使用加速度计数据进行活动水平与跌倒检测的制作方法

背景技术：

1、近年来，可穿戴活动追踪器和医疗监测设备已变得越来越普遍，使用户能够追踪其健康和身体活动的各个方面。这些设备通常使用加速度计和其他传感器来采集关于运动、心率和/或其他生理参数的数据。然而，许多现有解决方案依赖于诸如陀螺仪的附加传感器，这些传感器可能功耗大且成本高。此外，常规方法通常使用以高频率（25-100 hz）进行采样的加速度计，并且可能依赖于多个传感器，以在多种可能的身体放置处计算身体运动和位置。这些硬件配置和采样频率限制了在可穿戴设备中实现更长电池寿命同时保持准确检测能力的能力。此外，传统传感器设计在区分可能产生相似加速度计特征的不同类型的活动和事件中面临挑战，这可能会影响活动分类和事件检测系统的可靠性和准确性。

技术实现思路

1.一种由处理设备实现的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，以小于5赫兹的采样率采集所述加速度计数据。

3.根据权利要求1或2所述的方法，其中，所述活动水平分类包括基于所述预定时间段内的步数，将所述用户在所述预定时间段期间的活动归类为久坐、轻度、中度或剧烈中的一种。

4.根据权利要求3所述的方法，还包括：从所述加速度计数据中提取时域特征和频域特征，并且其中，生成所述活动水平分类附加地基于所提取的特征。

5.根据权利要求1至4中任一项所述的方法，还包括：

6.根据权利要求5所述的方法，还包括：使用用户群体的历史加速度计数据和历史结果数据作为训练数据来训练所述机器学习模型以进行所述跌倒预测，其中，所述历史加速度计数据以与所述可穿戴监测设备所获取的所述加速度计数据相同的采样率进行采样。

7.根据权利要求5或6所述的方法，其中，所述测量值还包括所述用户的心脏的电势测量值，并且所述方法还包括：

8.根据权利要求7所述的方法，其中，所述心律分类包括对心律失常的指示，并且所述方法还包括：

9.根据权利要求7或8所述的方法，其中，所述心律分类是房颤、心动过缓、室性心律失常、心脏传导阻滞、室性早搏、室上性心动过速或正常窦性心律中的一种。

10.一种处理设备，包括：

11.根据权利要求10所述的处理设备，其中，所述加速度计数据由所述可穿戴监测设备的加速度计以小于5赫兹的采样率获取。

12.根据权利要求10或11所述的处理设备，其中，所述活动水平分类包括基于所述预定时间段内的步数，将所述用户在所述预定时间段期间的活动归类为久坐、轻度、中度或剧烈中的一种。

13.根据权利要求10至12中任一项所述的处理设备，其中，所述操作还包括：通过使用机器学习模型处理所述加速度计数据以生成跌倒预测，所述机器学习模型经过训练以将所述加速度计数据中的模式与跌倒事件相关联。

14.根据权利要求13所述的处理设备，其中，所述测量值还包括所述用户的心脏的电势测量值，并且所述操作还包括：

15.根据权利要求14所述的处理设备，其中，所述操作还包括：