CN114287918A - 一种跌倒检测方法、装置及设备 - Google Patents

Abstract

本申请提供一种跌倒检测方法、装置及设备，该方法包括：获取压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；基于所述分布特征确定目标对象是否存在跌倒行为；如果是，则对所述目标对象进行跌倒预警；在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。通过本申请的技术方案，能够精准检测目标对象是否存在跌倒行为，能够区分弯腰、下蹲等正常动作，不会频繁产生误报，提高跌倒检测的准确性。

Description

一种跌倒检测方法、装置及设备

技术领域

本申请涉及智能穿戴技术领域，尤其涉及一种跌倒检测方法、装置及设备。

背景技术

随着老龄化社会的推进，人口老龄化问题越来越严重，老年人由于身体机能下降，平衡协调能力减弱，视力变差等原因，容易发生跌倒，跌倒导致的软组织损伤、心里创伤等后果，影响老年人的身心健康，增加家庭和社会的负担。

为了减轻跌倒造成的损失，需要及时发现跌倒行为，继而及时对跌倒行为进行救助，避免因跌倒而导致更严重的后果。比如说，当老年人在家中跌倒后，若能够及时发现跌倒行为，就能够及时通知医护人员到现场对老年人进行救助。

为了及时发现跌倒行为，在相关技术中，可以部署摄像机，通过摄像机采集图像，基于图像分析是否存在跌倒行为。但是，通过图像分析是否存在跌倒行为，难以进行精准检测，如难以区分弯腰、下蹲等正常动作，会频繁产生误报。在没有部署摄像机的场景，也无法基于图像分析是否存在跌倒行为。

发明内容

本申请提供一种跌倒检测方法，智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器，所述方法包括：

获取所述压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；其中，所述目标压力值是基于各压力传感器采集到的压力值确定，所述受力面积是基于采集到压力值的压力传感器的数量确定；

基于所述分布特征确定所述目标对象是否存在跌倒行为；

如果是，则对所述目标对象进行跌倒预警；

在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。

本申请提供一种跌倒检测装置，智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器，所述装置包括：

获取模块，用于获取压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；其中，目标压力值是基于各压力传感器采集到的压力值确定，受力面积是基于采集到压力值的压力传感器的数量确定；

确定模块，用于基于所述分布特征确定所述目标对象是否存在跌倒行为；

处理模块，用于如果存在跌倒行为，则对所述目标对象进行跌倒预警；在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。

本申请提供一种智能穿戴设备，所述智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，且所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器；

其中，所述智能穿戴设备还包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现本申请上述示例公开的跌倒检测方法。

由以上技术方案可见，本申请实施例中，智能穿戴设备佩戴于目标对象的指定位置(如智能穿戴设备是跌倒检测腰带时，跌倒检测腰带可以佩戴于目标对象的腰部位置，智能穿戴设备采用腰带形式便于穿戴，不会占用额外空间，不易丢失、穿戴便捷)，智能穿戴设备包括压力传感器集合，压力传感器集合包括分布式部署在智能穿戴设备上的多个压力传感器，通过压力传感器集合对应的分布特征，就可以确定目标对象是否存在跌倒行为，从而精准检测目标对象是否存在跌倒行为，能够区分弯腰、下蹲等正常动作，不会频繁产生误报，不是通过图像分析是否存在跌倒行为，在没有部署摄像机的场景，也能够基于压力传感器集合对应的分布特征确定目标对象是否存在跌倒行为。压力传感器集合对应的分布特征可以包括目标压力值、受力面积和受力时长等，即基于目标压力值、受力面积和受力时长等进行跌倒检测，从而提高跌倒检测的准确性。

在检测到目标对象存在跌倒行为时，先对目标对象进行跌倒预警(如通过声音等方式进行跌倒预警，若目标对象确认自身不需要救助，则可以消除误报)，在预警时长未到达第一时长阈值之前，若接收到针对目标对象的预警消除指令，则表示目标对象确认自身不需要救助，可以消除跌倒预警，从而消除误报。

在预警时长已到达第一时长阈值时，若未接收到针对目标对象的预警消除指令，则表示目标对象需要救助(如目标对象是处于跌倒状态等待救助的用户)，此时才对目标对象进行跌倒告警(如通知医护人员到现场对目标对象进行救助)，从而给处于跌倒状态等待救助的目标对象带来极大方便，特别是对于失去知觉的目标对象，能够及时通知医护人员到现场对目标对象进行救助。

附图说明

为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。

图1是本申请一种实施方式中的跌倒检测方法的流程示意图；

图2A和图2B是本申请一种实施方式中的智能穿戴设备的结构示意图；

图3是本申请一种实施方式中的跌倒检测方法的流程示意图；

图4是本申请一种实施方式中的跌倒检测方法的流程示意图；

图5是本申请一种实施方式中的跌倒检测装置的结构示意图；

图6是本申请一种实施方式中的智能穿戴设备的硬件结构图。

具体实施方式

在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

本申请实施例提出一种跌倒检测方法，可以应用于智能穿戴设备，该智能穿戴设备佩戴于目标对象(如目标用户，是佩戴智能穿戴设备的任一用户，可以是老年人用户，也可以是其它用户，对此不做限制)的指定位置，智能穿戴设备包括压力传感器集合，且压力传感器集合包括分布式部署在智能穿戴设备上的多个压力传感器，即压力传感器集合是由多个压力传感器组成的。

参见图1所示，为该跌倒检测方法的流程示意图，该方法可以包括：

步骤101、获取压力传感器集合对应的分布特征，该分布特征可以包括目标压力值、受力面积和受力时长；示例性的，目标压力值是基于各压力传感器采集到的压力值确定，受力面积是基于采集到压力值的压力传感器的数量确定。

