CN105966310A - 一种状态监测方法、终端设备、服务器及状态监测*** - Google Patents

Abstract

本申请公开一种状态监测方法、终端设备、服务器及状态监测***，所述方法通过获取目标对象的预设状态信息，并基于所述预设状态信息对目标对象的状态是否正常进行分类，得到目标对象状态正常与否的分类结果，最终在分类结果为不正常时，对目标对象进行状态异常告警。可见，应用本申请方案，可通过对驾驶过程中的驾驶者状态进行监测，有效获知驾驶者在驾驶过程中的状态是否正常，并在状态异常时通过异常告警来及时提醒驾驶者采取相应措施进行状态调整，从而本申请可进一步确保车辆的运输安全性，降低其事故发生率。

Description

一种状态监测方法、终端设备、服务器及状态监测***

技术领域

本发明属于基于机器学习的信息采集和处理技术领域，尤其涉及一种状态监测方法、终端设备、服务器及状态监测***。

背景技术

油罐车等特殊车辆的运输属于危险品运输，危险品的运输存在巨大的危险性，运输过程中稍不注意即可能造成物资损失或者人员伤亡，因此需尽量确保此类危险物品运载车辆的运输安全性。

传统方式下，一般通过对驾驶者进行严格的岗前培训，来提升油罐车等危险品运载车辆的行车安全性，尽管如此，现实生活中此类危险品运载车辆的安全事故仍然偶有发生，且存在一个并不算低的发生率，基于此，如何进一步确保此类车辆的运输安全性，降低其安全事故发生率成为本领域关注的重点问题。

发明内容

有鉴于此，本发明的目的在于提供一种状态监测方法、终端设备、服务器及状态监测***，旨在通过在油罐车等车辆的运输过程中对驾驶者进行状态监测及相应告警，来进一步确保车辆的运输安全性，降低其事故发生率。

为此，本发明公开如下技术方案：

一种状态监测方法，包括：

获取目标对象的预设状态信息；

基于所述预设状态信息对所述目标对象的状态是否正常进行分类，得到分类结果；

当所述分类结果为不正常时，对所述目标对象进行状态异常告警。

上述方法，优选的，所述预设状态信息包括身体状态信息，和/或驾驶状态信息，则所述获取目标对象的预设状态信息包括：

实时获取所述目标对象在驾驶过程中的身体状态信息；其中，所述身体状态信息包括所述目标对象的心率和体温；和/或，

实时获取所述目标对象在驾驶过程中的驾驶状态信息；其中，所述驾驶状态信息包括车速信息和方向盘偏转角度。

上述方法，优选的，所述基于所述预设状态信息对所述目标对象的状态是否正常进行分类，得到分类结果包括：

利用预先训练的第一分类器，对所述目标对象的身体状态信息是否正常进行分类，得到目标对象身体状态的第一分类结果；和/或，

利用预先训练的第二分类器，对所述目标对象的驾驶状态信息是否正常进行分类，得到目标对象驾驶状态的第二分类结果；

其中，所述第一分类器为基于所述目标对象在驾驶过程中的历史身体状态信息及对应的历史行车状况预先训练的分类器；所述第二分类器为基于所述目标对象在驾驶过程中的历史驾驶状态信息及对应的历史行车状况预先训练的分类器。

一种终端设备，包括：

信息获取模块，用于获取目标对象的预设状态信息；

第一通信模块，用于发送所述预设状态信息至服务器，以使服务器基于所述预设状态信息对所述目标对象的状态是否正常进行分类；并在服务器的分类结果为不正常时，接收服务器的告警指示；

告警模块，用于在所述第一通信模块接收到服务器的告警指示时，对所述目标对象进行状态异常告警。

上述终端设备，优选的，所述信息获取模块包括用于实时获取所述目标对象在驾驶过程中的身体状态信息的第一获取单元，和/或用于实时获取所述目标对象在驾驶过程中的驾驶状态信息的第二获取单元；其中，所述身体状态信息包括所述目标对象的心率和体温，则所述第一获取单元包括：

