买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利一种判断人体跌倒方向的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116092629B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211416495.7，技术领域涉及：G16H20/30；该发明授权一种判断人体跌倒方向的方法是由谢芳;黄灏飞;黄智勇;钟代笛;仲元红;葛亮;周庆设计研发完成，并于2022-11-12向国家知识产权局提交的专利申请。

本一种判断人体跌倒方向的方法在说明书摘要公布了：一种判断人体跌倒方向的方法，包括以下步骤：1建立跌倒监测数据库；2采集人体的实时角速度、实时加速度作为样本数据，存储在跌倒监测数据库中；3进行特征提取，形成原始数据特征空间；4对原始数据特征空间中所有特征向量进行数据标准化处理，得到标准数据特征空间；5对标准数据特征空间进行降维处理，采用阈值法对降维处理后的标准数据特征空间进行处理，筛选出符合要求的样本数据，形成跌倒数据集；6将跌倒数据集通过XGBoost模型判断人体是否处于跌倒状态，当人体处于跌倒状态时，由XGBoost模型筛选出的样本数据组成用于判断人体跌倒方向的跌倒数据子集；7通过跌倒数据子集中各样本数据的X轴、Z轴的加速度分量判断人体的跌倒方向。

本发明授权一种判断人体跌倒方向的方法在权利要求书中公布了：1.一种判断人体跌倒方向的方法，其特征在于，包括以下步骤： 1建立跌倒监测数据库； 2在人体腰部设置一惯性传感器，采集人体的实时角速度、实时加速度作为样本数据，存储在跌倒监测数据库中； 所述加速度包括人体在三维坐标系的X、Y、Z轴上的加速度分量，以及由这三个加速度分量组成的加速度向量； 所述角速度包括人体在三维坐标系的X、Y、Z轴上的角速度分量，以及由这三个角速度分量组成的角速度向量； 3对各样本数据的所有波峰段数据分别进行特征提取，得到每个样本数据对应的特征向量，形成原始数据特征空间； 4对原始数据特征空间中所有特征向量进行数据标准化处理，得到标准数据特征空间； 5按照下列方式对标准数据特征空间进行降维处理： 5‑1采用公开数据集对XGBoost模型进行训练，得到XGBoost降维处理模型，并设置特征维度最小阈值； 5‑2将标准数据特征空间作为当前特征空间； 5‑3利用XGBoost降维处理模型得到当前特征空间中各特征向量的权重，作为当前特征空间中各特征向量的特征重要度，所述特征重要度为该特征向量在XGBoost降维处理模型的所有树中被使用的次数； 5‑4按特征重要度的大小将对应的特征向量在当前特征空间中降序排列； 5‑5 删除当前特征空间中最后一个特征向量，形成新的待处理特征空间； 5‑6重复步骤5‑5，直到待处理特征空间维度等于特征维度最小阈值，得到特征向量个数不同的多个待处理特征空间，并计算各待处理特征空间的准确率，将准确率最高的待处理特征空间作为最优特征空间； 5‑7比较最优特征空间与当前特征空间的准确率： 5‑7‑1若最优特征空间的准确率＞当前特征空间的准确率，将最优特征空间作为新的当前特征空间，并重复步骤5‑3至5‑7； 5‑7‑2若最优特征空间的准确率≤当前特征空间的准确率，则将当前特征空间作为降维处理后的标准数据特征空间，所述降维处理后的标准数据特征空间包括角速度信号幅值面积、加速度信号幅值面积、角速度累计变化量、Y轴加速度分量最大值、Z轴加速度分量均值、Y轴加速度分量均值、X轴加速度分量标准差、Z轴角速度分量数值范围、Z轴角速度分量均值、Z轴加速度分量最小值、X轴角速度分量均值、角速度平均变化率、加速度最大值、X轴角速度分量最小值、X轴角速度分量标准差、加速度均值； 6按照下列方式采用阈值法对降维处理后的标准数据特征空间进行处理，筛选出符合要求的样本数据，并将符合要求的样本数据均作为疑似跌倒的样本数据，形成跌倒数据集： 6‑1将Y轴加速度分量均值作为特征向量中的第一时域特征值，并将角速度累计变化量作为特征向量中的第二时域特征值； 6‑2针对第一时域特征值设置第一判断阈值，并针对第二时域特征值设置第二判断阈值； 6‑3当特征向量中的第一时域特征值≤第一判断阈值时，则该特征向量对应的样本数据不符合要求； 6‑4当特征向量中的第一时域特征值＞第一判断阈值时，若该特征向量中的第二时域特征值≤第二判断阈值，则该特征向量对应的样本数据不符合要求；若该特征向量中的第二时域特征值＞第二判断阈值，则该特征向量对应的样本数据符合要求； 6‑5重复步骤6‑3至6‑4，对降维处理后的标准数据特征空间中所有的特征向量进行判断，筛选出符合要求的样本数据，形成跌倒数据集； 7将跌倒数据集通过XGBoost模型判断人体是否处于跌倒状态，当人体处于跌倒状态时，由XGBoost模型筛选出的样本数据组成用于判断人体跌倒方向的跌倒数据子集； 8按照下列方式通过跌倒数据子集中各样本数据的X轴、Z轴的加速度分量判断人体的跌倒方向： 8‑1判断跌倒数据子集各样本数据中X轴与Z轴的加速度分量的关系，以及X轴、Z轴的加速度分量的正负关系； 8‑2计算以下六类样本数据在跌倒数据子集中的比例： 8‑2‑1 第一类样本数据为X轴加速度分量＞Z轴加速度分量的样本数据； 8‑2‑2第二类样本数据为X轴加速度分量≤Z轴加速度分量的样本数据； 8‑2‑3第三类样本数据为X轴加速度分量＞0的样本数据； 8‑2‑4第四类样本数据为X轴加速度分量≤0的样本数据； 8‑2‑5第五类样本数据为Z轴加速度分量＞0的样本数据； 8‑2‑6第六类样本数据为Z轴加速度分量≤0的样本数据； 8‑3当第一类样本数据在跌倒数据子集中的比例＞第二类样本数据时，若第三类样本数据在跌倒数据子集中的比例＞第四类样本数据，则人体的跌倒方向为左侧；若第三类样本数据在跌倒数据子集中的比例≤第四类样本数据，则人体的跌倒方向为右侧； 8‑4当第一类样本数据在跌倒数据子集中的比例≤第二类样本数据时，若第五类样本数据在跌倒数据子集中的比例＞第六类样本数据，则人体的跌倒方向为后方；若第五类样本数据在跌倒数据子集中的比例≤第六类样本数据，则人体的跌倒方向为前方。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。