步骤102、基于该分布特征确定目标对象是否存在跌倒行为。

在一种可能的实施方式中，若该目标压力值大于压力阈值，且该受力面积大于面积阈值，且该受力时长大于第二时长阈值，则确定目标对象存在跌倒行为。若该目标压力值不大于压力阈值、该受力面积不大于面积阈值、该受力时长不大于第二时长阈值中的至少一个满足，则确定目标对象不存在跌倒行为。

示例性的，该分布特征还可以包括受压位置，且该受压位置是基于采集到压力值的压力传感器的位置确定。在此基础上，可以基于该受压位置确定该压力阈值。比如说，若该受压位置是目标对象的正面位置或背面位置，则该压力阈值可以是第一压力阈值；若该受压位置是目标对象的侧面位置，则该压力阈值可以是第二压力阈值；该第二压力阈值可以大于该第一压力阈值。

在另一种可能的实施方式中，可以基于该分布特征生成压力传感器集合对应的特征向量，并将该特征向量输入给目标分类器模型，得到该特征向量对应的预测类别及预测置信度。若该预测类别是第一类别，且该预测置信度大于置信度阈值，则可以确定目标对象存在跌倒行为；或者，若该预测类别是第二类别，且该预测置信度大于置信度阈值，则可以确定目标对象不存在跌倒行为。示例性的，第一类别表示存在跌倒行为，第二类别表示不存在跌倒行为。

步骤103、若基于该分布特征确定目标对象存在跌倒行为，则对目标对象进行跌倒预警。若基于该分布特征确定目标对象不存在跌倒行为，则等待下一个获取周期，重新获取压力传感器集合对应的分布特征，以此类推。

步骤104、在预警时长未到达第一时长阈值之前，若接收到针对目标对象的预警消除指令，则消除跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对目标对象的预警消除指令，则对目标对象进行跌倒告警。

示例性的，在对目标对象进行跌倒预警之后，还可以确定是否接收到与特定压力输入模式匹配的操作命令；若是，则基于该操作命令确定已接收到针对目标对象的预警消除指令。若否，则未接收到针对目标对象的预警消除指令。

在一种可能的实施方式或者，智能穿戴设备可以为跌倒检测腰带，当然，跌倒检测腰带只是智能穿戴设备的示例，对此智能穿戴设备的类型不做限制。

由以上技术方案可见，本申请实施例中，智能穿戴设备佩戴于目标对象的指定位置(如智能穿戴设备是跌倒检测腰带时，跌倒检测腰带可以佩戴于目标对象的腰部位置，智能穿戴设备采用腰带形式便于穿戴，不会占用额外空间，不易丢失、穿戴便捷)，智能穿戴设备包括压力传感器集合，压力传感器集合包括分布式部署在智能穿戴设备上的多个压力传感器，通过压力传感器集合对应的分布特征，就可以确定目标对象是否存在跌倒行为，从而精准检测目标对象是否存在跌倒行为，能够区分弯腰、下蹲等正常动作，不会频繁产生误报，不是通过图像分析是否存在跌倒行为，在没有部署摄像机的场景，也能够基于压力传感器集合对应的分布特征确定目标对象是否存在跌倒行为。压力传感器集合对应的分布特征可以包括目标压力值、受力面积和受力时长等，即基于目标压力值、受力面积和受力时长等进行跌倒检测，从而提高跌倒检测的准确性。

在检测到目标对象存在跌倒行为时，先对目标对象进行跌倒预警(如通过声音等方式进行跌倒预警，若目标对象确认自身不需要救助，则可以消除误报)，在预警时长未到达第一时长阈值之前，若接收到针对目标对象的预警消除指令，则表示目标对象确认自身不需要救助，可以消除跌倒预警，从而消除误报。

在预警时长已到达第一时长阈值时，若未接收到针对目标对象的预警消除指令，则表示目标对象需要救助(如目标对象是处于跌倒状态等待救助的用户)，此时才对目标对象进行跌倒告警(如通知医护人员到现场对目标对象进行救助)，从而给处于跌倒状态等待救助的目标对象带来极大方便，特别是对于失去知觉的目标对象，能够及时通知医护人员到现场对目标对象进行救助。

以下结合具体应用场景，对本申请实施例的技术方案进行说明。

本申请实施例中提出一种智能穿戴设备，智能穿戴设备可以佩戴于目标对象(如目标用户，是佩戴智能穿戴设备的任一用户，可以是老年人用户，也可以是非老年人用户，对此不做限制)的指定位置。例如，智能穿戴设备为跌倒检测腰带(简称腰带)，跌倒检测腰带可以佩戴于目标对象的腰部位置。当然，跌倒检测腰带只是智能穿戴设备的示例，对此智能穿戴设备的类型不做限制。

示例性的，智能穿戴设备可以包括压力传感器集合，且该压力传感器集合可以包括分布式部署在智能穿戴设备上的多个压力传感器，即压力传感器集合是由多个压力传感器组成的。分布式部署是指：在智能穿戴设备的不同位置部署多个压力传感器，也就是说，相邻两个压力传感器之间存在一定距离，如相邻两个压力传感器之间的距离可以大于预设距离阈值(可以根据经验进行配置)，而不是在智能穿戴设备的相同位置或者相近位置部署多个压力传感器。

参见图2A所示，为智能穿戴设备的结构示意图，该智能穿戴设备分布式的部署了多个压力传感器，关于压力传感器的数量，本实施例中不做限制。在图2A中，是以12个压力传感器(如压力传感器1-压力传感器12)为例，在实际应用中，压力传感器的数量可以更多，压力传感器的数量也可以更少。

