2026年专利代理人专利法实务模拟题

2026年专利代理人专利法实务模拟题第一部分：技术交底材料发明名称：一种基于多模态感知与自适应学习的跌倒检测系统及方法技术领域：本发明涉及智能监护技术领域，具体涉及一种利用可穿戴设备进行人体跌倒检测的系统及方法，特别适用于老年人或行动不便人士的居家及户外安全监护。背景技术：随着全球老龄化趋势的加剧，老年人的独居安全问题日益凸显。跌倒作为老年人伤害死亡的首要原因，其后的“长躺”（长时间倒地无法起身）往往会导致严重的并发症甚至死亡。因此，及时、准确地检测跌倒事件并发出警报具有重要的社会意义。现有的跌倒检测技术主要包括基于环境视觉的检测（如摄像头）和基于可穿戴传感器的检测。1.基于视觉的检测：虽然精度较高，但存在严重的隐私泄露问题，且监控范围受限于摄像头安装位置，存在监控盲区，无法覆盖户外场景。2.基于可穿戴传感器的检测：主要依赖加速度计和陀螺仪。传统方法通常设定固定的加速度阈值和姿态角度阈值来判断跌倒。然而，人体的跌倒姿态千差万别（如前倾、后仰、侧倒），且不同用户的体重、身高、运动习惯差异巨大。固定阈值的方法容易产生较高的误报率（例如将快速坐下或拍打动作误判为跌倒）和漏报率（例如缓慢跌倒或软瘫跌倒未被检测到）。3.现有技术缺陷：现有专利文献CN105XXXXXA公开了一种基于三轴加速度的跌倒检测算法，但其仅依赖加速度峰值，无法有效区分跌倒与高能量运动（如跳跃、快速下楼）。另一篇文献USXXXXXB虽然引入了陀螺仪数据，但计算量大，功耗高，不适合在电池供电的可穿戴设备上长期运行，且缺乏针对个体差异的自适应能力。发明内容：本发明旨在解决现有技术中误报率高、缺乏个体适应性以及功耗高的问题，提供一种基于多模态感知与自适应学习的跌倒检测系统及方法。本发明采用的技术方案如下：一种基于多模态感知与自适应学习的跌倒检测系统，包括可穿戴终端和云端服务器，所述可穿戴终端包括：1.多模态传感器模块：用于采集用户的运动数据和环境数据。具体包括三轴加速度计、三轴陀螺仪以及气压计。所述气压计用于检测佩戴者高度的变化率，辅助判断是否发生伴随失重的垂直位移。所述气压计用于检测佩戴者高度的变化率，辅助判断是否发生伴随失重的垂直位移。2.预处理模块：对传感器数据进行去噪和滑动窗口分割。3.特征提取模块：提取时域特征（合加速度峰值、合加速度均方根、倾角变化量）和频域特征（频谱能量熵）。4.自适应检测模块：包含初始分类器和在线学习单元。初始分类器采用轻量级支持向量机（SVM），用于实时判断跌倒；在线学习单元用于根据用户的反馈标签（误报/漏报修正）更新分类器的超参数。5.决策融合模块：结合加速度计的失重检测、陀螺仪的姿态突变检测以及气压计的高度变化检测，输出初步跌倒信号。6.通信模块：采用低功耗蓝牙（BLE）或NB-IoT技术传输数据。所述跌倒检测方法包括以下步骤：S1：实时采集三轴加速度、三轴角速度和气压数据；S2：计算合加速度SVM和姿态角计算公式为：SS3：判断SVM是否小于失重阈值S4：在失重状态监测后的预设时间窗口内（如500ms），检测是否出现冲击力峰值SV大于冲击阈值TS5：同时，利用气压计数据计算高度变化Δh，若ΔS6：将提取的特征向量输入至轻量级SVM分类器进行二次验证；S7：若SVM分类器判定为跌倒，启动预警倒计时，在此期间若检测到用户通过特定按键或大幅度动作解除，则取消警报；否则确认为跌倒并向云端及监护人发送警报。本发明的有益效果：1.