成员犯罪记录、家庭成员关系和家属配合矫正工作的态度，具体赋值打分方法如表3：

表3：家庭环境数据具体赋值打分表

所述身体健康数据包括精神病史和精神病遗传史，具体赋值打分方法如表4：

表4：所述身体健康数据具体赋值打分表

所述犯罪背景数据包括犯罪时的年龄、就业态度和状况、主观恶性程度、犯罪中是否使用暴力或是否惯骗，具体赋值打分方法如表5：

表5：所述犯罪背景数据具体赋值打分表

所述罪罚数据和狱中表现数据包括认罪服法态度、对现实社会的心态、法律知识或法制观念、违法犯罪案由、过去受刑事处罚记录、过去受行政处罚记录，具体赋值打分方法如表6：

表6：罪罚数据和狱中表现数据具体赋值打分表

根据本发明优选的，所述社区评价反馈数据包括交友情况、个人成长经历、社区矫正类别、接受社区矫正态度，具体赋值打分方法如下：

实施例2、

如实施例1所述的一种建立多维度服刑人员状态信息模型的方法，形成目标服刑人员多维数组，选取数组结构的质点：普管质点、宽管质点和严管质点；

计算每位目标服刑人员的状态信息与所述对应质点的距离，目标服刑人员状态信息距离最近的质点类型即判断为服刑人员倾向的类型，即普管、严管或宽管。

将上述所有目标服刑人员多维数组设定聚类的K值，将把服刑人员分为3类普管、宽管、严管，所以K＝3；

5)随机选取3个点作为质点；

6)根据公式计算其他服刑人员与上述3个质点的相似度：

7)其中距离最近的归为一类；

8)在类中计算各个维度的算术平均数：

根据各维度的算术平均数，形成新的质点，更新3个质点；

10)重复步骤8)，直到质点不再变化或者变化很小，即确定目标服刑人员属于普管、宽管或严管。

实施例3、

一种利用建立多维度服刑人员状态信息模型对目标服刑人员进行跟踪改造的方法，包括：

根据目标服刑人员所处的普管、严管或宽管类别，通过调整所述人员的状态信息：性格数据、心理数据、教育背景数据、家庭环境数据、身体健康数据、犯罪背景数据、罪罚数据、狱中表现数据、社区评价反馈数据，进而改善目标服刑人员的所属管教的类型。

优选的，所述的司法监管部门和/或社区监管部门根据人员的状态信息随时调整信息，从而改善目标服刑人员的所属管教的类型，直至达到管教目标。