心率传感器，用于实时获取所述目标对象在驾驶过程中的心率；

温度传感器，用于实时获取所述目标对象在驾驶过程中的体温。

上述终端设备，优选的，所述驾驶状态信息包括车速信息和方向盘偏转角度，所述车速信息包括位置信息；则所述第二获取单元包括：

定位模块，用于获取驾驶过程中车辆的位置信息，并通过所述第一通信模块将所述位置信息发送至服务器，以使服务器基于预定间隔时长获取的不同的位置信息，计算车速；

方向传感器，用于实时获取驾驶过程中的方向盘偏转角度。

一种服务器，包括：

第二通信模块，用于接收终端设备发送的目标对象的预设状态信息；

分类模块，用于基于所述预设状态信息对所述目标对象的状态是否正常进行分类；并在分类结果为不正常时，通过所述第二通信模块向终端设备发出告警指示。

上述服务器，优选的，所述服务器还包括机器学习模块，所述预设状态信息包括身体状态信息和/或驾驶状态信息，则所述分类模块包括：

第一分类单元，用于利用所述机器学习模块预先训练的第一分类器，对所述目标对象的身体状态信息是否正常进行分类，得到目标对象身体状态的第一分类结果；和/或，

第二分类单元，用于利用所述机器学习模块预先训练的第二分类器，对所述目标对象的驾驶状态信息是否正常进行分类，得到目标对象驾驶状态的第二分类结果；

其中，所述第一分类器为所述机器学习模块基于所述目标对象在驾驶过程中的历史身体状态信息及对应的历史行车状况预先训练的分类器；所述第二分类器为所述机器学习模块基于所述目标对象在驾驶过程中的历史驾驶状态信息及对应的历史行车状况预先训练的分类器。

上述服务器，优选的，所述驾驶状态信息包括车速信息和方向盘偏转角度，所述车速信息包括车辆的位置信息，则所述第二分类单元具体用于：基于预定间隔时长获取的不同的位置信息计算车速，并利用预先训练的第二分类器，基于所述目标对象的车速和方向盘偏转角度对所述目标对象的驾驶状态是否正常进行分类。

一种状态监测***，包括如上所述的终端设备，以及如上所述的服务器。

由以上方案可知，本申请公开的状态监测方法及***，通过获取目标对象的预设状态信息，并基于所述预设状态信息对目标对象的状态是否正常进行分类，得到目标对象状态正常与否的分类结果，最终在分类结果为不正常时，对目标对象进行状态异常告警。可见，应用本申请方案，可通过对驾驶过程中的驾驶者状态进行监测，有效获知驾驶者在驾驶过程中的状态是否正常，并在状态异常时通过异常告警来及时提醒驾驶者采取相应措施进行状态调整，从而本申请可进一步确保车辆的运输安全性，降低其事故发生率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明实施例一提供的状态监测方法流程图；

图2是本发明实施例二提供的终端设备的结构示意图；

图3-图4是本发明实施例二提供的服务器的结构示意图；

图5是本发明实施例三提供的状态监测***的一实施实例图。

具体实施方式

为了引用和清楚起见，下文中使用的技术名词、简写或缩写总结解释如下：

机器学习：Machine Learning，ML是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

电子地图：以百度地图为例,百度地图是百度提供的一项网络地图搜索服务，覆盖了国内近400个城市、数千个区县。在百度地图里，用户可以查询街道、商场、楼盘的地理位置，也可以找到距离最近的所有餐馆、学校、银行、公园等等。通过百度地图提供相应的接口,可以查询到相应路面状况。

光学心率传感器：利用光透射或反射血管内流动的血液(脉搏)来检测脉率，通常情况下是等于心率的，目前绝大部分手环都是这一原理来检测心率，较为成熟。

GPS：利用GPS定位卫星，在全球范围内实时进行定位、导航的***，称为全球卫星定位***，简称GPS。GPS是由美国国防部研制建立的一种具有全方位、全天候、全时段、高精度的卫星导航***，能为全球用户提供低成本、高精度的三维位置、速度和精确定时等导航信息，是卫星通信技术在导航领域的应用典范。

4G：***移动电话行动通信标准，指的是***移动通信技术。该技术包括TD-LTE和FDD-LTE两种制式。4G是集3G与WLAN于一体，并能够快速传输数据、高质量、音频、视频和图像等。4G能够以100Mbps以上的速度下载，比目前的家用宽带ADSL(4兆)快25倍，并能够满足几乎所有用户对于无线服务的要求。此外，4G可以在DSL和有线电视调制解调器没有覆盖的地方部署，然后再扩展到整个地区。很明显，4G有着不可比拟的优越性。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明实施例一公开一种状态监测方法，用于在油罐车等车辆的运输过程中对驾驶者进行状态监测及相应告警，以提升油罐车等车辆的运输安全性，降低其事故发生率，参考图1，所述方法可以包括以下步骤：