在图2A中，智能穿戴设备的上侧部署4个压力传感器(如压力传感器1-压力传感器4)，在目标对象佩戴智能穿戴设备时，上侧部署的4个压力传感器位于目标对象的正面位置(如腰部正面位置)。智能穿戴设备的下侧部署4个压力传感器(如压力传感器5-压力传感器8)，在目标对象佩戴智能穿戴设备时，下侧部署的4个压力传感器位于目标对象的背面位置。智能穿戴设备的左侧部署2个压力传感器(如压力传感器9和压力传感器10)，在目标对象佩戴智能穿戴设备时，左侧部署的2个压力传感器位于目标对象的左侧位置。智能穿戴设备的右侧部署2个压力传感器(如压力传感器11和压力传感器12)，目标对象佩戴智能穿戴设备时，右侧部署的2个压力传感器位于目标对象的右侧位置。

参见图2A所示，多个压力传感器可以分布式部署在智能穿戴设备的不同位置，即，在智能穿戴设备的不同位置部署多个压力传感器，相邻两个压力传感器之间的距离可以任意设置，对此不做限制。比如说，压力传感器1与压力传感器2之间的距离为x1，压力传感器2与压力传感器3之间的距离为x2，距离x1与距离x2可以相同，也可以不同，压力传感器3与压力传感器4之间的距离为x3，距离x2与距离x3可以相同，也可以不同，以此类推。

针对每个压力传感器来说，该压力传感器是能够采集压力值的传感器，对此压力传感器的类型不做限制，只要压力传感器能够采集压力值即可。

在一种可能的实施方式中，针对图2A的每个压力传感器，该压力传感器可以是一组压力传感器组成的集合，比如说，该压力传感器可以是m个压力传感器组成的阵列型传感器，m可以为大于1的正整数，对此不做限制。

为了方便描述，在后续实施例中，以m是9为例进行说明，参见图2B所示，压力传感器1可以是9个压力传感器(压力传感器1-1至压力传感器1-9)组成的阵列型传感器，压力传感器2可以是9个压力传感器(压力传感器2-1至压力传感器2-9)组成的阵列型传感器，以此类推，压力传感器12可以是9个压力传感器(压力传感器12-1至压力传感器12-9)组成的阵列型传感器。

综上所述，智能穿戴设备的压力传感器集合包括12*9个压力传感器，参见图2A所示，在压力传感器1的位置，实际部署9个压力传感器，即压力传感器1-1至压力传感器1-9，在压力传感器2的位置，实际部署9个压力传感器，即压力传感器2-1至压力传感器2-9，以此类推，在压力传感器12的位置，实际部署9个压力传感器，即压力传感器12-1至压力传感器12-9。显然，上述12个位置的所有压力传感器(即12*9个压力传感器)就组成压力传感器集合。

当然，图2A和图2B只是压力传感器集合的两个示例，对此压力传感器集合不做限制，只要在智能穿戴设备分布式的部署多个压力传感器即可，为了方便描述，在后续实施例中，以图2A所示的12个压力传感器为例进行说明。

在上述应用场景下，本申请实施例提出一种跌倒检测方法，可以应用于智能穿戴设备，参见图3所示，为跌倒检测方法的流程示意图，该方法可以包括：

步骤301、获取压力传感器集合对应的分布特征，该分布特征可以包括目标压力值、受力面积和受力时长。示例性的，目标压力值是基于各压力传感器采集到的压力值确定，受力面积是基于采集到压力值的压力传感器的数量确定。

示例性的，智能穿戴设备可以周期性的获取压力传感器集合对应的分布特征，对此获取周期不做限制，可以根据经验配置。例如，在所有压力传感器均未采集到压力值(可以理解为压力值为0)时，则智能穿戴设备每隔第一时长(如1分钟)就获取压力传感器集合对应的分布特征。在至少一个压力传感器采集到压力值时，则智能穿戴设备每隔第二时长(第二时长与第一时长可以相同，也可以不同，如1秒钟、5秒钟等)就获取压力传感器集合对应的分布特征。

针对压力传感器集合对应的分布特征，若所有压力传感器均未采集到压力值，则目标压力值为0，受力面积为0，受力时长为0，目标对象不存在跌倒行为，等到下一个获取周期，重新获取压力传感器集合对应的分布特征。

针对压力传感器集合对应的分布特征，若至少一个压力传感器采集到压力值，则目标压力值不为0，受力面积不为0，受力时长不为0，目标对象可能存在跌倒行为或不存在跌倒行为，需要基于后续步骤分析是否存在跌倒行为。

示例性的，当目标对象发生跌倒行为时，目标对象的指定位置(如腰部位置)可能会接触到地面，即压力传感器集合中的至少一个压力传感器能够采集到压力值，即跌倒行为与目标压力值有关。在目标对象的指定位置接触到地面时，与地面接触的指定位置的面积会比较大，即跌倒行为与受力面积有关。在目标对象的指定位置接触到地面之后，若目标对象无法自行起立，则目标对象的指定位置接触到地面的时间会比较长，即跌倒行为与受力时长有关。

综上所述，跌倒行为与目标压力值、受力面积和受力时长有关，因此，可以基于目标压力值、受力面积和受力时长等特征准确分析目标对象是否发生跌倒行为，本实施例中，将目标压力值、受力面积和受力时长等，统称为压力传感器集合对应的分布特征，即分布特征包括目标压力值、受力面积和受力时长。

