本申请提供一种跌倒监测方法、装置及存储介质，涉及人体监测领域。跌倒监测方法包括：获取被监测用户的实时躯干姿态数据，所述实时躯干姿态数据包括所述被监测用户身体的加速度与姿态角；基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒；在所述第一跌倒判断模型判断所述被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述被监测用户是否跌倒进行确定，其中，所述第二跌倒判断模型为机器学习模型，所述第二跌倒判断模型基于所述被监测用户过往的躯干姿态数据进行机器学习。通过第二跌倒判断模型对第一跌倒判断模型的判断结果进行判断，可以有效减少第一跌倒判断模型的误判，从而提高对跌倒判断结果的准确率。确率。确率。
【技术实现步骤摘要】
跌倒监测方法、装置及存储介质
[0001]本申请涉及人体监测领域，具体涉及一种跌倒监测方法、一种跌倒监测装置及一种计算机可读存储介质。
技术介绍
[0002]跌倒容易导致人体受到伤害，特别是老年人，在跌倒后容易导致骨折、脑震荡等情况，若在跌倒后未及时送医，甚至可能会威胁到生命安全，因此，对人体是否跌倒进行监测尤为重要。
[0003]而现有的对人体跌倒事件的识别技术中，容易出现误判的情况，如将跳跃、上下楼梯判断为跌倒，导致对跌倒判断的准确率不高的问题。
技术实现思路
[0004]有鉴于此，本专利技术旨在提供一种跌倒监测方法、一种跌倒监测装置、一种电子设备及一种计算机可读存储介质，用于提高跌倒判断的准确率，减少对跌倒的误判情况。
[0005]第一方面，本申请实施例中提供一种跌倒监测方法，包括：获取被监测用户的实时躯干姿态数据，所述实时躯干姿态数据包括所述被监测用户身体的加速度与姿态角；基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒；在所述第一跌倒判断模型判断被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述用户是否跌倒进行确认，其中，所述第二跌倒判断模型为机器学习模型，所述第二跌倒判断模型基于所述被监测用户过往的躯干姿态数据进行机器学习。
[0006]本申请实施例中，通过获取被监测用户的实时躯干姿态数据，将实时躯干姿态数据的加速度和姿态角分别输入第一跌倒判断模型与第二跌倒判断模型中，从加速度和姿态角两方面实现对被监测用户是否跌倒进行判断。通过第二跌倒判断模型对第一跌倒判断模型的判断结果进行二次判断，可以有效减少分级阈值判断模型对跌倒的误判结果的输出，从而提高跌倒判断结果的准确率。其中，由于第二跌倒判断模型为机器学习模型，能够通过被监测用户的过往的躯干姿态数据进行机器学习，使得经机器学习后的第二跌倒判断模型的对跌倒的判断更符合被监测用户的个人行为习惯，减少因个人差异导致的误判，从而进一步提高判断被监测用户的是否跌倒的准确性。
[0007]一实施例中，所述获取被监测用户的实时躯干姿态数据，包括：获取加速度计实时采集的所述被监测用户的所述加速度；获取陀螺仪实时采集的所述被监测用户的旋转速度；基于所述加速度与所述旋转速度确定所述被监测用户的所述姿态角。
[0008]本申请实施例中，通过加速度计与陀螺仪分别采集被监测用户的加速度和旋转速度，进而可以计算出被监测用户的姿态角，由此，使得可以通过姿态角判断用户是否跌倒。
[0009]一实施例中，所述第一跌倒判断模型为分级阈值判断模型，所述基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒，包括：在确定所述加速度持续第一时长小于第一阈值时，确定所述被监测用户处于失重状态；在确定所述被监测用户处于所述
失重状态后的第二时长内，若确定所述加速度的瞬时值大于第二阈值时，则确定用户发生撞击；自确定所述被监测用户发生撞击后的第三时长所对应的时刻开始，若确定所述加速度持续第四时长小于第三阈值，则确定被监测用户处于静止状态所述静止状态表征所述被监测用户发生跌倒。
[0010]本申请实施例中，第一跌倒判断模型为分级阈值判断模型，通过分级阈值判断模型对跌倒过程中的失重、撞击和静止各阶段进行判断，从而实现对判断被监测用户身体状态的多个阶段是否与跌倒的过程对应，有效避免因单一因素进行跌倒判断导致的误判，从而提高判断的准确性。
[0011]一实施例中，所述在所述第一跌倒判断模型判断用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述用户是否跌倒进行确认，包括：获取所述被监测用户处于所述失重状态之后的第五时长内的姿态角；在确定所述第五时长内任意时刻的姿态角大于预设角度时，确认所述被监测用户发生跌倒。
[0012]本申请实施例中，通过确定第五时长内任意时刻的姿态角大于预设角度时，可以确认用户是否生跌倒，同时，进一步对第一跌倒判断模型的判断结果进行确定，从而提高判断被监测用户是否跌倒的准确性。