S101：获取目标对象的预设状态信息。

所述目标对象可以是对油罐车等车辆进行行车驾驶的驾驶者，所述预设状态信息包括驾驶者的身体状态信息，和/或驾驶者的驾驶状态信息。

其中，所述身体状态信息可以包括驾驶过程中驾驶者的心率、体温等能够反映驾驶者身体状况的参数信息，所述驾驶状态信息可以包括驾驶过程中的车速信息、方向盘偏转角度等能够反映驾驶状况正常与否的参数信息，实施本申请时，可基于实际需求对所述预设状态信息所包含的相关参数进行确定，本实施例对此不作限定。

本步骤S101，具体可以通过预先在本申请方案的承载设备如移动终端(手环、腕表)中集成相关传感器，实现对心率、体温、方向盘偏转角度等所需的状态信息进行采集、获取。

其中，本实施例采用心率传感器对驾驶者心率进行实时采集，如具体可采用光学心率传感器采集驾驶者的心率数据；采用体温传感器对驾驶者体温数据进行实时采集。

对于车速的获取，本实施例首先基于定位模块并结合地图数据包定位车辆的位置信息，如具体将GPS(Global Positioning System，全球定位***)模块采集的定位数据与地图数据包进行匹配，实现对车辆所在的道路干道、位置信息等进行定位，在此基础上，利用GPS模块在预定间隔时长(如几秒钟)进行刷新前、后所定位的不同位置信息，计算车辆在该时长的位移，进而基于位移及时长计算车速。而方向盘偏转角度则可通过方向加速度采集。

S102：基于所述预设状态信息对所述目标对象的状态是否正常进行分类，得到分类结果。

本步骤具体利用预先训练的状态分类器，对前一步骤采集、获取的驾驶者相关状态信息进行状态分类，以此获取驾驶者的状态如身体状态、驾驶状态是否正常。

其中，对于采集的心率、体温等驾驶者身体状态信息，利用预先训练的第一分类器对其进行分类，得到驾驶者身体状态正常或异常的分类结果，该第一分类器为基于驾驶者在驾驶过程中的历史身体状态信息及对应的历史行车状况预先训练的分类器。

对于采集、获取的车速、方向盘偏转角度等驾驶状态信息，则利用预先训练的第二分类器对其进行分类，得到驾驶者驾驶状态正常或异常的分类结果，该第二分类器为基于驾驶者在驾驶过程中的历史驾驶状态信息及对应的历史行车状况预先训练的分类器。

本实施例具体基于机器学***缓(过于激烈/过于平缓：对应于特定偏转角度时，车速过高/过低)、是否发生事故、是否安全到达目的地等等，来分析、学习驾驶者的风格轨迹(包括身体状态风格、驾驶风格等)，并通过不断迭代的学习、训练过程，来获得并完善相应的身体状态分类器(第一分类器)、驾驶状态分类器(第二分类器)。

所训练的分类器具体可以是函数形式，从而在对相应状态数据进行分类时，可将采集获取的状态数据作为所述函数的输入，并基于函数输出结果实现分类。例如，向驾驶状态分类函数输入车速及对应的方向盘偏转角度，可获知车辆是否超出常规的驾驶阈值处于激烈驾驶，如果是，则判定驾驶状态异常。

S103：当所述分类结果为不正常时，对所述目标对象进行状态异常告警。

当通过所述第一分类器获知驾驶者身体异常，和/或通过所述第二分类器获知驾驶者驾驶异常时，可通过终端告警形式通知、提醒驾驶者，例如通过驾驶者佩戴的手环马达做出相应震动来提醒驾驶者等，从而达到预警效果，及时提醒驾驶者采取相应措施调整其身体状态或驾驶状态。

本申请方法可采用终端形式实施，如具体通过在手环、腕表或车载设备等终端中集成本申请方法的全部执行逻辑，来实现驾驶者状态监控及相应告警，还可以采用终端及匹配的服务器形式实施，此种形式下，可将本申请方法中所涉及的状态数据采集、告警等简单功能的执行逻辑集成在手环等终端，而对采集的数据进行分析、学习以及在此基础上训练分类器、利用分类器进行状态分类等复杂功能的执行逻辑集成在服务器，并通过终端与服务器的相互交互实现驾驶者状态监控及相应告警。

