[发明专利]防跌处理方法、装置、设备及存储介质

权利要求书

1.一种防跌处理方法，其特征在于，包括：

获取目标用户的综合能力评估数据；

基于所述综合能力评估数据和预先构建的跌倒因素分析模型，确定所述目标用户的跌倒因素数据；

基于所述综合能力评估数据和预先构建的跌倒信号分析模型，确定所述目标用户的跌倒信号数据；

基于所述目标用户的跌倒因素数据、跌倒信号数据和预先构建的防跌措施生成模型，确定所述目标用户的防跌措施，所述防跌措施包括：长期预防措施和/或实时监控措施。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多个用户的样本数据，各所述样本数据包括：用户的综合能力评估数据和采集的至少一个历史跌倒事件的跌倒数据，各所述跌倒数据包括：基于传感器的监控数据和标注的跌倒因素数据、跌倒信号数据及防跌措施；

基于所述多个用户的样本数据，训练生成所述跌倒因素分析模型、所述跌倒信号分析模型及所述防跌措施生成模型。

3.根据权利要求2所述的方法，其特征在于，基于所述多个用户的样本数据，训练生成所述跌倒因素分析模型，包括：

将所述样本数据的综合能力评估数据作为输入且相应标注的跌倒因素数据作为输出，基于机器学习训练生成所述跌倒因素分析模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述样本数据的综合能力评估数据作为输入且相应标注的跌倒因素数据作为输出，基于机器学习训练生成所述跌倒因素分析模型，包括以下至少之一：

针对各所述样本数据，基于所述综合能力评估数据的聚类分析对所述标注的跌倒因素数据进行合并；

基于所述跌倒因素分析模型漏识别的第一损失值与漏标注跌倒因素的第二损失值的加权求和，构造评估所述跌倒因素分析模型的损失函数。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

基于所述跌倒因素分析模型的损失函数求取的训练过程中损失值，并基于所述损失值统计所述跌倒因素分析模型的输出结果，确定用于防跌处理的共性跌倒因素数据。

6.根据权利要求2所述的方法，其特征在于，基于所述多个用户的样本数据，训练生成所述跌倒信号分析模型，包括：

将所述样本数据的综合能力评估数据和用于防跌处理的共性跌倒因素数据作为输入且相应标注的跌倒信号数据作为输出，基于机器学习训练生成所述跌倒信号分析模型。

7.根据权利要求6所述的方法，其特征在于，所述将所述样本数据的综合能力评估数据和用于防跌处理的共性跌倒因素数据作为输入且相应标注的跌倒信号数据作为输出，基于机器学习训练生成所述跌倒信号分析模型，包括以下至少之一：

针对各所述样本数据，基于所述综合能力评估数据的聚类分析对所述标注的跌倒信号数据进行合并；

基于所述跌倒信号分析模型漏识别的第三损失值与漏标注跌倒信号的第四损失值的加权求和，构造评估所述跌倒信号分析模型的损失函数。

8.根据权利要求2所述的方法，其特征在于，基于所述多个用户的样本数据，训练生成所述防跌措施生成模型，包括：

将所述样本数据中标注的跌倒因素数据和跌倒信号数据作为输入且相应标注的防跌措施作为输出，基于机器学习训练生成所述防跌措施生成模型。

9.根据权利要求2所述的方法，其特征在于，所述实时监控措施包括：跌倒信号检测模型和/或跌倒检测模型，所述方法还包括：

基于所述监控数据中跌倒前对应的第一监控数据构建第一样本集；对所述第一样本集，基于机器学习训练生成用于预警跌倒事件的所述跌倒信号检测模型；和/或，

基于所述监控数据中跌倒过程对应的第二监控数据构建第二样本集；根据所述第二样本集对预设的用于监测跌倒事件的跌倒检测模型进行更新，得到更新后的跌倒检测模型。