引入气压计数据，通过高度变化率辅助判断，有效区分跌倒与原地快速坐下或躺下，大幅降低误报率。2.采用自适应学习机制，系统能够根据用户的使用习惯和修正反馈自动调整检测阈值，适应不同体型和年龄段的用户。3.采用多级检测机制（阈值判定+SVM分类），在保证精度的同时，减少复杂算法的运行时间，降低功耗。具体实施方式：实施例1：可穿戴终端佩戴于用户腰部。加速度计采样率设定为50Hz。气压计选用高精度数字气压计（如BMP280）。当用户发生跌倒时，加速度计首先检测到自由落体阶段的合加速度接近0g，随后检测到撞击瞬间的高g值冲击。与此同时，由于人体重心下降约1米，气压计会检测到明显的气压上升（高度下降）。系统将上述特征融合后，若判定为跌倒，设备发出蜂鸣声提示。若用户在30秒内未取消警报，系统通过NB-IoT发送包含位置信息（GPS坐标）的求救短信。实施例2：针对“软瘫”跌倒（无剧烈撞击），本实施例中增加了姿态角的持续监测。若检测到姿态角从直立状态（0度附近）缓慢变为水平状态（90度附近），且持续时间超过30秒，同时伴随气压计的高度下降，则触发警报。这解决了传统冲击阈值法无法检测软瘫跌倒的问题。第二部分：对比文件对比文件1：公开日：2020年5月15日公开号：CN108XXXXXA摘要：一种跌倒检测装置，包括佩戴在人体腰部的传感器单元和处理器。传感器单元包括三轴加速度计和三轴陀螺仪。该方法通过计算合加速度向量模（SVM）来判断跌倒。具体步骤为：设定加速度下限阈值（如0.5g）和上限阈值（如2.0g）。当检测到SVM小于下限阈值后，若在300ms内检测到SVM大于上限阈值，且陀螺仪检测到的角度变化量超过45度，则判定为跌倒。该方法主要依赖加速度和角速度的阈值判定。对比文件2：公开日：2022年8月10日公开号：US2022/XXXXXXA1摘要：一种利用气压传感器监测楼层变化的智能鞋垫。该鞋垫内置气压计和无线传输模块。通过对比足底气压与基准气压的变化，计算用户当前所在的楼层高度，主要用于楼宇内的楼层定位和导航。文中提及气压数据可用于辅助判断用户是否处于上下楼梯状态，以调整计步算法的步长估算。第三部分：考试题目问题一：撰写权利要求书请根据上述技术交底材料，并结合对比文件1和对比文件2所给出的现有技术，为客户撰写一份权利要求书。具体要求：1.独立权利要求应当包含解决本发明技术问题所必不可少的必要技术特征，并应当尽量从宽泛的角度概括，以获得最大保护范围。2.从属权利要求应当包含对技术方案的进一步细化的非必要技术特征，形成层次递进的保护结构。3.考虑到对比文件1已经公开了“加速度计+陀螺仪+阈值判定”的常规跌倒检测方案，独立权利要求需要体现本发明的核心发明点，以具备新颖性和创造性。4.权利要求数量应当适中，通常在5-10项之间。问题二：审查意见答复假设审查员发出了第一次审查意见通知书，指出：1.关于权利要求1的新颖性/创造性：审查员认为权利要求1相对于对比文件1（CN108XXXXXA）不具备《专利法》第22条第3款规定的创造性。审查员理由：对比文件1已经公开了一种跌倒检测系统，包括加速度计、陀螺仪和处理器，并利用加速度阈值和角度变化判断跌倒。权利要求1与对比文件1的区别在于仅增加了“气压计”。然而，对比文件2（US2022/XXXXXXA1）公开了在可穿戴设备（鞋垫）中使用气压计来监测高度变化，以辅助判断运动状态。因此，在对比文件1的基础上结合对比文件2得到权利要求1的技术方案对于本领域技术人员来说是显而易见的。