跌倒检测方法及装置与流程

本发明涉及行为检测技术领域，尤其涉及一种跌倒检测方法及装置。

背景技术：

目前跌倒检测方法种类众多，在电子设备(如手机)中易于实现的跌倒检测方法主要有支持向量机的检测算法、基于模式识别的决策树算法等等。但在现有技术中电子设备所利用跌倒检测方法太过单一，如跌倒行为与跳跃行为的姿态数据很相似，采用单一的方法检测跌倒行为很容易产生跌倒行为的错判或漏判。

技术实现要素：

鉴于以上内容，有必要提供一种跌倒检测方法、装置及电子设备，能快速监测跌倒行为，又能减少误判。

一种跌倒检测方法，应用于电子设备中，所述方法包括：

利用传感器监测目标对象的姿态数据；

根据所述目标对象的姿态数据及预先训练的支持向量机模型，确定第一结果；

根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果；

当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，确定所述目标对象处于跌倒状态。

根据本发明优选实施例，所述目标对象的姿态数据包括：在X轴上的加速度、在Y轴上的加速度、在Z轴上的加速度、在X轴上的角速度、在Y轴上的角速度、在Z轴上的角速度、在X轴上的方向角度变化值、在Y轴上的方向角度变化值、在Z轴上的方向角度变化值。

根据本发明优选实施例，所述预先训练的支持向量机模型为OB＝W·X+B-TH，其中X＝(x₁,x₂,x₃)，x₁表示合加速向量模，x₂表示合角速度向量模，x₃表示方向角向量模，TH＝(th₁,th₂,th₃)，th₁表示合加速向量模的阈值，th₂表示合角速度向量模的阈值，th₃表示方向角向量模的阈值，W＝(w₁,w₂,w₃)、w₁表示合加速向量模的权重，w₂表示合角速度向量模的权重，w₃表示方向角向量模的权重，b＝(b₁,b₂,b₃)，b₁表示合加速向量模的偏移值，b₂表示合角速度向量模的偏移值，b₃表示方向角向量模的偏移值，OB是目标向量，所述根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果包括：

根据所述目标对象的姿态数据计算所述目标对象的合加速向量模、合角速度向量模及方向角向量模；

将所述目标对象的合加速向量模、合角速度向量模及方向角向量模输入到预先训练的支持向量机模型中，得到目标向量；

当所述目标向量的各分量值都大于零时，确定所述第一结果为所述目标对象处于跌倒状态。

根据本发明优选实施例，所述预先训练的决策树模型包括在X轴上的加速度对应的阈值、在Y轴上的加速度对应的阈值、在Z轴上的加速度对应的阈值、在X轴上的角速度对应的阈值、在Y轴上的角速度对应的阈值、在Z轴上的角速度对应的阈值、在X轴上的方向角度变化值对应的阈值、在Y轴上的方向角度变化值对应的阈值、在Z轴上的方向角度变化值对应的阈值，所述方法还包括：

当所述目标对象的在X轴上的加速度大于或等于在X轴上的加速度对应的阈值，在Y轴上的加速度大于或等于在Y轴上的加速度对应的阈值，在Z轴上的加速度大于或等于在Z轴上的加速度对应的阈值，在X轴上的角速度大于或等于在X轴上的角速度对应的阈值，在Y轴上的角速度大于或等于在Y轴上的角速度对应的阈值，在Z轴上的角速度大于或等于在Z轴上的角速度对应的阈值，在X轴上的方向角度变化值大于或等于在X轴上的方向角度变化值对应的阈值，在Y轴上的方向角度变化值大于或等于在Y轴上的方向角度变化值对应的阈值，及在Z轴上的方向角度变化值大于或等于在Z轴上的方向角度变化值对应的阈值时，确定第二结果为所述目标对象处于跌倒状态。

根据本发明优选实施例，所述电子设备与终端设备相通信，所述方法还包括：

当确定所述目标对象处于跌倒状态时，获取所述电子设备的当前位置作为所述目标对象的位置；

根据所述电子设备的存储器中存储的所述终端设备的联系信息向所述终端设备发送报警信息，所述报警信息包括所述目标对象的位置。

一种跌倒检测装置，运行于电子设备中，所述装置包括：

监测模块，用于利用传感器监测目标对象的姿态数据；

确定模块，用于根据所述目标对象的姿态数据及预先训练的支持向量机模型，确定第一结果；

所述确定模块还用于根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果；

所述确定模块还用于当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，确定所述目标对象处于跌倒状态。

根据本发明优选实施例，所述目标对象的姿态数据包括：在X轴上的加速度、在Y轴上的加速度、在Z轴上的加速度、在X轴上的角速度、在Y轴上的角速度、在Z轴上的角速度、在X轴上的方向角度变化值、在Y轴上的方向角度变化值、在Z轴上的方向角度变化值。