[0013]一实施例中，所述基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒之前，所述方法还包括：构建第一初始跌倒判断模型；设置所述第一初始跌倒判断模型的预设判断条件，所述预设比对条件包括所述初始第一跌倒判断模型中各级的判断阈值与判断时间，所述第一跌倒判断模型为设置所述预设判断条件后的所述第一初始跌倒判断模型；所述基于所述姿态角与第二跌倒判断模型对所述用户是否跌倒进行确定之前，所述方法还包括：构建第二初始跌倒判断模型；利用所述预先获取的训练集合对所述第二初始跌倒判断模型进行训练，以得到所述第二跌倒判断模型，所述预先获取的训练集合包括正常人身体各运动状态的姿态角。
[0014]本申请实施例中，通过构建第一初始跌倒判断模型并设置判断条件，使得获得的第一跌倒判断模型能够用于判断用户是否跌倒。通过预先获取的训练集对所构建的初始跌倒判断模型进行训练，使得获得的第二初始跌倒判断模型能够判断用户是否跌倒。由此，可以使用第一跌倒判断模型与第二跌倒判断模型对被监测用户是否跌倒进行判断，提高判断结果的准确性。
[0015]一实施例中，所述方法还包括：将所述躯干姿态数据存入训练集；基于所述训练集对所述第二跌倒判断模型进行训练。
[0016]本申请实施例中，通过获取被监测用户日常行为的实时躯干姿态数据作为训练集对第二跌倒判断模型进行训练，从而使得第二跌倒判断模型的判断条件更符合被监测用户的行为习惯，从而逐步提升判断被监测用户的准确性。
[0017]一实施例中，所述方法还包括：在所述实时躯干姿态数据存在连续多帧与所述训练集中的标准躯干姿态数据均偏差较大时，确定所述被监测用户存在跌倒风险。
[0018]本申请实施例中，由于训练集中包括被监测用户在日常行为的躯干姿态数据，因此，可以通过训练集确定出被监测用户正常状态下的标准躯干姿态数据。通过将获取的实时躯干姿态数据与被监测用户的实时躯干姿态数据进行对比，在两者数据偏差较大时，则可确定出被监测用户当前处于异常的状态，可能存在跌倒风险，由此，可以提醒被监测用户
及时调整，避免发生跌倒。
[0019]第二方面，本申请实施例中提供一种跌倒监测装置，包括：数据采集模块，包括加速度计和陀螺仪，用于收集被监测用户身体的实时躯干姿态数据；处理模块，用于执行如第一方面任一所述跌倒监测方法。
[0020]一实施例中，所述跌倒监测装置，还包括：壳体，所述数据采集模块与处理模块，均设置在所述壳体内；所述壳体的一外表面上设置有弹簧夹片，用于将所述跌倒监测装置固定在所述被监测用户身上，以对所述被监测用户是否跌倒进行监测。
[0021]第三方面，本申请实施例提供了一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如第一方面所述的一种跌倒监测方法。
[0022]本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种跌倒监测方法，其特征在于，包括：获取被监测用户的实时躯干姿态数据，所述实时躯干姿态数据包括所述被监测用户身体的加速度与姿态角；基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒；在所述第一跌倒判断模型判断所述被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述被监测用户是否跌倒进行确认，其中，所述第二跌倒判断模型为机器学习模型，所述第二跌倒判断模型基于所述被监测用户过往的躯干姿态数据进行机器学习。2.根据权利要求1所述的方法，其特征在于，所述获取被监测用户的实时躯干姿态数据，包括：获取加速度计实时采集的所述被监测用户的所述加速度；获取陀螺仪实时采集的所述被监测用户的旋转速度；基于所述加速度与所述旋转速度确定所述被监测用户身体实时的所述姿态角。3.根据权利要求1所述的方法，其特征在于，所述第一跌倒判断模型为分级阈值判断模型，所述基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒，包括：在确定所述加速度持续第一时长小于第一阈值时，确定所述被监测用户处于失重状态；在确定所述被监测用户处于所述失重状态后的第二时长内，若确定所述加速度的瞬时值大于第二阈值时，则确定用户发生撞击；自确定所述被监测用户发生撞击后的第三时长所对应的时刻开始，若确定所述加速度持续第四时长小于第三阈值，则确定用户处于静止状态，所述静止状态表征所述被监测用户发生跌倒。4.根据权利要求3所述的方法，其特征在于，所述在所述第一跌倒判断模型判断所述被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述用户是否跌倒进行确定，包括：获取所述被监测用户处于所述失重状态之后的第五时长内任意时刻的姿态角；在确定任意所述第五时长内任意时刻的姿态角大于预设角度时，确认所述用户发生跌倒。5.根据权利要求1所述的方法，其特征在于，所述基于所述加速度与...
【专利技术属性】
技术研发人员：李勇强，许扬锦，张翔欣，张帅，张军，胡丹娟，励建安，赵薇薇，杨欣，郑蒙蒙，沈滢，肖莎，陆晓，许光旭，陈雅婷，
申请(专利权)人：上海物联网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。