[发明专利]跌倒行为识别方法、装置、电子设备以及介质

说明书

本申请提出一种跌倒行为识别方法、装置、电子设备以及介质，其中，方法包括：通过获取环境因子和用户因子，采用传感器采集用户行为数据，进而，根据环境因子和用户因子预测跌倒风险信息，以根据跌倒风险信息和用户行为数据识别跌倒行为。由此，基于环境因子和用户因子对跌倒风险进行预测，并进一步对疑似跌倒行为进行确认，提高了用户跌倒行为检测的准确率，从而解决了现有技术中的跌倒检测方法检测跌倒行为时存在准确率低、误警率高的技术问题。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种跌倒行为识别方法、装置、电子设备以及介质。

背景技术

跌倒是指突发的、不自主的、非故意的体位改变，倒在地上或更低的平面上。2006年全国疾病监测系统死因监测数据显示，我国65岁以上老年人跌倒死亡率男性为49.56/10万，女性为52.80/10万。跌倒是我国伤害死亡的第四位原因，在65岁以上老年人中则是首位。因此，及时监测跌倒的发生，以便快速提供救助，避免因跌倒引起的次生伤害发生。

现有的跌倒检测技术主要采用基于加速度和陀螺仪等传感器监测系统，但是，该跌倒检测技术，存在准确率低，误警率高的技术问题。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

本申请第一方面实施例提出了一种跌倒行为识别方法，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。

作为本申请实施例的第一种可能的实现方式，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。

作为本申请实施例的第二种可能的实现方式，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。

作为本申请实施例的第三种可能的实现方式，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。

作为本申请实施例的第四种可能的实现方式，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；