[发明专利]一种跌倒检测方法、装置及系统

权利要求书

1.一种跌倒检测方法，其特征在于，包括：

获取至少两种人体运动数据；

根据每种人体运动数据和每种人体运动数据对应的特征权重确定跌倒检测结果，其中，所述特征权重是基于分类器对每种人体运动数据的训练数据进行训练并计算得到。

2.根据权利要求1所述的跌倒检测方法，其特征在于，在所述获取至少两种人体运动数据之前，所述方法还包括：

获取至少两种人体运动数据的训练数据；

基于支持向量机SVM分别对每种人体运动数据的训练数据进行训练，得到每种人体运动数据的SVM训练模型；

分别将所述每种人体运动数据的具有已知跌倒结果标记的测试数据作为对应SVM训练模型的输入，得到所述每种人体运动数据的测试数据的输出结果，其中，所述输出结果表示在对应的输入下是否跌倒；

根据所述测试数据的已知跌倒结果标记，分别获取所述每种人体运动数据对应的输出结果中正确结果的个数，根据所述正确结果的个数和所述测试数据的总个数分别计算出每种人体运动数据的识别率；

根据所述识别率分别计算出每种人体运动数据的特征权重。

3.根据权利要求2所述的跌倒检测方法，其特征在于，在基于支持向量机SVM分别对每种人体运动数据的训练数据进行训练之前，所述方法还包括：

对所述训练数据进行预处理，所述预处理包括降维和归一化。

4.根据权利要求1所述的跌倒检测方法，其特征在于，根据所述每种人体运动数据和每种人体运动数据对应的特征权重确定跌倒检测结果包括：

根据所述特征权重修改邻近算法KNN距离函数；

利用修改后的KNN距离函数对所述至少两种人体运动数据进行KNN分类，得到跌倒检测结果。

5.根据权利要求1所述的跌倒检测方法，其特征在于，在根据所述每种人体运动数据和每种人体运动数据对应的特征权重确定跌倒检测结果之后，所述方法还包括：

将所述跌倒检测结果通知给用户，并接收所述用户的反馈信息；

根据所述反馈信息和当前的人体运动数据修正所述特征权重。

6.根据权利要求1-5中任一项所述的跌倒检测方法，其特征在于，所述至少两种人体运动数据包括加速度、角速度、欧拉角和足底压力中的至少两种。

7.一种跌倒检测装置，其特征在于，包括：

运动数据获取模块，用于获取至少两种人体运动数据；

跌倒结果确定模块，用于根据所述每种人体运动数据和每种人体运动数据对应的特征权重确定跌倒检测结果，其中，所述特征权重是基于分类器对每种人体运动数据的训练数据进行训练并计算得到。

8.根据权利要求7所述的跌倒检测装置，其特征在于，所述装置还包括：

特征权重计算模块，用于基于分类器对每种人体运动数据的训练数据进行训练并计算出对应的特征权重；其中，

所述特征权重计算模块包括：

训练数据获取单元，用于在所述运动数据获取模块获取至少两种人体运动数据之前，获取至少两种人体运动数据的训练数据；

SVM模型训练单元，用于基于支持向量机SVM分别对每种人体运动数据的训练数据进行训练，得到每种人体运动数据的SVM训练模型；

输出结果获取单元，用于分别将所述每种人体运动数据的具有已知跌倒结果标记的测试数据作为对应SVM训练模型的输入，得到所述每种人体运动数据的测试数据的输出结果，其中，所述输出结果表示在对应的输入下是否跌倒；

识别率计算单元，用于根据所述测试数据的已知跌倒结果标记，分别获取所述每种人体运动数据对应的输出结果中正确结果的个数，根据所述正确结果的个数和所述测试数据的总个数分别计算出每种人体运动数据的识别率；

特征权重计算单元，用于根据所述识别率分别计算出每种人体运动数据的特征权重。

9.根据权利要求8所述的跌倒检测装置，其特征在于，所述特征权重计算模块还包括：

预处理单元，用于在所述识别率获取单元基于支持向量机SVM分别对每种人体运动数据的训练数据进行训练之前，对所述训练数据进行预处理，所述预处理包括降维和归一化。