由以上方案可知，本申请公开的状态监测方法，通过获取目标对象的预设状态信息，并基于所述预设状态信息对目标对象的状态是否正常进行分类，得到目标对象状态正常与否的分类结果，最终在分类结果为不正常时，对目标对象进行状态异常告警。可见，应用本申请方案，可通过对驾驶过程中的驾驶者状态进行监测，有效获知驾驶者在驾驶过程中的状态是否正常，并在状态异常时通过异常告警来及时提醒驾驶者采取相应措施进行状态调整，从而本申请可进一步确保车辆的运输安全性，降低其事故发生率。

实施例二

本实施例二公开一种终端设备及相匹配的服务器，所述终端设备可以采用手环、腕表、车载设备等形式，参考图2示出的终端设备的结构示意图，所述终端设备可以包括：信息获取模块101、第一通信模块102和告警模块103。

信息获取模块101，用于获取目标对象的预设状态信息。

所述目标对象可以是对油罐车等车辆进行行车驾驶的驾驶者，所述预设状态信息包括驾驶者的身体状态信息，和/或驾驶者的驾驶状态信息。

其中，所述身体状态信息可以包括驾驶过程中驾驶者的心率、体温等能够反映驾驶者身体状况的参数信息，所述驾驶状态信息可以包括驾驶过程中的车速信息(所述车速信息包括位置信息)、方向盘偏转角度等能够反映驾驶状况正常与否的参数信息，实施本申请时，可基于实际需求对所述预设状态信息所包含的相关参数进行确定，本实施例对此不作限定。

基于预设状态信息所包括的以上参数类型，所述信息获取模块101对应可包括用于实时获取所述目标对象在驾驶过程中的身体状态信息的第一获取单元，和/或用于实时获取所述目标对象在驾驶过程中的驾驶状态信息的第二获取单元。

其中，所述第一获取单元包括：

心率传感器，用于实时获取所述目标对象在驾驶过程中的心率；本实施例中具体采用光学心率传感器对驾驶者的心率数据进行实时采集；

温度传感器，用于实时获取所述目标对象在驾驶过程中的体温。

所述第二获取单元包括：

定位模块，用于获取驾驶过程中车辆的位置信息，并通过所述第一通信模块将所述位置信息发送至服务器，以使服务器基于预定间隔时长获取的不同的位置信息，计算车速；

方向传感器，用于实时获取驾驶过程中的方向盘偏转角度。

即，本实施例具体利用相关传感器，对心率、体温、方向盘偏转角度等所需的状态信息进行采集、获取。

第一通信模块102，用于发送所述预设状态信息至服务器，以使服务器基于所述预设状态信息对所述目标对象的状态是否正常进行分类；并在服务器的分类结果为不正常时，接收服务器的告警指示；

本实施例中，所述第一通信模块102具体为4G(the 4th Generation，***移动通信技术)模块，该模块用于进行与服务器间的必要数据传输，例如将各传感器采集的驾驶者身体状态数据、驾驶状态数据上传至服务器，以使服务器进行相应的数据分析、分类，并接收服务器反馈的数据结果，或接收服务器的告警指示等等。

告警模块103，用于在所述第一通信模块102接收到服务器的告警指示时，对所述目标对象进行状态异常告警。

该模块用于在服务器对上传的驾驶者身体状态信息、驾驶状态信息进行分类，且分类结果为身体状态异常或驾驶状态异常的情况下，响应服务器向终端反馈的告警指示，对驾驶者进行告警、提醒。以手环为例，该模块具体可以采用手环马达实现告警，从而在手环通过4G模块接收到服务器反馈的告警通知时，可通过手环马达震动形式实现告警，以及时提醒驾驶者对其身体状态或驾驶状态进行调整。

相对应地，本实施例同时公开一种与所述终端设备进行协同工作的服务器，参考图3示出的服务器的结构示意图，所述服务器可以包括第二通信模块201和分类模块202。

第二通信模块201，用于接收终端设备发送的目标对象的预设状态信息。

所述第二通信模块201同样可以是一4G模块，该模块与终端设备中的第一通信模块102相匹配，两者间通过4G数据传输实现通信。

当终端设备通过各类传感器采集驾驶者的身体状态数据、驾驶状态数据并上传时，服务器通过该模块如4G模块，接收终端设备上传的驾驶者实时数据。

分类模块202，用于基于所述预设状态信息对所述目标对象的状态是否正常进行分类；并在分类结果为不正常时，通过所述第二通信模块向终端设备发出告警指示。

针对终端设备上传的预设状态信息所包括的参数类型，所述分类模块可对应包括第一分类单元和/或第二分类单元。

参考图4，所述服务器还包括机器学习模块203。所述第一分类单元，用于利用所述机器学习模块203预先训练的第一分类器，对所述目标对象的身体状态信息是否正常进行分类，得到目标对象身体状态的第一分类结果；第二分类单元，用于利用所述机器学习模块203预先训练的第二分类器，对所述目标对象的驾驶状态信息是否正常进行分类，得到目标对象驾驶状态的第二分类结果。