示例性的，压力传感器集合中的至少一个压力传感器采集到压力值时，可以基于各压力传感器采集到的压力值确定目标压力值，比如说，将各压力传感器采集到的压力值的最大值作为目标压力值，或者，将各压力传感器采集到的压力值的最小值作为目标压力值，或者，将各压力传感器采集到的压力值的平均值作为目标压力值，对此不做限制。例如，压力传感器1-压力传感器4采集到压力值，压力传感器1采集到压力值y1、压力传感器2采集到压力值y2、压力传感器3采集到压力值y3、压力传感器4采集到压力值y4，在此基础上，可以将压力值y1、压力值y2、压力值y3和压力值y4中的最大值作为目标压力值。

示例性的，在目标对象的指定位置接触到地面时，与地面接触的指定位置的面积称为受力面积，本实施例中，由于多个压力传感器分布式部署在智能穿戴设备的各个位置，因此，可以使用压力传感器的数量表征受力面积，也就是说，当采集到压力值的压力传感器的数量越多时，表示受力面积越大，当采集到压力值的压力传感器的数量越少时，表示受力面积越小。综上可以看出，受力面积可以是基于采集到压力值的压力传感器的数量确定。

比如说，假设压力传感器集合可以包括12个压力传感器，压力传感器集合对应的总面积为m，那么，若压力传感器1-压力传感器4采集到压力值，即一共有4个压力传感器采集到压力值，那么，受力面积就是m*(4/12)，“4”表示采集到压力值的压力传感器的数量，“12”表示压力传感器总数量，m表示压力传感器集合对应的总面积，假设m为12，则受力面积可以是4。

示例性的，在目标对象的指定位置接触到地面时，从目标对象的指定位置接触到地面(即有压力传感器采集到压力值)，开始累积受力时长，一直到目标对象的指定位置离开地面(即所有压力传感器采集到的压力值均为0，即所有压力传感器均未采集到压力值)，结束累积受力时长。综上可以看出，受力时长可以是基于采集到压力值的压力传感器的压力值持续时长确定。

比如说，压力传感器1在时刻A采集到压力值(其它压力传感器采集到压力值的时刻均位于时刻A之后)，那么，智能穿戴设备在时刻A+1秒获取分布特征时，该分布特征中的受力时长是1秒，智能穿戴设备在时刻A+6秒获取分布特征时，该分布特征中的受力时长是6秒，以此类推。若所有压力传感器在时刻B未采集到压力值，则结束累积受力时长，即受力时长清零，智能穿戴设备在时刻B+1秒获取分布特征时，该分布特征中的受力时长是0，以此类推。

综上所述，在每个获取周期，智能穿戴设备可以获取到压力传感器集合对应的分布特征，该分布特征可以包括目标压力值、受力面积和受力时长。

步骤302、基于该分布特征确定目标对象是否存在跌倒行为。

示例性的，由于跌倒行为与目标压力值、受力面积和受力时长有关，因此，可以基于目标压力值、受力面积和受力时长等分布特征，准确分析目标对象是否发生跌倒行为，比如说，可以采用如下方式确定是否存在跌倒行为：

方式1、该分布特征可以包括目标压力值、受力面积和受力时长，若目标压力值大于压力阈值，且受力面积大于面积阈值，且受力时长大于第二时长阈值，则确定目标对象存在跌倒行为。若目标压力值不大于压力阈值、受力面积不大于面积阈值、受力时长不大于第二时长阈值中的至少一个满足，则确定目标对象不存在跌倒行为。比如说，若目标压力值不大于压力阈值，则确定目标对象不存在跌倒行为；若受力面积不大于面积阈值，则确定目标对象不存在跌倒行为；若受力时长不大于第二时长阈值，则确定目标对象不存在跌倒行为。

在方式1中，压力阈值可以根据经验配置，对此压力阈值不做限制，只要目标对象发生跌倒行为时，目标压力值会大于该压力阈值即可。面积阈值可以根据经验配置，对此面积阈值不做限制，只要目标对象发生跌倒行为时，受力面积会大于该面积阈值即可。比如说，若目标对象发生跌倒行为时，至少两个压力传感器能够采集到压力值，那么，面积阈值可以基于两个压力传感器的数量对应的面积值确定，如压力传感器集合对应的总面积为m，则面积阈值小于m*(2/12)，“2”表示采集到压力值的压力传感器的数量，“12”表示压力传感器总数量。第二时长阈值可以根据经验配置，对此第二时长阈值不做限制，只要目标对象发生跌倒行为时，受力时长会大于该第二时长阈值即可。

方式2、该分布特征可以包括目标压力值、受力面积、受压位置和受力时长，在此基础上，可以先基于该受压位置确定出压力阈值。然后，若目标压力值大于该压力阈值，且受力面积大于面积阈值，且受力时长大于第二时长阈值，则确定目标对象存在跌倒行为。若目标压力值不大于该压力阈值、受力面积不大于面积阈值、受力时长不大于第二时长阈值中的至少一个满足，则确定目标对象不存在跌倒行为。比如说，若目标压力值不大于该压力阈值，则确定目标对象不存在跌倒行为；若受力面积不大于面积阈值，则确定目标对象不存在跌倒行为；若受力时长不大于第二时长阈值，则确定目标对象不存在跌倒行为。

在方式2中，压力阈值可以是基于受压位置确定。面积阈值可以根据经验配置，对此面积阈值不做限制，只要目标对象发生跌倒行为时，受力面积会大于该面积阈值即可。第二时长阈值可以根据经验配置，对此第二时长阈值不做限制，只要目标对象发生跌倒行为时，受力时长会大于该第二时长阈值即可。

