[发明专利]跌倒行为识别方法、装置、电子设备以及介质

权利要求书

1.一种跌倒行为识别方法，其特征在于，包括：

获取环境因子和用户因子；其中，所述环境因子包括天气、气温、时间或地理环境类型中的至少一个；所述用户因子包括年龄、性别、参与的活动或用户习惯的动作模式中的至少一个；

采用传感器采集用户行为数据；

根据所述环境因子和所述用户因子预测跌倒风险信息；

根据所述跌倒风险信息和所述用户行为数据识别跌倒行为。

2.根据权利要求1所述的跌倒行为识别方法，其特征在于，所述根据所述环境因子和所述用户因子预测跌倒风险信息，包括：

将所述用户因子和所述环境因子输入经过训练的风险评估模型，以得到所述风险评估模型输出的风险程度，其中，所述风险评估模型已学习得到所述用户因子和所述环境因子，与所述风险程度之间的映射关系；

根据所述风险评估模型输出的风险程度，生成所述跌倒风险信息。

3.根据权利要求1所述的跌倒行为识别方法，其特征在于，所述根据所述跌倒风险信息和所述用户行为数据识别跌倒行为，包括：

对所述用户行为数据进行时域和/或频域特征提取，得到数据特征；

将所述数据特征和所述跌倒风险信息输入第一分类模型，以根据所述第一分类模型的输出，确定是否存在跌倒行为，其中，所述第一分类模型已学习得到所述数据特征和所述跌倒风险信息，与所述跌倒行为之间的映射关系。

4.根据权利要求3所述的跌倒行为识别方法，其特征在于，所述将所述数据特征和所述跌倒风险信息输入第一分类模型之前，还包括：

根据所述环境因子和所述用户因子，确定疑似跌倒判定规则；其中，所述疑似跌倒判定规则设定有所述用户行为数据的最大值、最小值、最大值时刻、最小值时刻、疑似跌倒起始时刻、疑似跌倒结束时刻、疑似跌倒起始时刻的用户行为数据或疑似跌倒结束时刻的用户行为数据中的至少一个；

若所述数据特征与所述疑似跌倒判定规则匹配，则执行将所述数据特征和所述风险程度输入第一分类模型的步骤。

5.根据权利要求1-4任一项所述的跌倒行为识别方法，其特征在于，所述用户因子中的所述动作模式，表征用户的动作速度和/或动作幅度，其中，获取用户因子，包括：

对所述用户行为数据进行时域和/或频域特征提取，得到数据特征；

将所述数据特征输入第二分类模型，以得到所述第二分类模型输出的动作模式，其中，所述第二分类模型已学习得到所述数据特征与所述动作模式之间的映射关系。

6.根据权利要求5所述的跌倒行为识别方法，其特征在于，所述将所述数据特征输入第二分类模型，以得到所述第二分类模型输出的动作模式之后，还包括：

显示所述动作模式，以获取用于对所述动作模式进行纠正的纠正模式；

采用所述纠正模式对所述数据特征进行标注，以得到训练样本；

采用所述训练样本对所述第二分类模型进行训练。

7.根据权利要求1-4任一项所述的跌倒行为识别方法，其特征在于，所述环境因子中的地理环境类型，表征用户处于室外平坦环境、室外非平坦环境、室内非居家环境或室内居家环境，其中，所述获取环境因子，包括：

定位得到地理位置；

查询所述地理位置是否为设定住所位置；

若为所述设定住所位置，则识别所述地理环境类型为室内居家环境；

若不为所述设定住所位置，则根据所述地理位置和光照度，识别是否为室内；

若不为室内，则根据所述监测数据监测到的活动轨迹，确定所述地理环境类型为所述室外平坦环境或室外非平坦环境；

若为室内，则确定所述地理环境为室内非居家环境。