[发明专利]一种基于人工智能的防跌倒方法及装置

权利要求书

1.一种基于人工智能的防跌倒方法，其特征在于，包括：

利用惯性传感器实时采集目标用户的目标运动数据记录；

提取所述目标运动数据记录中的目标合加速度记录，其中，所述目标合加速度记录为具有时间标识的记录数据；

根据具有时间标识的所述目标合加速度记录，实时绘制目标合加速度波形；

对所述目标合加速度波形进行特征分析，并根据特征分析结果得到目标动作特征集；

基于大数据采集得到历史运动数据集，并根据所述历史运动数据集构建动作识别模型；

通过所述动作识别模型对所述目标动作特征集进行分析，得到所述目标用户的目标动作类型；

判断所述目标动作类型是否满足预设类型列表，并根据判断结果进行实时防跌倒预警。

2.根据权利要求1所述的方法，其特征在于，所述根据具有时间标识的所述目标合加速度记录，实时绘制目标合加速度波形，包括：

以所述目标合加速度记录中的时间标识为横坐标，以所述目标合加速度记录中的目标合加速度为纵坐标，得到目标合加速度初始波形；

对所述目标合加速度初始波形中的纵坐标进行预设倍数的拉长处理，得到所述目标合加速度波形。

3.根据权利要求1所述的方法，其特征在于，所述根据所述历史运动数据集构建动作识别模型，包括：

将所述历史运动数据集划分为跌倒运动数据集、日常运动数据集；

根据所述跌倒运动数据集，得到多个跌倒事件的运动数据；

对所述多个跌倒事件的运动数据依次进行分析，得到多个跌倒数据分析结果；

根据所述多个跌倒数据分析结果，建立跌倒特征与跌倒类型之间的跌倒特征-类型映射列表；

根据所述跌倒特征-类型映射列表，构建所述动作识别模型；

根据所述日常运动数据集对所述动作识别模型进行校验实验，并根据实验结果对所述动作识别模型进行调整优化。

4.根据权利要求3所述的方法，其特征在于，所述通过所述动作识别模型对所述目标动作特征集进行分析，得到所述目标用户的目标动作类型，包括：

根据所述目标合加速度波形，依次得到预设时间阈值内的多个目标波谷，其中，所述多个目标波谷包括实时波谷；

对比所述多个目标波谷，得到目标波谷最小值；

通过所述动作识别模型判断所述目标波谷最小值是否为所述实时波谷；

若所述目标波谷最小值不是所述实时波谷，则所述目标动作类型为日常动作。

5.根据权利要求4所述的方法，其特征在于，还包括：

若所述目标波谷最小值是所述实时波谷，则所述目标动作类型为类跌倒动作；

提取所述目标运动数据记录中的目标姿态角记录，其中，所述目标姿态角记录为具有时间标识的记录数据；

根据具有时间标识的所述目标姿态角记录，依次得到所述目标用户的初始姿态角、实时姿态角；

计算所述目标用户的所述初始姿态角与所述实时姿态角的差值，得到姿态角实时差值；

判断所述姿态角实时差值是否满足预设姿态角差值阈值；

若所述姿态角实时差值满足预设姿态角差值阈值，则所述类跌倒动作为真实跌倒动作。

6.根据权利要求1所述的方法，其特征在于，还包括：

获得用户集，并利用Morse跌倒评估量表对所述用户集中各用户进行跌倒评估，得到跌倒评估结果；

对所述跌倒评估结果中跌倒评估值满足预设评估阈值的用户进行筛选，得到高风险跌倒用户集；

基于格林模式对所述高风险跌倒用户集中各高风险跌倒用户进行防跌干预。

7.根据权利要求6所述的方法，其特征在于，所述基于格林模式对所述高风险跌倒用户集中各高风险跌倒用户进行防跌干预，包括：

利用跌倒预防知信行量表对所述高风险跌倒用户集中所述各高风险跌倒用户进行综合跌倒预防能力评估，得到综合跌倒预防能力评估结果；

提取所述综合跌倒预防能力评估结果中任意高风险跌倒用户的综合跌倒预防能力评估结果，并基于格林模式个性化制定防跌干预方案；

根据所述防跌干预方案对任意所述高风险跌倒用户进行防跌干预。

8.一种基于人工智能的防跌倒装置，其特征在于，所述装置包括：

采集模块，所述采集模块用于利用惯性传感器实时采集目标用户的目标运动数据记录；

提取模块，所述提取模块用于提取所述目标运动数据记录中的目标合加速度记录，其中，所述目标合加速度记录为具有时间标识的记录数据；

绘制模块，所述绘制模块用于根据具有时间标识的所述目标合加速度记录，实时绘制目标合加速度波形；

特征分析模块，所述特征分析模块用于对所述目标合加速度波形进行特征分析，并根据特征分析结果得到目标动作特征集；

构建模块，所述构建模块用于基于大数据采集得到历史运动数据集，并根据所述历史运动数据集构建动作识别模型；

动作分析模块，所述动作分析模块用于通过所述动作识别模型对所述目标动作特征集进行分析，得到所述目标用户的目标动作类型；

判断预警模块，所述判断预警模块用于判断所述目标动作类型是否满足预设类型列表，并根据判断结果进行实时防跌倒预警。