示例性的，在基于受压位置确定压力阈值时，若该受压位置是目标对象的正面位置或者背面位置，则该压力阈值可以是第一压力阈值，若该受压位置是目标对象的侧面位置(如左侧位置或者右侧位置)，则该压力阈值可以是第二压力阈值，其中，该第二压力阈值可以大于该第一压力阈值。

比如说，在目标对象的指定位置接触到地面时，若目标对象的正面位置或者背面位置接触到地面，那么，接触到地面的区域比较大，即目标压力值比较小，因此，可以设置一个比较小的压力阈值作为第一压力阈值，对此第一压力阈值不做限制，只要目标对象的正面位置或者背面位置接触到地面时，目标压力值会大于第一压力阈值即可。若目标对象的侧面位置接触到地面，那么，接触到地面的区域比较小，即目标压力值比较大，因此，可以设置一个比较大的压力阈值作为第二压力阈值，对此第二压力阈值不做限制，只要目标对象的侧面位置接触到地面时，目标压力值会大于第二压力阈值即可。综上所述，第一压力阈值是比较小的压力阈值，第二压力阈值是比较大的压力阈值，即第二压力阈值可以大于第一压力阈值，对此第二压力阈值和第一压力阈值均不做限制。

示例性的，受压位置是基于采集到压力值的压力传感器的位置确定，比如说，在目标对象的指定位置接触到地面时，与地面接触的位置是受压位置，由于多个压力传感器分布式部署在智能穿戴设备的各个位置，因此，将采集到压力值的压力传感器的位置作为受压位置。例如，压力传感器集合包括12个压力传感器，智能穿戴设备的上侧部署4个压力传感器(如压力传感器1-压力传感器4)，下侧部署4个压力传感器(如压力传感器5-压力传感器8)，左侧部署2个压力传感器(如压力传感器9和压力传感器10)，右侧部署2个压力传感器(如压力传感器11和压力传感器12)，在此基础上：若压力传感器1-压力传感器4采集到压力值，则受压位置就是目标对象的正面位置，若压力传感器5-压力传感器8采集到压力值，则受压位置就是目标对象的背面位置，若压力传感器9-压力传感器12采集到压力值，则受压位置就是目标对象的侧面位置。

综上所述，基于该分布特征就可以确定出目标对象是否存在跌倒行为，即实现目标对象的跌倒检测，当然，上述方式1和方式2只是示例，对此不做限制，只要基于该分布特征能够确定目标对象是否存在跌倒行为即可。

步骤303、若基于该分布特征确定目标对象存在跌倒行为，则对目标对象进行跌倒预警。若基于该分布特征确定目标对象不存在跌倒行为，则等待下一个获取周期，重新获取压力传感器集合对应的分布特征，以此类推。

示例性的，智能穿戴设备还可以包括声音预警器，声音预警器是一种能够产生声音的器件，对此声音预警器不做限制。若目标对象存在跌倒行为，则可以通过声音预警器对目标对象进行跌倒预警，即通过声音预警器产生声音预警。当然，智能穿戴设备也可以采用其它方式进行跌倒预警，对此不做限制。

步骤304、从对目标对象进行跌倒预警开始，对预警时长进行计时，在预警时长到达第一时长阈值之前，判断是否接收到针对目标对象的预警消除指令。

示例性的，在预警时长未到达第一时长阈值之前，若接收到针对目标对象的预警消除指令，则可以执行步骤305，或者，在预警时长已到达第一时长阈值时，若未接收到针对目标对象的预警消除指令，则可以执行步骤306。

比如说，在对目标对象进行跌倒预警之后，可以启动一个计时器，该计时器的超时时间是第一时长阈值，该第一时长阈值可以根据经验配置，而该计时器的时间也就表示预警时长，表示从开始进行跌倒预警到当前时刻之间的时长。

显然，在该计时器超时之前，若接收到针对目标对象的预警消除指令，则表示在预警时长未到达第一时长阈值之前，接收到针对目标对象的预警消除指令。在该计时器超时时，若未接收到针对目标对象的预警消除指令，则表示在预警时长已到达第一时长阈值时，未接收到针对目标对象的预警消除指令。

示例性的，在对目标对象进行跌倒预警之后，可以确定是否接收到与特定压力输入模式匹配的操作命令；若是，则基于该操作命令确定已接收到针对目标对象的预警消除指令。若否，则未接收到针对目标对象的预警消除指令。

示例性的，智能穿戴设备可以配置特定压力输入模式，该特定压力输入模式可以根据实际需要任意配置。若目标对象需要结束跌倒预警，则可以进行与特定压力输入模式匹配的操作命令，而智能穿戴设备接收到与特定压力输入模式匹配的操作命令后，就可以确定已接收到针对目标对象的预警消除指令。

比如说，连续点击k次压力传感器1作为特定压力输入模式时，若目标对象需要结束跌倒预警，则可以连续点击k次压力传感器1，智能穿戴设备接收到连续点击k次压力传感器1的操作命令后，确定已接收到预警消除指令。又例如，同时点击压力传感器1和压力传感器6作为特定压力输入模式时，若目标对象需要结束跌倒预警，则可以同时点击压力传感器1和压力传感器6，智能穿戴设备接收到同时点击压力传感器1和压力传感器6的操作命令后，确定已接收到预警消除指令。又例如，智能穿戴设备上存在指定按钮，点击指定按钮作为特定压力输入模式时，若目标对象需要结束跌倒预警，则可以点击指定按钮，智能穿戴设备接收到点击指定按钮的操作命令后，确定已接收到预警消除指令。