根据本发明优选实施例，所述预先训练的支持向量机模型为OB＝W·X+B-TH，其中X＝(x₁,x₂,x₃)，x₁表示合加速向量模，x₂表示合角速度向量模，x₃表示方向角向量模，TH＝(th₁,th₂,th₃)，th₁表示合加速向量模的阈值，th₂表示合角速度向量模的阈值，th₃表示方向角向量模的阈值，W＝(w₁,w₂,w₃)、w₁表示合加速向量模的权重，w₂表示合角速度向量模的权重，w₃表示方向角向量模的权重，b＝(b₁,b₂,b₃)，b₁表示合加速向量模的偏移值，b₂表示合角速度向量模的偏移值，b₃表示方向角向量模的偏移值，OB是目标向量，所述确定模块用于根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果包括：

根据所述目标对象的姿态数据计算所述目标对象的合加速向量模、合角速度向量模及方向角向量模；

将所述目标对象的合加速向量模、合角速度向量模及方向角向量模输入到预先训练的支持向量机模型中，得到目标向量；

当所述目标向量的各分量值都大于零时，确定所述第一结果为所述目标对象处于跌倒状态。

根据本发明优选实施例，所述预先训练的决策树模型包括在X轴上的加速度对应的阈值、在Y轴上的加速度对应的阈值、在Z轴上的加速度对应的阈值、在X轴上的角速度对应的阈值、在Y轴上的角速度对应的阈值、在Z轴上的角速度对应的阈值、在X轴上的方向角度变化值对应的阈值、在Y轴上的方向角度变化值对应的阈值、在Z轴上的方向角度变化值对应的阈值；

所述确定模块还用于当所述目标对象的在X轴上的加速度大于或等于在X轴上的加速度对应的阈值，在Y轴上的加速度大于或等于在Y轴上的加速度对应的阈值，在Z轴上的加速度大于或等于在Z轴上的加速度对应的阈值，在X轴上的角速度大于或等于在X轴上的角速度对应的阈值，在Y轴上的角速度大于或等于在Y轴上的角速度对应的阈值，在Z轴上的角速度大于或等于在Z轴上的角速度对应的阈值，在X轴上的方向角度变化值大于或等于在X轴上的方向角度变化值对应的阈值，在Y轴上的方向角度变化值大于或等于在Y轴上的方向角度变化值对应的阈值，及在Z轴上的方向角度变化值大于或等于在Z轴上的方向角度变化值对应的阈值时，确定第二结果为所述目标对象处于跌倒状态。

根据本发明优选实施例，所述电子设备与终端设备相通信，所述装置还包括：

定位模块，用于当确定所述目标对象处于跌倒状态时，获取所述电子设备的当前位置作为所述目标对象的位置；

预警模块，用于根据所述电子设备的存储器中存储的所述终端设备的联系信息向所述终端设备发送报警信息，所述报警信息包括所述目标对象的位置。

由以上技术方案可以看出，本发明利用传感器监测目标对象的姿态数据，根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果，根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果，当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，确定所述目标对象处于跌倒状态。本发明能快速监测跌倒行为，又能减少误判。

附图说明

图1是本发明跌倒检测方法的较佳实施例的流程图。

图2是电子设备与终端设备相通信的示意图。

图3是本发明跌倒检测装置的较佳实施例的功能模块图。

图4是本发明实现跌倒检测方法的较佳实施例的电子设备的结构示意图。

主要元件符号说明

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

优选地，本发明的跌倒检测方法可以应用在多个电子设备中。所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述电子设备还可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。所述智能穿戴式设备可以是穿戴式手表、穿戴式眼睛等等其他穿戴式设备。

如图1所示，是本发明跌倒检测方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

S10，所述电子设备利用传感器监测目标对象的姿态数据。

在本发明的至少一个实施例中，所述传感器包括以下一种或者多种：加速度传感器、陀螺仪和方向传感器。所述目标对象是使用所述电子设备的用户。

在本发明的至少一个实施例中，先建立一个三维坐标系，所述加速度传感器感测出所述电子设备在三维坐标系的X轴上的加速度为Accx、在Y轴上的加速度为Accy、在Z轴上的加速度为Accz。

