密切接触者的确定方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种密切接触者的确定方法、装置、设备和存储介质。方法包括：获取第一数据以及终端设备周围至少一个其它终端设备的第二数据；根据第一数据中的第一类数据，确定终端设备对应第一用户的运动状态，以及根据第二数据中的第一类数据，确定其它终端设备对应第二用户的运动状态；将第一数据、第一用户的运动状态、第二数据以及第二用户的运动状态输入密切接触排查模型，以确定与第一用户密切接触的第二用户，并将与第一用户密切接触的第二用户发送给服务器。本发明专利技术实施例使得密切接触者的排查更全面、彻底，避免出现漏查，从而提高排查精准度，为防止病毒蔓延提供条件。件。件。

【技术实现步骤摘要】
密切接触者的确定方法、装置、设备和存储介质


[0001]本专利技术实施例涉及疫情防控
，尤其涉及一种密切接触者的确定方法、装置、设备和存储介质。

技术介绍

[0002]面对新型冠状病毒的传播，一般采用佩戴口罩、设置卡点测温以及密切接触者隔离等措施防止继续蔓延。但因为病毒传播性强，且潜伏期内仍然可以传染给其他人，因此需要将与确诊人员密切接触者进行集中隔离，以隔离潜在传染源。
[0003]将与确诊人员密切接触者进行集中隔离之前，需要确定出密切接触者。目前密切接触者确定方式是将确诊人员信息下发给各级防控中心，以使防疫人员进行人工调查，不仅工作量大，且存在排查不全面不彻底，容易出现漏查，造成病毒继续蔓延。