当然，上述只是特定压力输入模式的几个示例，对此不做限制。当目标对象需要结束跌倒预警时，则可以执行与该特定压力输入模式匹配的操作，使得智能穿戴设备确定已接收到预警消除指令。当目标对象不结束跌倒预警或者目标对象无法结束跌倒预警(如目标对象不清醒)时，则不会执行与该特定压力输入模式匹配的操作，使得智能穿戴设备确定未接收到预警消除指令。

步骤305、消除跌倒预警，比如说，停止通过声音预警器产生声音预警。

示例性的，若接收到针对目标对象的预警消除指令，则说明目标对象需要结束跌倒预警，并执行与特定压力输入模式匹配的操作，也就是说，目标对象确认自身未发生跌倒，或自身可以重新站立，不需要进行跌倒告警，因此，智能穿戴设备可以消除跌倒预警，不对目标对象进行跌倒告警，从而降低误报。

步骤306、对目标对象进行跌倒告警，比如说，智能穿戴设备将目标对象的跌倒行为告知目标对象之外的其它对象，如家人、医护人员等，以便其它对象获知目标对象的跌倒行为，并及时对目标对象的跌倒行为进行救助。

比如说，若目标对象的跌倒预警未被消除，则表示目标对象不结束跌倒预警或者目标对象无法结束跌倒预警(如目标对象不清醒)，因此，智能穿戴设备可以对目标对象进行跌倒告警，以便对目标对象进行救助。比如说，智能穿戴设备可以向目标对象之外的其它对象发送告警短信、拨打告警电话等，以便其它对象获知目标对象的跌倒行为，并及时对目标对象的跌倒行为进行救助。

在上述应用场景下，本申请实施例中还提出另一种跌倒检测方法，在该跌倒检测方法中，需要先训练得到目标分类器模型，并将已训练的目标分类器模型发送给智能穿戴设备，由智能穿戴设备存储该目标分类器模型。

示例性的，关于目标分类器模型的训练过程，可以包括：获取初始分类器模型，该初始分类器模型可以是机器学习模型，对此初始分类器模型的结构不做限制，该初始分类器模型用于对特征向量进行分类，分类结果为第一类别和第二类别，第一类别表示存在跌倒行为，第二类别表示不存在跌倒行为。

获取大量训练样本，针对每个训练样本来说，该训练样本可以包括压力传感器集合对应的分布特征及该分布特征对应的标签值。在这些训练样本中，可以包括正样本和负样本。其中，正样本中的分布特征是发生跌倒行为时压力传感器集合对应的分布特征，正样本中的标签值为第一取值(如0)，表示存在跌倒行为。负样本中的分布特征是未发生跌倒行为时压力传感器集合对应的分布特征，负样本中的标签值为第二取值(如1)，表示不存在跌倒行为。

在上述训练样本中，压力传感器集合对应的分布特征可以包括目标压力值、受力面积和受力时长，或者，压力传感器集合对应的分布特征可以包括目标压力值、受力面积、受力位置和受力时长。针对每个分布特征，可以将该分布特征转换为一个特征向量，比如说，分布特征包括目标压力值、受力面积、受力位置和受力时长时，可以将该分布特征转换为4*1维(或者1*4维、或者2*2维等)的特征向量，该特征向量可以包括4个特征值，第1个特征值是目标压力值，第2个特征值是受力面积，第3个特征值是受力位置(如0表示正面位置，1表示背面位置，2表示侧面位置等)，第4个特征值是受力时长。

综上所述，针对每个训练样本，该训练样本中的分布特征对应一个特征向量，且该分布特征对应标签值，在此基础上，可以基于分布特征对应的特征向量和该分布特征对应的标签值对初始分类器模型进行训练，对此训练过程不做限制，在训练完成后，可以将训练后的分类器模型作为目标分类器模型。

参见图4所示，为跌倒检测方法的另一流程示意图，该方法可以应用于智能穿戴设备，且智能穿戴设备存储有目标分类器模型，该方法可以包括：

步骤401、获取压力传感器集合对应的分布特征，该分布特征可以包括目标压力值、受力面积和受力时长，或者，该分布特征可以包括目标压力值、受力面积、受力位置和受力时长。示例性的，目标压力值可以是基于各压力传感器采集到的压力值确定，受力面积可以是基于采集到压力值的压力传感器的数量确定，受压位置可以是基于采集到压力值的压力传感器的位置确定。

步骤402、基于该分布特征生成压力传感器集合对应的特征向量，并将该特征向量输入给目标分类器模型，得到该特征向量对应的预测类别及预测置信度，基于该预测类别及该预测置信度确定目标对象是否存在跌倒行为。

示例性的，假设该分布特征包括目标压力值、受力面积、受力位置和受力时长，则可以将该分布特征转换为4*1维(或者1*4维、或者2*2维等)的特征向量，该特征向量可以包括4个特征值，第1个特征值是目标压力值，第2个特征值是受力面积，第3个特征值是受力位置，第4个特征值是受力时长。

示例性的，由于目标分类器模型用于对特征向量进行分类，分类结果为第一类别和第二类别，第一类别表示存在跌倒行为，第二类别表示不存在跌倒行为，因此，在将该特征向量输入给目标分类器模型之后，目标分类器模型可以输出与该特征向量对应的预测类别及预测置信度，该预测类别可以是第一类别或者第二类别，该预测置信度用于表示该预测类别对应的概率值。

示例性的，若该预测类别是第一类别，且该预测置信度大于置信度阈值，则可以确定目标对象存在跌倒行为；或者，若该预测类别是第二类别，且该预测置信度大于置信度阈值，则可以确定目标对象不存在跌倒行为。