所述陀螺仪分别测量沿X轴、Y轴及Z轴的角速度，单位是rad/s。X、Y、Z轴上的角速度分别用Gryx、Gryy、Gryz。

所述方向传感器能够用于采集目标对象运动时的方向角变化值。所述方向传感器分别测量在X轴、Y轴及Z轴上的方向角度变化值为Orix、Oriy、Oriz。

在本发明的至少一个实施例中，所述电子设备按照预设时间间隔，利用传感器监测目标对象的姿态数据。所述目标对象的姿态数据包括，但不限于：在X轴上的加速度为Accx、在Y轴上的加速度为Accy、在Z轴上的加速度为Accz、在X轴上的角速度Gryx、在Y轴上的角速度Gryy、在Z轴上的角速度Gryz、在X轴上的方向角度变化值Orix、在Y轴上的方向角度变化值Oriy、在Z轴上的方向角度变化值Oriz。

S11，所述电子设备根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果。

在本发明的至少一个实施例中，所述电子设备根据所述目标对象的姿态数据计算所述目标对象的合加速向量模、合角速度向量模及方向角向量模。其中：

合加速向量模：

合角速度向量模：

方向角向量模：

所述电子设备将所述目标对象的合加速向量模、合角速度向量模及方向角向量模输入到预先训练的支持向量机模型中，得到目标向量。

所述预先训练的支持向量机模型为OB＝W·X+B-TH，其中X＝(x₁,x₂,x₃)，x₁表示合加速向量模，x₂表示合角速度向量模，x₃表示方向角向量模，TH＝(th₁,th₂,th₃)，th₁表示合加速向量模的阈值，th₂表示合角速度向量模的阈值，th₃表示方向角向量模的阈值，W＝(w₁,w₂,w₃)、w₁表示合加速向量模的权重，w₂表示合角速度向量模的权重，w₃表示方向角向量模的权重，b＝(b₁,b₂,b₃)，b₁表示合加速向量模的偏移值，b₂表示合角速度向量模的偏移值，b₃表示方向角向量模的偏移值，OB是目标向量。

当所述目标向量的各分量值都大于零时，所述电子设备确定所述第一结果为所述目标对象处于跌倒状态。当所述目标向量的至少一个分量值小于零时，所述电子设备确定所述第一结果为所述目标对象没有跌倒。

在本发明的至少一个实施例中，所述电子设备先采集样本的姿态数据，并根据所述样本的姿态数据，利用机器学习算法对支持向量机模型进行训练，得到所述预先训练的支持向量机模型。训练所述支持向量机模型的过程属于现有技术，本发明不做任何限制。

S12，所述电子设备根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果。

在本发明的至少一个实施例中，所述电子设备先采集样本的姿态数据，并根据所述样本的姿态数据，利用机器学习算法对决策树模型进行训练，得到所述预先训练的决策树模型。训练所述决策树模型的过程属于现有技术，本发明不做任何限制。

所述预先训练的决策树模型包括九个阈值，分别为在X轴上的加速度对应的阈值Accx-th、在Y轴上的加速度对应的阈值Accy-th、在Z轴上的加速度对应的阈值Accz-th、在X轴上的角速度对应的阈值Gryx-th、在Y轴上的角速度对应的阈值Gryy-th、在Z轴上的角速度对应的阈值Gryz-th、在X轴上的方向角度变化值对应的阈值Orix-th、在Y轴上的方向角度变化值对应的阈值Oriy-th、在Z轴上的方向角度变化值对应的阈值Oriz-th。

优选地，当所述目标对象的在X轴上的加速度大于或等于在X轴上的加速度对应的阈值，在Y轴上的加速度大于或等于在Y轴上的加速度对应的阈值，在Z轴上的加速度大于或等于在Z轴上的加速度对应的阈值，在X轴上的角速度大于或等于在X轴上的角速度对应的阈值，在Y轴上的角速度大于或等于在Y轴上的角速度对应的阈值，在Z轴上的角速度大于或等于在Z轴上的角速度对应的阈值，在X轴上的方向角度变化值大于或等于在X轴上的方向角度变化值对应的阈值，在Y轴上的方向角度变化值大于或等于在Y轴上的方向角度变化值对应的阈值，及在Z轴上的方向角度变化值大于或等于在Z轴上的方向角度变化值对应的阈值时，所述电子设备确定第二结果为所述目标对象处于跌倒状态。也就是说所述目标对应的姿态数据中的九个分量都大于或者等于每个分量对应的阈值时，所述电子设备确定第二结果为跌倒状态。当所述目标对应的姿态数据中有一个分量都小于分量对应的阈值时，所述电子设备确定第二结果为所述目标对象没有跌倒。

