[发明专利]移动设备坠落检测方法及其模型形成方法与移动设备

说明书

一种移动设备坠落检测方法及其模型形成方法与移动设备，包括：监听移动设备加速度传感器变化事件，采集三轴加速度数据集，计算合加速度、合加速度标准差、合加速度偏度、合加速度峰度，作为合加速度特征数据集，为每条特征样本数据添加标签列，得到带有标签的合加速度特征数据集，将带有标签的合加速度特征数据集输入到机器学习算法中进行训练，得到移动设备坠落预测模型；实时获取移动设备的加速度数据，得到当前时刻的合加速度特征值，将计算得到的合加速度特征值作为参数，调用模型进行预测。本发明基于合加速度进行特征提取，基于机器学习算法，建立了一种便捷、高效和精准的移动设备坠落预测模型，实现移动设备坠落状态的实时检测。

技术领域

本发明涉及信息技术领域，尤其是一种移动设备坠落检测方法及其模型形成方法与移动设备。

背景技术

目前移动设备已经非常广泛，移动设备是指可以在移动中使用的电子设备，广义的讲包括手机、平板电脑、智能穿戴设备(如智能手表)等。随着集成电路技术的飞速发展，移动设备正在从简单的通话工具变为一个综合信息处理平台，这也给移动设备增加了更加宽广的发展空间。

在涉及野外工作者或者野外实习生外出作业的场景中，由于野外工作人员需要在风、雨、雪、雾等恶劣天气下单人作业，再加上相关工作人员安全意识淡薄，在野外作业过程中可能发生从高处坠落的事故，发生这类事故后要找到独自行动的作业人员非常困难，对于这种情况，责任人需要采取一定的防备措施，在发生人体坠落时可以及时检测并报警，以便知道当事人的所在位置，以组织人员及时救援。因此，野外人员坠落状态的检测具有重要的现实意义。移动设备是目前广泛普及并随身携带的设备，通过移动设备的加速度传感器实时检测野外工作者所处状态，来判断作业人员是否发生从高处坠落的情况，可以低成本、便捷地解决上述场景中的问题。

发明内容

本发明要解决的技术问题在于，针对上述现有技术中在野外作业过程中可能发生从高处坠落的事故，发生这类事故后要找到独自行动的作业人员非常困难的技术缺陷，提供一种移动设备坠落检测方法及其模型形成方法与移动设备。

根据本发明的其中一方面，本发明解决其技术问题，所采用的移动设备坠落检测模型形成方法包含如下步骤：

S1、获取加速度数据集，所述加速度数据集包含移动设备在不同运动状态下每隔预设时间所采集的各轴向上的加速度；

S2、分别计算出各个轴向上的加速度所对应的合加速度、合加速度标准差、合加速度偏度及合加速度峰度，形成合加速度特征数据集；

S3、在合加速度特征数据集中，获取为每条特征样本数据添加的标签列，标签值包括第一标签和第二标签，第一标签代表坠落状态，第二标签代表非坠落状态，得到带有标签的合加速度特征数据集；

S4、基于机器学习算法，将带有标签的合加速度特征数据集输入到该机器学习算法进行训练，得到移动设备坠落检测模型，在得到的移动设备坠落检测模型中输入移动设备在不同运动状态下每隔预设时间所采集的各轴向上的加速度，可得出对应的标签；

其中，在利用所述移动设备坠落检测模型检测移动设备是否坠落时，是通过调用所述移动设备坠落检测模型对实时获取的移动通信设备的合加速度特征数据进行处理得到标签值来进行判断的。

在本发明的移动设备坠落检测模型形成方法中，步骤S1中的移动设备在不同运动状态下每隔预设时间所采集的各轴向上的加速度是指：