审查员理由：对比文件1已经公开了一种跌倒检测系统，包括加速度计、陀螺仪和处理器，并利用加速度阈值和角度变化判断跌倒。权利要求1与对比文件1的区别在于仅增加了“气压计”。然而，对比文件2（US2022/XXXXXXA1）公开了在可穿戴设备（鞋垫）中使用气压计来监测高度变化，以辅助判断运动状态。因此，在对比文件1的基础上结合对比文件2得到权利要求1的技术方案对于本领域技术人员来说是显而易见的。2.关于权利要求2-5的从属性：审查员未指出明显的形式缺陷，但暗示若权利要求1不具备创造性，其从属权利要求也可能不具备创造性。请针对上述审查意见关于权利要求1创造性的评述，撰写一份意见陈述书。具体要求：1.明确指出权利要求1与对比文件1的区别技术特征。2.分析对比文件2是否给出了将“气压计”应用于“跌倒检测”以解决本发明技术问题的技术启示。3.论证权利要求1结合了气压计数据后带来的预料不到的技术效果。4.使用标准的法条用语，逻辑清晰，有理有据。第四部分：参考答案与解析参考答案一：权利要求书1.一种基于多模态感知与自适应学习的跌倒检测系统，包括可穿戴终端，其特征在于，所述可穿戴终端包括：多模态传感器模块，所述多模态传感器模块包括三轴加速度计、三轴陀螺仪以及气压计，用于分别采集用户的加速度数据、角速度数据和气压数据；处理器，与所述多模态传感器模块连接，配置为：获取所述三轴加速度计采集的合加速度数据，并判断所述合加速度数据是否满足预设的失重-冲击时序特征；获取所述气压计采集的气压数据，并根据所述气压数据计算佩戴者的垂直高度变化率；根据所述失重-冲击时序特征和所述垂直高度变化率，联合判定是否发生跌倒事件。2.如权利要求1所述的跌倒检测系统，其特征在于，所述处理器根据所述失重-冲击时序特征和所述垂直高度变化率联合判定跌倒事件具体包括：当检测到合加速度小于失重阈值后，在预设时间窗口内检测到合加速度大于冲击阈值，且同时检测到气压计数据指示的垂直高度变化率超过预设高度阈值且方向向下时，判定为发生跌倒事件。3.如权利要求1所述的跌倒检测系统，其特征在于，所述处理器还配置为：在判定为发生跌倒事件之前，还利用轻量级支持向量机（SVM）分类器对提取的运动特征进行二次验证；所述运动特征包括合加速度峰值、合加速度均方根、倾角变化量以及频谱能量熵中的至少一种。4.如权利要求1所述的跌倒检测系统，其特征在于，所述处理器还配置为执行软瘫跌倒检测逻辑：当未检测到所述失重-冲击时序特征时，监测基于陀螺仪数据计算的姿态角；若姿态角从直立状态转变为水平状态且持续时间超过预设时间阈值，同时气压计数据指示的垂直高度下降，则判定为发生软瘫跌倒。5.如权利要求1所述的跌倒检测系统，其特征在于，还包括自适应学习单元，所述自适应学习单元配置为：接收针对跌倒检测结果的用户修正反馈；根据所述用户修正反馈更新跌倒检测的判定阈值或分类器参数。6.如权利要求1所述的跌倒检测系统，其特征在于，所述可穿戴终端还包括通信模块，所述通信模块采用低功耗蓝牙（BLE）或NB-IoT技术，用于在确认跌倒后发送包含位置信息的警报。7.一种基于多模态感知与自适应学习的跌倒检测方法，其特征在于，包括以下步骤：S1：实时采集三轴加速度、三轴角速度和气压数据；S2：计算合加速度SVM和姿态角S3：判断SVM是否小于失重阈值S4：在失重状态监测后的预设时间窗口内，检测是否出现冲击力峰值SV大于冲击阈值TS5：利用气压数据计算高度变化Δh，若ΔS6：结合步骤S4的冲击检测结果和步骤S5的垂直位移结果，联合输出跌倒判定结果。