S13，当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，所述电子设备确定所述目标对象处于跌倒状态。

在本发明的至少一个实施例中，当所述第一结果及所述第二结果中有一个结果为所述目标对象没有跌倒时，所述电子设备确定所述目标对象没有跌倒。

在本发明的至少一个实施例中，如图2所示，所述电子设备1还可以与终端设备2相通信，所述终端设备2的联系信息存储于所述电子设备1中。所述联系信息包括，但不限于：电话号码等。所述电子设备包括定位芯片。

当确定所述目标对象处于跌倒状态时，所述电子设备1根据存储器中存储的所述终端设备2的联系信息向所述终端设备发送报警信息。优先地，所述电子设备利用所述定位芯片获取当前位置，并将所述当前位置作为所述目标对象的位置，所述报警信息包括所述目标对象的位置等等。发送报警信息的方式有很多种，例如打电话，发短信等等，本发明不做任何限制。

本发明利用传感器监测目标对象的姿态数据，根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果，根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果，当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，确定所述目标对象处于跌倒状态。本发明能快速监测跌倒行为，又能减少误判。

如图3所示，本发明跌倒检测装置的实施例的功能模块图。所述跌倒检测装置11包括监测模块100、确定模块101、训练模块102、预警模块103、及定位模块104。本发明所称的模块是指一种能够被处理器13所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

所述监测模块100用于利用传感器监测目标对象的姿态数据。

在本发明的至少一个实施例中，所述传感器包括以下一种或者多种：加速度传感器、陀螺仪和方向传感器。所述目标对象是使用所述电子设备的用户。

在本发明的至少一个实施例中，先建立一个三维坐标系，所述加速度传感器感测出所述电子设备在三维坐标系的X轴上的加速度为Accx、在Y轴上的加速度为Accy、在Z轴上的加速度为Accz。

所述陀螺仪分别测量沿X轴、Y轴及Z轴的角速度，单位是rad/s。X、Y、Z轴上的角速度分别用Gryx、Gryy、Gryz。

所述方向传感器能够用于采集目标对象运动时的方向角变化值。所述方向传感器分别测量在X轴、Y轴及Z轴上的方向角度变化值为Orix、Oriy、Oriz。

在本发明的至少一个实施例中，所述监测模块100按照预设时间间隔，利用传感器监测目标对象的姿态数据。所述目标对象的姿态数据包括，但不限于：在X轴上的加速度为Accx、在Y轴上的加速度为Accy、在Z轴上的加速度为Accz、在X轴上的角速度Gryx、在Y轴上的角速度Gryy、在Z轴上的角速度Gryz、在X轴上的方向角度变化值Orix、在Y轴上的方向角度变化值Oriy、在Z轴上的方向角度变化值Oriz。

所述确定模块101用于根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果。

在本发明的至少一个实施例中，所述确定模块101根据所述目标对象的姿态数据计算所述目标对象的合加速向量模、合角速度向量模及方向角向量模。其中：

合加速向量模：

合角速度向量模：

方向角向量模：

所述确定模块101将所述目标对象的合加速向量模、合角速度向量模及方向角向量模输入到预先训练的支持向量机模型中，得到目标向量。

所述预先训练的支持向量机模型为OB＝W·X+B-TH，其中X＝(x₁,x₂,x₃)，x₁表示合加速向量模，x₂表示合角速度向量模，x₃表示方向角向量模，TH＝(th₁,th₂,th₃)，th₁表示合加速向量模的阈值，th₂表示合角速度向量模的阈值，th₃表示方向角向量模的阈值，W＝(w₁,w₂,w₃)、w₁表示合加速向量模的权重，w₂表示合角速度向量模的权重，w₃表示方向角向量模的权重，b＝(b₁,b₂,b₃)，b₁表示合加速向量模的偏移值，b₂表示合角速度向量模的偏移值，b₃表示方向角向量模的偏移值，OB是目标向量。

当所述目标向量的各分量值都大于零时，所述确定模块101确定所述第一结果为所述目标对象处于跌倒状态。当所述目标向量的至少一个分量值小于零时，所述确定模块101确定所述第一结果为所述目标对象没有跌倒。