即具体地，服务器需利用预先训练的状态分类器，对终端设备采集并上传的驾驶者相关状态信息进行状态分类，以此获取驾驶者的状态如身体状态、驾驶状态是否正常。

对于终端设备采集并上传的心率、体温等驾驶者身体状态信息，服务器利用预先训练的第一分类器对其进行分类，得到驾驶者身体状态正常或异常的分类结果，该第一分类器为服务器的机器学习模块203基于驾驶者在驾驶过程中的历史身体状态信息及对应的历史行车状况预先训练的分类器。

对于终端设备采集并上传的车速信息、方向盘偏转角度等驾驶状态信息，服务器利用预先训练的第二分类器对其进行分类，得到驾驶者驾驶状态正常或异常的分类结果，该第二分类器为服务器的机器学习模块203基于驾驶者在驾驶过程中的历史驾驶状态信息及对应的历史行车状况预先训练的分类器。

本实施例中，服务器基于机器学***缓(对应于特定偏转角度时，车速过高/过低)、是否发生事故、是否安全到达目的地等等，来分析、学习驾驶者的风格轨迹(包括身体状态风格、驾驶风格等)，并通过不断迭代的学习、训练过程，来获得并完善相应的身体状态分类器(第一分类器)、驾驶状态分类器(第二分类器)。

所训练的分类器具体可以是函数形式，从而在对相应状态数据进行分类时，可将采集并上传的状态数据作为所述函数的输入，并基于函数输出结果实现分类。例如，向驾驶状态分类函数输入车速及对应的方向盘偏转角度，可获知车辆是否处于激烈驾驶超出常规的驾驶阈值，如果是，则判定驾驶异常。

服务器中还集成有地图数据包，服务器中所述第二分类单元在利用第二分类器进行驾驶状态分类之前，首先需将终端设备上传的GPS定位数据与地图数据包进行匹配，定位出车辆所在的道路干道、位置信息等，在此基础上利用GPS模块在预定间隔时长(如几秒钟)进行刷新前、后所定位的不同位置信息，计算车辆在该时长的位移，进而基于位移及时长计算车速。之后，可结合车速以及终端设备上传的方向盘偏转角度，利用第二分类器对驾驶状态正常与否进行分类。

采用第一分类器、第二分类器分别对驾驶者的身体状态、驾驶状态进行分类，并得出驾驶者状态正常与否的分类结果后，服务器可向终端设备反馈分类结果，并在该结果为异常时，如驾驶者身体状态异常或驾驶状态异常时，通过4G模块向终端设备发送告警指示，以通知终端设备进行告警，提醒驾驶者进行状态调整；同时，可基于实际需求设立监察控制中心，通过该监察控制中心对终端设备及服务器的数据采集及数据处理过程进行监察或干预，可实现相关部门或人员对驾驶者行驶过程中的身体状态、驾驶状态进行实时监控。

实施例三

本发明实施例三公开一种状态监测***，该***包括如实施例二所公开的终端设备以及如实施例二所公开的服务器，参考图5，图5示出了本申请状态监测***的一种实施实例。该***中终端设备(如手环)与服务器协同工作可实现对驾驶者的身体状态及驾驶状态进行实时监测，并在驾驶者状态异常时进行告警提醒。

综上所述，本申请具有以下优势：基于道路感知和机器学习，可以完成对驾驶者在行车路段的身体状态检查，以及对应的驾驶状态判断；通过对数据进行机器学习可发现驾驶过程中的潜在危险状态，并及时进行反馈；具有高度的自主学习优势，并能实时、自动反馈给监察控制中心。随着数据量的越来越大，通过采用机器学习迭代的方式，会使得分类准确度不断提高，从而使得状态监测更为实用可靠，以保证油罐车等车辆运行过程的安全性。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

为了描述的方便，描述以上***或装置时以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种状态监测方法，其特征在于，包括：