技术实现思路

[0004]本专利技术实施例提供一种密切接触者的确定方法、装置、设备和存储介质，使得密切接触者的排查更全面、彻底，避免出现漏查，从而提高排查精准度，为防止病毒蔓延提供条件。
[0005]第一方面，本专利技术实施例提供了一种密切接触者的确定方法，应用于终端设备，所述方法包括：
[0006]获取第一数据以及终端设备周围至少一个其它终端设备的第二数据；
[0007]根据所述第一数据中的第一类数据，确定所述终端设备对应第一用户的运动状态，以及根据所述第二数据中的第一类数据，确定所述其它终端设备对应第二用户的运动状态；
[0008]将所述第一数据、所述第一用户的运动状态、所述第二数据以及所述第二用户的运动状态输入密切接触排查模型，以确定与所述第一用户密切接触的第二用户，并将与所述第一用户密切接触的第二用户发送给服务器。
[0009]第二方面，本专利技术实施例还提供了一种密切接触者的确定装置，配置于终端设备，包括：
[0010]数据获取模块，用于获取第一数据以及所述终端设备周围至少一个其它终端设备的第二数据；
[0011]第一确定模块，用于根据所述第一数据中第一类数据，确定所述终端设备对应第一用户的运动状态，以及根据所述第二数据中第一类数据，确定所述其它终端设备对应第二用户的运动状态；
[0012]第二确定模块，用于将所述第一数据、所述第一用户的运动状态、所述第二数据中以及所述第二用户的运动状态输入密切接触排查模型，以确定与所述第一用户密切接触的第二用户，并将与所述第一用户密切接触的第二用户发送给服务器。
[0013]第三方面，本专利技术实施例还提供了一种终端设备，包括：
[0014]一个或多个处理器；
[0015]存储装置，用于存储一个或多个程序，
[0016]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例中任一所述的密切接触者的确定方法。
[0017]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术实施例中任一所述的密切接触者的确定方法。
[0018]本专利技术实施例公开的技术方案，具有如下有益效果：
[0019]通过获取第一数据以及终端设备周围至少一个其它终端设备的第二数据，以根据第一数据中第一类数据确定终端设备对应用户的运动状态，以及根据第二数据中第一类数据确定其它终端设备对应用户的运动状态，然后将第一数据、第一用户的运动状态、第二数据以及第二用户的运动状态输入密切接触排查模型，以确定与第一用户密切接触的第二用户，并将与第一用户密切接触的第二用户发送给服务器。由此，实现了基于密切接触排查模型，对获取到的终端设备数据进行识别，以确定与用户发生过密切接触的人员，并将密切人员发送给服务器，使得后续对确诊人员密切接触者的排查更全面、彻底，避免出现漏查的情况，从而提高排查精准度，为防止病毒蔓延提供条件。
附图说明
[0020]图1是本专利技术实施例一提供的一种密切接触者的确定方法的流程示意图；
[0021]图2是本专利技术实施例二提供的一种密切接触者的确定方法的流程示意图；
[0022]图3是本专利技术实施例三提供的一种密切接触者的确定方法的流程示意图；
[0023]图4是本专利技术实施例四提供的一种密切接触排查模型的生成过程流程图；
[0024]图5是本专利技术实施例五提供的一种密切接触者的确定装置的结构示意图；
[0025]图6是本专利技术实施例六提供的一种终端设备的结构示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术实施例，而非对本专利技术实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术实施例相关的部分而非全部结构。
[0027]下面参考附图对本专利技术实施例提供的一种密切接触者的确定方法、装置、设备和存储介质进行说明。
[0028]实施例一
[0029]图1是本专利技术实施例一提供的一种密切接触者的确定方法的流程示意图，本实施例可适用于对与用户发生过密切接触的人员进行自动识别的场景，该方法可以由密切接触者的确定装置来执行，该装置可由硬件和/或软件组成，并可集成于终端设备中，本实施例中终端设备可以是任意具有数据处理功能的硬件设备，例如智能手机或可穿戴式设备等。该方法具体包括如下：
[0030]S101，获取第一数据以及终端设备周围至少一个其它终端设备的第二数据。
[0031]其中，第一数据为终端设备自身的数据，第二数据为其他终端设备的数据。本实施例中，第一数据和第二数据，可包括：屏幕状态、加速度、光照强度、通话状态、位置信息、时
间信息和蓝牙信号强度(Received Signal Strength Indication,简称RSSI)等，此处对其不做具体限定。其中，屏幕状态包括：亮屏状态和熄屏状态；通话状态包括：正在通话和未通话。
[0032]具体的，终端设备可通过自身的各类传感器或监测器采集不同类型的数据，以构成第一数据。其中，各类传感器和监测器根据采集的第一数据类型而不同。例如，传感器可为但不限于：加速度传感器、陀螺仪、声音传感器和光照传感器等。
[0033]因为终端设备的周围可能还存在其他终端设备，那么本实施例终端设备在获取自身第一数据的同时，还可以获取周围至少一个其他终端设备的第二数据。具体实现时，终端设备可通过蓝牙功能对周围其他终端设备广播的身份信息进行周期性扫描，以获取其他终端设备的第二数据。此外，终端设备还可通过蓝牙功能周期性将自身身份信息对外进行广播，以使周围其他终端设备也能够获取到第一数据。
[0034]又因为通过蓝牙功能扫描到的数据，一般为设备的蓝牙名称、蓝牙信号强度值和MAC地址(Media Access Control Address)等数据。那么为了获取到周围其他终端设备的第二数据，本专利技术实施例可对蓝牙功能进行改进，以当扫描到周围其他终端设备的蓝牙名称时，终端设备可将自身蓝牙名称修改成第一数据，以使周围其他终端设备基于扫描到的蓝牙名称，得到终端设备的第一数据。同时，周围其他终端本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种密切接触者的确定方法，其特征在于，应用于终端设备，所述方法包括：获取第一数据以及终端设备周围至少一个其它终端设备的第二数据；根据所述第一数据中的第一类数据，确定所述终端设备对应第一用户的运动状态，以及根据所述第二数据中的第一类数据，确定所述其它终端设备对应第二用户的运动状态；将所述第一数据、所述第一用户的运动状态、所述第二数据以及所述第二用户的运动状态输入密切接触排查模型，以确定与所述第一用户密切接触的第二用户，并将与所述第一用户密切接触的第二用户发送给服务器。2.根据权利要求1所述的方法，其特征在于，所述获取第一数据以及终端设备周围至少一个其它终端设备的第二数据之后，还包括：分别将所述第一数据中的第一类数据和所述第二数据中的第一类数据，输入持握状态识别模型中，以确定第一用户的持握状态和第二用户的持握状态；其中，所述持握状态识别模型是采用第一类数据样本集，对第一机器学习模型进行训练确定的。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一数据中的第一类数据，确定所述终端设备对应第一用户的运动状态，以及根据所述第二数据中的第一类数据，确定所述其它终端设备对应第二用户的运动状态，包括：分别将所述第一用户的持握状态及所述持握状态对应运动特征，和所述第二用户的持握状态及所述持握状态对应运动特征，输入运动状态识别模型，以确定第一用户的运动状态和第二用户的运动状态；其中，所述运动状态识别模型是采用持握状态和持握状态对应运动特征样本集，对第二机器学习模型进行训练确定的。4.根据权利要求1所述的方法，其特征在于，所述获取第一数据以及终端设备周围至少一个其它终端设备的第二数据之前，还包括：获取训练样本集，所述样本集中包括多个终端设备的数据，及每个终端设备对应用户的运动状态；基于所述多个终端设备的数据及每个终端设备对应用户的运动状态，对第三机器学习模型进行训练，直至训练后的第三机器学习模型精准度达到精准度阈值；将训练后的第三机器学习模型，确定为密切接触排查模型。5.根据权利要求1所述的方法，其特征在于，所述将所述第一数据、所述第一用户的运动状态、所述第二数据以及所述第二用户的运动状态输入密切接触排查模型，...

【专利技术属性】
技术研发人员：宋轩，江亦凡，张浩然，陈达寅，赵奕丞，颜秋阳，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：