在本发明的至少一个实施例中，所述训练模块102用于先采集样本的姿态数据，并根据所述样本的姿态数据，利用机器学习算法对支持向量机模型进行训练，得到所述预先训练的支持向量机模型。训练所述支持向量机模型的过程属于现有技术，本发明不做任何限制。

所述确定模块101根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果。

在本发明的至少一个实施例中，所述训练模块102先采集样本的姿态数据，并根据所述样本的姿态数据，利用机器学习算法对决策树模型进行训练，得到所述预先训练的决策树模型。训练所述决策树模型的过程属于现有技术，本发明不做任何限制。

所述预先训练的决策树模型包括九个阈值，分别为在X轴上的加速度对应的阈值Accx-th、在Y轴上的加速度对应的阈值Accy-th、在Z轴上的加速度对应的阈值Accz-th、在X轴上的角速度对应的阈值Gryx-th、在Y轴上的角速度对应的阈值Gryy-th、在Z轴上的角速度对应的阈值Gryz-th、在X轴上的方向角度变化值对应的阈值Orix-th、在Y轴上的方向角度变化值对应的阈值Oriy-th、在Z轴上的方向角度变化值对应的阈值Oriz-th。

优选地，当所述目标对象的在X轴上的加速度大于或等于在X轴上的加速度对应的阈值，在Y轴上的加速度大于或等于在Y轴上的加速度对应的阈值，在Z轴上的加速度大于或等于在Z轴上的加速度对应的阈值，在X轴上的角速度大于或等于在X轴上的角速度对应的阈值，在Y轴上的角速度大于或等于在Y轴上的角速度对应的阈值，在Z轴上的角速度大于或等于在Z轴上的角速度对应的阈值，在X轴上的方向角度变化值大于或等于在X轴上的方向角度变化值对应的阈值，在Y轴上的方向角度变化值大于或等于在Y轴上的方向角度变化值对应的阈值，及在Z轴上的方向角度变化值大于或等于在Z轴上的方向角度变化值对应的阈值时，所述确定模块101确定第二结果为所述目标对象处于跌倒状态。也就是说所述目标对应的姿态数据中的九个分量都大于或者等于每个分量对应的阈值时，所述确定模块101确定第二结果为跌倒状态。当所述目标对应的姿态数据中有一个分量都小于分量对应的阈值时，所述确定模块101确定第二结果为所述目标对象没有跌倒。

当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，所述确定模块101还用于确定所述目标对象处于跌倒状态。

在本发明的至少一个实施例中，当所述第一结果及所述第二结果中有一个结果为所述目标对象没有跌倒时，所述确定模块101确定所述目标对象没有跌倒。

在本发明的至少一个实施例中，如图2所示，所述电子设备还可以与终端设备相通信，所述终端设备的联系信息存储于所述电子设备中。所述联系信息包括，但不限于：电话号码等。所述电子设备包括定位芯片。

当确定所述目标对象处于跌倒状态时，所述预警模块103用于根据所述电子设备的存储器中存储的所述终端设备的联系信息向所述终端设备发送报警信息。优先地，所述定位模块104利用所述定位芯片获取当前位置，并将所述当前位置作为所述目标对象的位置，所述报警信息包括所述目标对象的位置等等。发送报警信息的方式有很多种，例如打电话，发短信等等，本发明不做任何限制。

本发明利用传感器监测目标对象的姿态数据，根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果，根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果，当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，确定所述目标对象处于跌倒状态。本发明能快速监测跌倒行为，又能减少误判。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。

如图4所示，图4是本发明实现跌倒检测方法的较佳实施例的电子设备的结构示意图。所述电子设备1包括存储器12、处理器13及传感器14。

所述电子设备1还包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。

所述存储器12用于存储一种跌倒检测方法的程序和各种数据，并在所述电子设备1运行过程中实现高速、自动地完成程序或数据的存取。所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是集成电路中没有实物形式的具有存储功能的电路，如RAM(Random-Access Memory，随机存取存储器)、FIFO(First In First Out，)等。或者，所述存储器12也可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。

所述处理器13又称中央处理器(CPU，Central Processing Unit)，是一块超大规模的集成电路，是电子设备1的运算核心(Core)和控制核心(Control Unit)。所述处理器13可执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等，例如跌倒检测装置11。