8.如权利要求7所述的方法，其特征在于，在步骤S6之后还包括：S7：若判定为跌倒，启动预警倒计时，若在倒计时期间未接收到解除信号，则向外部发送警报。【解析】1.独立权利要求构建策略：现有技术分析：对比文件1已经公开了利用加速度计和陀螺仪进行跌倒检测（基于阈值）。如果独立权利要求仅仅写成“包括加速度计、陀螺仪和处理器”，将直接不具备新颖性。核心发明点提炼：本发明的核心改进在于引入了“气压计”，并将其数据（垂直高度变化率）与传统的加速度“失重-冲击”特征进行联合判定。此外，“自适应学习”也是一大亮点，但为了使独立权利要求更稳定且保护范围更宽，将“气压计联合判定”作为必要技术特征写入权利要求1，将“自适应学习”和具体的“SVM分类”作为从属权利要求或进一步细化的特征。技术效果：这种联合判定解决了现有技术中无法区分跌倒与快速坐下（虽然加速度特征相似，但快速坐下通常没有明显的高度下降或下降幅度较小）的技术问题。2.从属权利要求布局：权利要求2：进一步限定“联合判定”的具体逻辑（阈值条件）。权利要求2：进一步限定“联合判定”的具体逻辑（阈值条件）。权利要求3：引入“SVM分类器”作为二次验证，增加方案的复杂度和精确度。权利要求3：引入“SVM分类器”作为二次验证，增加方案的复杂度和精确度。权利要求4：引入“软瘫跌倒”检测，这是针对特定场景的补充方案，依赖于气压计和陀螺仪。权利要求4：引入“软瘫跌倒”检测，这是针对特定场景的补充方案，依赖于气压计和陀螺仪。权利要求5：引入“自适应学习”，体现机器学习属性。权利要求5：引入“自适应学习”，体现机器学习属性。权利要求6：补充通信模块的硬件特征。权利要求6：补充通信模块的硬件特征。权利要求7-8：对应的方法权利要求，要求保护方法流程。权利要求7-8：对应的方法权利要求，要求保护方法流程。3.撰写注意事项：避免使用功能性限定过于宽泛的词汇，确保技术特征清晰。避免使用功能性限定过于宽泛的词汇，确保技术特征清晰。公式使用：虽然权利要求中通常不建议直接嵌入复杂的LaTex公式，但在描述特征时可以清晰表述变量关系。公式使用：虽然权利要求中通常不建议直接嵌入复杂的LaTex公式，但在描述特征时可以清晰表述变量关系。层次感：从硬件结构（权1）->具体逻辑（权2）->高级算法（权3,5）->特殊场景（权4）->方法（权7），层次分明。层次感：从硬件结构（权1）->具体逻辑（权2）->高级算法（权3,5）->特殊场景（权4）->方法（权7），层次分明。参考答案二：意见陈述书关于申请号20261XXXXXX.X的审查意见答复尊敬的审查员：申请人仔细研究了审查员于关于本申请的第一次审查意见通知书。对于审查员所指出的权利要求1不具备创造性的问题，申请人经过认真分析，现陈述意见如下。一、权利要求1具备《专利法》第22条第3款规定的创造性1.权利要求1与对比文件1的区别技术特征经对比分析，权利要求1请求保护一种基于多模态感知与自适应学习的跌倒检测系统。对比文件1（CN108XXXXXA）公开了一种跌倒检测装置，其公开了：包括佩戴在人体腰部的传感器单元（加速度计和陀螺仪）和处理器；通过计算合加速度向量模（SVM）来判断跌倒；检测SVM小于下限阈值后，若在300ms内检测到SVM大于上限阈值，且陀螺仪检测到的角度变化量超过45度，则判定为跌倒。