[发明专利]一种基于骨架数据的跌倒伤害程度预测方法、系统及终端

权利要求书

1.一种基于骨架数据的跌倒伤害程度预测系统，其特征在于，所述系统包括：

数据采集模块，用于对跌倒过程中的骨架数据进行采集，其中采集时间根据跌倒持续时间进行设定；

数据处理模块，用于对身体骨骼的各个部位进行向量表示；

模型建立模块，用于建立跌倒伤害评估模型，所述伤害评估模型包括第一ST-LSTM网络和第二ST-LSTM网络，所述第一ST-LSTM网络用于对跌倒时受伤部位进行检测，所述第二ST-LSTM网络用于对伤害程度进行评估；

所述第一ST-LSTM网络包括：

聚合单元，用于将所有节点信息进行聚合；

第二获取单元，用于对信息量进行归一化，得到不同关节点在不同时间点的隐藏状态信息的注意力权重；

第三获取单元，用于利用注意力权重，对每列进行加权求和，得到不同关节点的加权特征表示；

第四获取单元，用于将加权后的输出状态输入至全连接层，获得特征向量；

计算单元，用于将全连接层输出的分类数值计算网络的预测值，即受伤部位的概率分布；

所述第二ST-LSTM网络包括：

第五获取单元，用于将第一ST-LSTM网络得到的隐藏表示及输出标签概率分布作为第二ST-LSTM网络的输入；

权重评估单元，用于对第二ST-LSTM网络实施注意力，通过上下文信息评估第二ST-LSTM网络在每个时空步骤的输入信息量；

第六获取单元，用于获得注意力权重概率向量及其加权输出表示；

预测单元，用于将第二ST-LSTM网络的加权输出通过全连接网络映射到类标签向量上获得特征向量，通过softmax分类器预测跌倒伤害程度；

输出单元，用于输出概率最大的作为伤害等级评估结果；

评估模块，用于将处理后的数据输入所述跌倒伤害评估模型，获取伤害关键部位及其伤害程度评估结果。

2.根据权利要求1所述的基于骨架数据的跌倒伤害程度预测系统，其特征在于，所述数据采集模块包括：

采集单元，用于根据预设频率在所述采集时间内采集人体骨骼节点序列数据；

第一获取单元，用于将所述人体骨骼节点序列数据进行帧采样，将输入序列分成预设数量的等长段，从每个等长段中随机选择一帧，获取训练样本。