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！

龙图腾网获悉西北工业大学申请的专利基于可穿戴传感器的跌倒检测系统及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：CN116763299B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202310721200.5，技术领域涉及：A61B5/11；该发明授权基于可穿戴传感器的跌倒检测系统及方法是由李勇军;黄天歌;纪雨鑫设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本基于可穿戴传感器的跌倒检测系统及方法在说明书摘要公布了：本发明涉及传感器检测技术领域，公开了一种基于可穿戴传感器的跌倒检测方法和系统。本发明通过采集人体正常行走和跌倒状态下传感器信号，构成初始时间序列数据集，并对其集进行预处理，将处理后的数据集划分成训练集和测试集；用训练集构建SeqTCN跌倒检测预训练模型；将测试集评价SeqTCN跌倒检测模型的预测效果得到SeqTCN跌倒检测模型，用于实时监测人体的运动状态。本发明构建的SeqTCN跌倒检测模型利用了时间卷积网络捕捉有效长时间序列特征的能力，增加了跌倒检测系统的检测精度、减少了误报率；而且成本较低，能够更好地满足老年客户群体的需求，为老年人群体提供更好的生活质量和安全保障。

本发明授权基于可穿戴传感器的跌倒检测系统及方法在权利要求书中公布了：1.一种基于可穿戴传感器的跌倒检测方法，其特征在于，包括以下步骤： 采集人体正常行走和跌倒状态下传感器信号，构成初始时间序列数据集；构成初始时间序列数据集的特征值包括人体左右脚的足底压力值、人体左右脚三轴的加速度值、人体左右脚三轴的角速度值和人体左右脚三轴的方位角； 将初始时间序列数据集在时间轴上进行窗口划分，得到样本： 其中，m为样本个数，w为窗口大小，n代表每个采样点的特征数； 对样本进行预处理，将处理后的数据集按照预设的比例划分成训练集和测试集； 用训练集构建由基于因果膨胀卷积的时序卷积块堆叠而成的SeqTCN跌倒检测预训练模型，具体为： 首先将作为SeqTCN跌倒检测模型的输入，进行膨胀因果卷积计算，计算公式如下： 其中，i表示时间卷积网络的层数，sn表示第i+1层的第n个元素处的膨胀因果卷积计算，k表示滤波器大小，d表示膨胀因子，n-d·i描述了过去的方向； 为解决SeqTCN跌倒检测预训练模型的深层网络中容易出现的梯度消失、梯度爆炸的问题，引入残差网络，实现卷积的跨层连接，公式如下： 其中，x表示原始输入，表示经过卷积后的输出； 同时，使用GELU作为激活函数，激活函数只作用于残差求和中的一项； 同时，使用LayerNorm，避免SeqTCN跌倒检测预训练模型自身对BatchSize的依赖； 最后，取输出序列选择后k项连接为总的特征，输入全连接层进行分类，由softmax函数输出预测结果，函数定义如下： 其中，xi为第i个神经元的输出，为输出序列的个数，表示所有数值的和； 所述时序卷积块由两层因果膨胀卷积、两层非线性映射以及一次残差连接构成； 每层因果膨胀卷积均加入了WeightNorm对权重进行归一化，再加入Dropout来正则化网络； 非线性映射采用LeakyRelu激活函数； 将测试集作为SeqTCN跌倒检测预训练模型输入，评价SeqTCN跌倒检测模型的预测效果，得到SeqTCN跌倒检测模型； 将SeqTCN跌倒检测模型部署到移动终端App端和具有云端存储功能的服务器平台上实时监测人体的运动状态。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。