将权利要求1与对比文件1相比，区别技术特征在于：权利要求1的多模态传感器模块中还包括气压计，且处理器配置为根据气压数据计算佩戴者的垂直高度变化率，并根据所述失重-冲击时序特征和所述垂直高度变化率联合判定是否发生跌倒事件。简而言之，本发明在对比文件1的基础上，引入了气压计，并利用气压计检测的高度变化率参与跌倒的最终联合判定。2.对比文件2未给出结合启示审查员认为对比文件2（US2022/XXXXXXA1）公开了在可穿戴设备中使用气压计来监测高度变化，并给出了将其应用于跌倒检测的技术启示。申请人对此持有不同意见。首先，对比文件2的技术领域和发明目的与本发明完全不同。对比文件2涉及的是“智能鞋垫”和“楼层定位/导航”，其解决的技术问题是如何在楼宇内确定用户所在的楼层，以便进行导航或计步步长估算。对比文件2虽然提及气压数据可以反映高度变化，但其应用场景是静态的楼层识别或缓慢的上下楼运动监测，其关注的是“绝对高度”或“楼层级别”的变化。其次，对比文件2并未涉及“跌倒检测”这一技术领域，更未公开或暗示将气压计数据用于“跌倒与类跌倒动作（如坐下）的区分”。在对比文件2中，气压数据的更新频率和处理逻辑是为了适应楼层切换的慢速变化，而跌倒是一个发生在毫秒级的剧烈动态过程。本领域技术人员在阅读对比文件2时，只会想到利用其进行楼层定位，而不会想到将其用于解决跌倒检测中的误报问题。最后，对比文件1本身并不存在需要引入气压计的技术缺陷。对比文件1关注的是如何通过加速度和角速度的阈值组合来检测跌倒，其并未意识到现有技术中“快速坐下”等动作引起的误报问题是因为缺乏高度维度的信息。因此，本领域技术人员没有动机去改进对比文件1，并结合对比文件2来引入气压计。3.区别技术特征带来了预料不到的技术效果权利要求1中引入气压计并利用“垂直高度变化率”与“失重-冲击特征”进行联合判定，并非简单的特征叠加，而是产生了协同效应和预料不到的技术效果。在跌倒检测中，误报主要来源于日常生活中与跌倒加速度特征相似的动作，例如：快速坐下：人体快速坐下时，会产生一个较大的加速度冲击（类似跌倒的撞击），且身体姿态角也会发生剧烈变化（类似跌倒的倾倒）。如果仅使用对比文件1中的加速度+陀螺仪方案，极易将“快速坐下”误判为“跌倒”。拍打动作：快速拍打身体或物体也会产生高加速度。然而，上述误报动作与真实跌倒之间存在一个本质区别：垂直位移。真实跌倒：人体重心通常会有0.8米-1.5米左右的急剧下降。真实跌倒：人体重心通常会有0.8米-1.5米左右的急剧下降。快速坐下：人体重心虽然有下降，但通常是在有支撑的情况下发生，且下降幅度和瞬时速度与跌倒有显著差异；更重要的是，单纯坐下时臀部接触椅子的瞬间气压变化曲线与自由落体后的撞击存在本质不同。快速坐下：人体重心虽然有下降，但通常是在有支撑的情况下发生，且下降幅度和瞬时速度与跌倒有显著差异；更重要的是，单纯坐下时臀部接触椅子的瞬间气压变化曲线与自由落体后的撞击存在本质不同。本发明通过引入气压计，实时监测垂直高度变化率Δh这一技术手段显著降低了误报率，解决了对比文件1长期存在的固有缺陷。这种“加速度+高度变化”的双重验证机制，在对比文件1和对比文件2中均未被公开，也不是本领域的公知常识。4.结论综上所述，权利要求1相对于对比文件1、对比文件2以及本领域的公知常识具备突出的实质性特点和显著的进步，符合《专利法》第22条第3款关于创造性的规定。鉴于权利要求1具备创造性，直接或间接引用权利要求1的从属权利要求2