步骤403、若目标对象存在跌倒行为，则对目标对象进行跌倒预警。若目标对象不存在跌倒行为，则重新获取压力传感器集合对应的分布特征，以此类推。

步骤404、从对目标对象进行跌倒预警开始，对预警时长进行计时，在预警时长到达第一时长阈值之前，判断是否接收到针对目标对象的预警消除指令。

示例性的，在预警时长未到达第一时长阈值之前，若接收到针对目标对象的预警消除指令，则可以执行步骤405，或者，在预警时长已到达第一时长阈值时，若未接收到针对目标对象的预警消除指令，则可以执行步骤406。

步骤405、消除跌倒预警。

步骤406、对目标对象进行跌倒告警。

示例性的，步骤401、步骤403-步骤406的实现过程，可以参见步骤301、步骤303-步骤306的实现过程，在此不再重复赘述。

由以上技术方案可见，本申请实施例中，智能穿戴设备佩戴于目标对象的指定位置，智能穿戴设备包括压力传感器集合，压力传感器集合包括分布式部署在智能穿戴设备上的多个压力传感器，通过压力传感器集合对应的分布特征，就可以确定目标对象是否存在跌倒行为，从而精准检测目标对象是否存在跌倒行为，能够区分弯腰、下蹲等正常动作，不会频繁产生误报，不是通过图像分析是否存在跌倒行为，在没有部署摄像机的场景，也能够基于压力传感器集合对应的分布特征确定目标对象是否存在跌倒行为。压力传感器集合对应的分布特征可以包括目标压力值、受力面积和受力时长等，即基于目标压力值、受力面积和受力时长等进行跌倒检测，从而提高跌倒检测的准确性。

在检测到目标对象存在跌倒行为时，先对目标对象进行跌倒预警(如通过声音等方式进行跌倒预警，若目标对象确认自身不需要救助，则可以消除误报)，在预警时长未到达第一时长阈值之前，若接收到针对目标对象的预警消除指令，则表示目标对象确认自身不需要救助，可以消除跌倒预警，从而消除误报。

在预警时长已到达第一时长阈值时，若未接收到针对目标对象的预警消除指令，则表示目标对象需要救助(如目标对象是处于跌倒状态等待救助的用户)，此时才对目标对象进行跌倒告警(如通知医护人员到现场对目标对象进行救助)，从而给处于跌倒状态等待救助的目标对象带来极大方便，特别是对于失去知觉的目标对象，能够及时通知医护人员到现场对目标对象进行救助。

基于与上述方法同样的申请构思，本申请实施例中提出一种跌倒检测装置，智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，所述压力传感器集合包括分布式部署在智能穿戴设备上的多个压力传感器，参见图5所示，为所述跌倒检测装置的结构示意图，所述装置可以包括：

获取模块51，用于获取压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；其中，目标压力值是基于各压力传感器采集到的压力值确定，受力面积是基于采集到压力值的压力传感器的数量确定；

确定模块52，用于基于所述分布特征确定所述目标对象是否存在跌倒行为；

处理模块53，用于如果存在跌倒行为，则对所述目标对象进行跌倒预警；在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。

示例性的，所述确定模块52基于所述分布特征确定目标对象是否存在跌倒行为时具体用于：若所述目标压力值大于压力阈值，且所述受力面积大于面积阈值，且所述受力时长大于第二时长阈值，则确定目标对象存在跌倒行为；若所述目标压力值不大于压力阈值、所述受力面积不大于面积阈值、所述受力时长不大于第二时长阈值中的至少一个满足，则确定目标对象不存在跌倒行为。

示例性的，所述分布特征还包括受压位置，所述受压位置是基于采集到压力值的压力传感器的位置确定；所述确定模块52，还用于基于所述受压位置确定所述压力阈值；若所述受压位置是所述目标对象的正面位置或背面位置，则所述压力阈值是第一压力阈值；若所述受压位置是所述目标对象的侧面位置，则所述压力阈值是第二压力阈值；所述第二压力阈值大于所述第一压力阈值。

示例性的，所述确定模块52基于所述分布特征确定所述目标对象是否存在跌倒行为时具体用于：基于所述分布特征生成所述压力传感器集合对应的特征向量，将所述特征向量输入给目标分类器模型，得到所述特征向量对应的预测类别及预测置信度；若所述预测类别是第一类别，且所述预测置信度大于置信度阈值，则确定所述目标对象存在跌倒行为；或者，若所述预测类别是第二类别，且所述预测置信度大于置信度阈值，则确定所述目标对象不存在跌倒行为；其中，所述第一类别表示存在跌倒行为，所述第二类别表示不存在跌倒行为。

示例性的，所述处理模块53对所述目标对象进行跌倒预警之后还用于：确定是否接收到与特定压力输入模式匹配的操作命令；如果是，则基于所述操作命令确定已接收到针对所述目标对象的预警消除指令。

示例性的，所述智能穿戴设备具体为跌倒检测腰带。

基于与上述方法同样的申请构思，本申请实施例中提出一种智能穿戴设备，所述智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，且所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器。参见图6所示，所述智能穿戴设备还包括：处理器61和机器可读存储介质62，机器可读存储介质62存储有能够被处理器61执行的机器可执行指令；处理器61用于执行机器可执行指令，以实现本申请上述示例公开的跌倒检测方法。比如说，处理器61用于执行机器可执行指令，以实现如下步骤：

获取所述压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；其中，所述目标压力值是基于各压力传感器采集到的压力值确定，所述受力面积是基于采集到压力值的压力传感器的数量确定；