获取目标对象的预设状态信息；

基于所述预设状态信息对所述目标对象的状态是否正常进行分类，得到分类结果；

当所述分类结果为不正常时，对所述目标对象进行状态异常告警。

2.根据权利要求1所述的方法，其特征在于，所述预设状态信息包括身体状态信息，和/或驾驶状态信息，则所述获取目标对象的预设状态信息包括：

实时获取所述目标对象在驾驶过程中的身体状态信息；其中，所述身体状态信息包括所述目标对象的心率和体温；和/或，

实时获取所述目标对象在驾驶过程中的驾驶状态信息；其中，所述驾驶状态信息包括车速信息和方向盘偏转角度。

3.根据权利要求2所述的方法，其特征在于，所述基于所述预设状态信息对所述目标对象的状态是否正常进行分类，得到分类结果包括：

利用预先训练的第一分类器，对所述目标对象的身体状态信息是否正常进行分类，得到目标对象身体状态的第一分类结果；和/或，

利用预先训练的第二分类器，对所述目标对象的驾驶状态信息是否正常进行分类，得到目标对象驾驶状态的第二分类结果；

其中，所述第一分类器为基于所述目标对象在驾驶过程中的历史身体状态信息及对应的历史行车状况预先训练的分类器；所述第二分类器为基于所述目标对象在驾驶过程中的历史驾驶状态信息及对应的历史行车状况预先训练的分类器。

4.一种终端设备，其特征在于，包括：

信息获取模块，用于获取目标对象的预设状态信息；

第一通信模块，用于发送所述预设状态信息至服务器，以使服务器基于所述预设状态信息对所述目标对象的状态是否正常进行分类；并在服务器的分类结果为不正常时，接收服务器的告警指示；

告警模块，用于在所述第一通信模块接收到服务器的告警指示时，对所述目标对象进行状态异常告警。

5.根据权利要求4所述的终端设备，其特征在于，所述信息获取模块包括用于实时获取所述目标对象在驾驶过程中的身体状态信息的第一获取单元，和/或用于实时获取所述目标对象在驾驶过程中的驾驶状态信息的第二获取单元；其中，所述身体状态信息包括所述目标对象的心率和体温，则所述第一获取单元包括：

心率传感器，用于实时获取所述目标对象在驾驶过程中的心率；

温度传感器，用于实时获取所述目标对象在驾驶过程中的体温。

6.根据权利要求5所述的终端设备，其特征在于，所述驾驶状态信息包括车速信息和方向盘偏转角度，所述车速信息包括位置信息；则所述第二获取单元包括：

定位模块，用于获取驾驶过程中车辆的位置信息，并通过所述第一通信模块将所述位置信息发送至服务器，以使服务器基于预定间隔时长获取的不同的位置信息，计算车速；

方向传感器，用于实时获取驾驶过程中的方向盘偏转角度。

7.一种服务器，其特征在于，包括：

第二通信模块，用于接收终端设备发送的目标对象的预设状态信息；

分类模块，用于基于所述预设状态信息对所述目标对象的状态是否正常进行分类；并在分类结果为不正常时，通过所述第二通信模块向终端设备发出告警指示。

8.根据权利要求7所述的服务器，其特征在于，所述服务器还包括机器学习模块，所述预设状态信息包括身体状态信息和/或驾驶状态信息，则所述分类模块包括：

第一分类单元，用于利用所述机器学习模块预先训练的第一分类器，对所述目标对象的身体状态信息是否正常进行分类，得到目标对象身体状态的第一分类结果；和/或，

第二分类单元，用于利用所述机器学习模块预先训练的第二分类器，对所述目标对象的驾驶状态信息是否正常进行分类，得到目标对象驾驶状态的第二分类结果；

其中，所述第一分类器为所述机器学习模块基于所述目标对象在驾驶过程中的历史身体状态信息及对应的历史行车状况预先训练的分类器；所述第二分类器为所述机器学习模块基于所述目标对象在驾驶过程中的历史驾驶状态信息及对应的历史行车状况预先训练的分类器。

9.根据权利要求8所述的服务器，其特征在于，所述驾驶状态信息包括车速信息和方向盘偏转角度，所述车速信息包括车辆的位置信息，则所述第二分类单元具体用于：基于预定间隔时长获取的不同的位置信息计算车速，并利用预先训练的第二分类器，基于所述目标对象的车速和方向盘偏转角度对所述目标对象的驾驶状态是否正常进行分类。

10.一种状态监测***，其特征在于，包括如权利要求4-6任意一项所述的终端设备，以及如权利要求7-9任意一项所述的服务器。