所述传感器14包括以下一种或者多种：加速度传感器、陀螺仪和方向传感器。

在本发明的至少一个实施例中，先建立一个三维坐标系，所述加速度传感器感测出所述电子设备在三维坐标系的X轴上的加速度为Accx、在Y轴上的加速度为Accy、在Z轴上的加速度为Accz。

所述陀螺仪分别测量沿X轴、Y轴及Z轴的角速度，单位是rad/s。X、Y、Z轴上的角速度分别用Gryx、Gryy、Gryz。

所述方向传感器能够用于采集目标对象运动时的方向角变化值。所述方向传感器分别测量在X轴、Y轴及Z轴上的方向角度变化值为Orix、Oriy、Oriz。

结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种跌倒检测方法，所述处理器13可执行所述多个指令从而实现：利用传感器监测目标对象的姿态数据；根据所述目标对象的姿态数据及预先训练的支持向量机模型，确定第一结果；根据所述目标对象的姿态数据及预先训练的决策树模型，确定第二结果；当所述第一结果及所述第二结果都表示所述目标对象处于跌倒状态时，确定所述目标对象处于跌倒状态。

根据本发明优选实施例，所述目标对象的姿态数据包括：在X轴上的加速度、在Y轴上的加速度、在Z轴上的加速度、在X轴上的角速度、在Y轴上的角速度、在Z轴上的角速度、在X轴上的方向角度变化值、在Y轴上的方向角度变化值、在Z轴上的方向角度变化值。

根据本发明优选实施例，所述预先训练的支持向量机模型为OB＝W·X+B-TH，其中X＝(x₁,x₂,x₃)，x₁表示合加速向量模，x₂表示合角速度向量模，x₃表示方向角向量模，TH＝(th₁,th₂,th₃)，th₁表示合加速向量模的阈值，th₂表示合角速度向量模的阈值，th₃表示方向角向量模的阈值，W＝(w₁,w₂,w₃)、w₁表示合加速向量模的权重，w₂表示合角速度向量模的权重，w₃表示方向角向量模的权重，b＝(b₁,b₂,b₃)，b₁表示合加速向量模的偏移值，b₂表示合角速度向量模的偏移值，b₃表示方向角向量模的偏移值，OB是目标向量，所述根据所述目标对象的姿态数据及预先训练的支持向量机模型中，确定第一结果包括：

根据所述目标对象的姿态数据计算所述目标对象的合加速向量模、合角速度向量模及方向角向量模；

将所述目标对象的合加速向量模、合角速度向量模及方向角向量模输入到预先训练的支持向量机模型中，得到目标向量；

当所述目标向量的各分量值都大于零时，确定所述第一结果为所述目标对象处于跌倒状态。

根据本发明优选实施例，所述预先训练的决策树模型包括在X轴上的加速度对应的阈值、在Y轴上的加速度对应的阈值、在Z轴上的加速度对应的阈值、在X轴上的角速度对应的阈值、在Y轴上的角速度对应的阈值、在Z轴上的角速度对应的阈值、在X轴上的方向角度变化值对应的阈值、在Y轴上的方向角度变化值对应的阈值、在Z轴上的方向角度变化值对应的阈值，所述处理器13执行的多个指令还包括：

当所述目标对象的在X轴上的加速度大于或等于在X轴上的加速度对应的阈值，在Y轴上的加速度大于或等于在Y轴上的加速度对应的阈值，在Z轴上的加速度大于或等于在Z轴上的加速度对应的阈值，在X轴上的角速度大于或等于在X轴上的角速度对应的阈值，在Y轴上的角速度大于或等于在Y轴上的角速度对应的阈值，在Z轴上的角速度大于或等于在Z轴上的角速度对应的阈值，在X轴上的方向角度变化值大于或等于在X轴上的方向角度变化值对应的阈值，在Y轴上的方向角度变化值大于或等于在Y轴上的方向角度变化值对应的阈值，及在Z轴上的方向角度变化值大于或等于在Z轴上的方向角度变化值对应的阈值时，确定第二结果为所述目标对象处于跌倒状态。

根据本发明优选实施例，所述电子设备与终端设备相通信，所述处理器13执行的多个指令还包括：

当确定所述目标对象处于跌倒状态时，获取所述电子设备的当前位置作为所述目标对象的位置；

根据所述电子设备的存储器中存储的所述终端设备的联系信息向所述终端设备发送报警信息，所述报警信息包括所述目标对象的位置。

具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。