基于所述分布特征确定所述目标对象是否存在跌倒行为；

如果是，则对所述目标对象进行跌倒预警；

在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。

在上述实施例中，所述智能穿戴设备具体包括跌倒检测腰带。

基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的跌倒检测方法。

其中，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种跌倒检测方法，其特征在于，智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器，所述方法包括：

获取所述压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；其中，所述目标压力值是基于各压力传感器采集到的压力值确定，所述受力面积是基于采集到压力值的压力传感器的数量确定；

基于所述分布特征确定所述目标对象是否存在跌倒行为；

如果是，则对所述目标对象进行跌倒预警；

在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。

2.根据权利要求1所述的方法，其特征在于，

所述基于所述分布特征确定所述目标对象是否存在跌倒行为，包括：

若所述目标压力值大于压力阈值，且所述受力面积大于面积阈值，且所述受力时长大于第二时长阈值，则确定所述目标对象存在跌倒行为；或者，若所述目标压力值不大于压力阈值、所述受力面积不大于面积阈值、所述受力时长不大于第二时长阈值中的至少一个满足，则确定所述目标对象不存在跌倒行为。

3.根据权利要求2所述的方法，其特征在于，所述分布特征还包括受压位置，所述受压位置是基于采集到压力值的压力传感器的位置确定；

所述方法还包括：基于所述受压位置确定所述压力阈值；

其中，若所述受压位置是所述目标对象的正面位置或背面位置，则所述压力阈值是第一压力阈值；若所述受压位置是所述目标对象的侧面位置，则所述压力阈值是第二压力阈值；所述第二压力阈值大于所述第一压力阈值。

4.根据权利要求1所述的方法，其特征在于，

所述基于所述分布特征确定所述目标对象是否存在跌倒行为，包括：

基于所述分布特征生成所述压力传感器集合对应的特征向量，将所述特征向量输入给目标分类器模型，得到所述特征向量对应的预测类别及预测置信度；

若所述预测类别是第一类别，且所述预测置信度大于置信度阈值，则确定所述目标对象存在跌倒行为；或者，若所述预测类别是第二类别，且所述预测置信度大于置信度阈值，则确定所述目标对象不存在跌倒行为；其中，所述第一类别表示存在跌倒行为，所述第二类别表示不存在跌倒行为。

5.根据权利要求1所述的方法，其特征在于，

所述对所述目标对象进行跌倒预警之后，所述方法还包括：

确定是否接收到与特定压力输入模式匹配的操作命令；如果是，则基于所述操作命令确定已接收到针对所述目标对象的预警消除指令。

6.根据权利要求1-5任一项所述的方法，其特征在于，

所述智能穿戴设备具体为跌倒检测腰带。

7.一种跌倒检测装置，其特征在于，智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器，所述装置包括：

获取模块，用于获取压力传感器集合对应的分布特征，所述分布特征包括目标压力值、受力面积和受力时长；其中，目标压力值是基于各压力传感器采集到的压力值确定，受力面积是基于采集到压力值的压力传感器的数量确定；

确定模块，用于基于所述分布特征确定所述目标对象是否存在跌倒行为；

处理模块，用于如果存在跌倒行为，则对所述目标对象进行跌倒预警；在预警时长未到达第一时长阈值之前，若接收到针对所述目标对象的预警消除指令，则消除所述跌倒预警；在预警时长已到达第一时长阈值时，若未接收到针对所述目标对象的预警消除指令，则对所述目标对象进行跌倒告警。

8.根据权利要求7所述的装置，其特征在于，其中，所述确定模块基于所述分布特征确定所述目标对象是否存在跌倒行为时具体用于：若所述目标压力值大于压力阈值，且所述受力面积大于面积阈值，且所述受力时长大于第二时长阈值，则确定所述目标对象存在跌倒行为；或者，若所述目标压力值不大于压力阈值、所述受力面积不大于面积阈值、所述受力时长不大于第二时长阈值中的至少一个满足，则确定所述目标对象不存在跌倒行为；

其中，所述分布特征还包括受压位置，所述受压位置是基于采集到压力值的压力传感器的位置确定；所述确定模块，还用于基于所述受压位置确定所述压力阈值；其中，若所述受压位置是所述目标对象的正面位置或背面位置，则所述压力阈值是第一压力阈值；若所述受压位置是所述目标对象的侧面位置，则所述压力阈值是第二压力阈值；所述第二压力阈值大于所述第一压力阈值；

其中，所述确定模块基于所述分布特征确定所述目标对象是否存在跌倒行为时具体用于：基于所述分布特征生成所述压力传感器集合对应的特征向量，将所述特征向量输入给目标分类器模型，得到所述特征向量对应的预测类别及预测置信度；若所述预测类别是第一类别，且所述预测置信度大于置信度阈值，则确定所述目标对象存在跌倒行为；或者，若所述预测类别是第二类别，且所述预测置信度大于置信度阈值，则确定所述目标对象不存在跌倒行为；其中，所述第一类别表示存在跌倒行为，所述第二类别表示不存在跌倒行为；

其中，所述处理模块对所述目标对象进行跌倒预警之后还用于：确定是否接收到与特定压力输入模式匹配的操作命令；如果是，则基于所述操作命令确定已接收到针对所述目标对象的预警消除指令。

9.一种智能穿戴设备，其特征在于，所述智能穿戴设备佩戴于目标对象的指定位置，所述智能穿戴设备包括压力传感器集合，且所述压力传感器集合包括分布式部署在所述智能穿戴设备上的多个压力传感器；

其中，所述智能穿戴设备还包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现权利要求1-5任一项所述的方法步骤。

10.根据权利要求9所述的智能穿戴设备，其特征在于，

所述智能穿戴设备具体包括跌倒检测腰带。

Images