技术特征：
1.一种跌倒监测方法，其特征在于，包括：获取被监测用户的实时躯干姿态数据，所述实时躯干姿态数据包括所述被监测用户身体的加速度与姿态角；基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒；在所述第一跌倒判断模型判断所述被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述被监测用户是否跌倒进行确认，其中，所述第二跌倒判断模型为机器学习模型，所述第二跌倒判断模型基于所述被监测用户过往的躯干姿态数据进行机器学习。2.根据权利要求1所述的方法，其特征在于，所述获取被监测用户的实时躯干姿态数据，包括：获取加速度计实时采集的所述被监测用户的所述加速度；获取陀螺仪实时采集的所述被监测用户的旋转速度；基于所述加速度与所述旋转速度确定所述被监测用户身体实时的所述姿态角。3.根据权利要求1所述的方法，其特征在于，所述第一跌倒判断模型为分级阈值判断模型，所述基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒，包括：在确定所述加速度持续第一时长小于第一阈值时，确定所述被监测用户处于失重状态；在确定所述被监测用户处于所述失重状态后的第二时长内，若确定所述加速度的瞬时值大于第二阈值时，则确定用户发生撞击；自确定所述被监测用户发生撞击后的第三时长所对应的时刻开始，若确定所述加速度持续第四时长小于第三阈值，则确定用户处于静止状态，所述静止状态表征所述被监测用户发生跌倒。4.根据权利要求3所述的方法，其特征在于，所述在所述第一跌倒判断模型判断所述被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述用户是否跌倒进行确定，包括：获取所述被监测用户处于所述失重状态之后的第五时长内任意时刻的姿态角；在确定任意所述第五时长内任意时刻的姿态角大于预设角度时，确认所述用户发生跌倒。5.根据权利要求1所述的方法，其特征在于，所述基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒之前，所述方法还包括：构建第一初始跌倒判断模型；设置所述第一初始跌倒判断模型的预设判断条件，所述预设判断条件包括所述第一初始跌倒判断模型中各级的判断阈值与判断时间，所述第一跌倒判断模型为设置所述预设判断条件后的所述第一初始跌倒判断模型；所述基于所述姿态角与第二跌倒判断模型对所述用户是否跌倒进行确定之前，所述方法还包括：构建第二初始跌倒判断模型；利用预先获取的训练集合对所述第二初始跌倒判断模型进行训练，以得到所述第二跌倒判断模型，所述预先获取的训练集合包括正常人身体各运动状态的姿态角。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述被监测用户的所述实时躯干姿态数据；将所述躯干姿态数据存入训练集；基于所述训练集对所述第二跌倒判断模型进行训练。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：在所述实时躯干姿态数
据存在连续多帧与所述训练集中的标准躯干姿态数据均偏差超出预设阈值时，确定所述被监测用户存在跌倒风险。8.一种跌倒监测装置，其特征在于，包括：数据采集模块，包括加速度计和陀螺仪，用于收集被监测用户身体的实时躯干姿态数据；处理模块，用于执行如权利要求1-7所述跌倒监测方法。9.根据权利要求8所述的方法，其特征在于，所述跌倒监测装置，还包括：壳体，所述数据采集模块与处理模块，均设置在所述壳体内；所述壳体的一外表面上设置有弹簧夹片，用于将所述跌倒监测装置固定在所述被监测用户身上，以对所述被监测用户是否跌倒进行监测。10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-7任一项所述的方法。
技术总结
本申请提供一种跌倒监测方法、装置及存储介质，涉及人体监测领域。跌倒监测方法包括：获取被监测用户的实时躯干姿态数据，所述实时躯干姿态数据包括所述被监测用户身体的加速度与姿态角；基于所述加速度与第一跌倒判断模型判断所述被监测用户是否跌倒；在所述第一跌倒判断模型判断所述被监测用户跌倒时，基于所述姿态角与第二跌倒判断模型对所述被监测用户是否跌倒进行确定，其中，所述第二跌倒判断模型为机器学习模型，所述第二跌倒判断模型基于所述被监测用户过往的躯干姿态数据进行机器学习。通过第二跌倒判断模型对第一跌倒判断模型的判断结果进行判断，可以有效减少第一跌倒判断模型的误判，从而提高对跌倒判断结果的准确率。确率。确率。
技术研发人员：李勇强 许扬锦 张翔欣 张帅 张军 胡丹娟 励建安 赵薇薇 杨欣 郑蒙蒙 沈滢 肖莎 陆晓 许光旭 陈雅婷
受保护的技术使用者：上海物联网有限公司
技术研发日：2022.04.22
技术公布日：2022/7/29