- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
yolov5 摔倒检测 跌倒识别检测
摔倒检测跌倒识别检测基于YOLOv5技术来实现的图像识别，是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。 目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。 图片mmpose不同于yolo，SSD等目标检测模型，在视频中进行关节点检测的速度要小于目标检测，即使在边缘计算的盒子上进行部署，也很难对人群进行大规模的关键点检测和判断，因此关键点检测常用于智能运动检测等小规模人群场景 ，图上所示是先使用yolo进行预判断图片openpose和其他关键点检测模型只是给出人体各个器官的点位坐标，而具体需要识别什么，就要自行通过这些坐标进行算法设计，比如引体向上计数，可以通过判断头部节点与肘部节点的坐标进行判断计数 ，对于摔倒，可以通过判断视频前后帧的头部，腰部等关节点进行检测，判断是否摔倒。
1.5K00编辑于 2022-12-05 - 来自专栏贾志刚-OpenCV学堂
项目实践 | 行人跟踪与摔倒检测报警
1、简介 本项目的目的是为了给大家提供跟多的实战思路，抛砖引玉为大家提供一个案例，也希望读者可以根据该方法实现更多的思想与想法，也希望读者可以改进该项目种提到的方法，比如改进其中的行人检测器、跟踪方法、 本项目主要检测识别的行为有7类：Standing, Walking, Sitting, Lying Down, Stand up, Sit down, Fall Down。 2、项目方法简介 本文涉及的方法与算法包括：YOLO V3 Tiny、Deepsort、ST-GCN方法，其中YOLO V3 Tiny用于行人检测、DeepSort用于跟踪、而ST-GCN则是用于行为检测
1.2K20发布于 2021-02-22 - 来自专栏燧机科技-视频AI智能分析
老人摔倒智能识别检测算法
老人摔倒智能识别检测算法通过yolov8深度学习算法模型架构，老人摔倒智能识别检测算法能够实时监测老人的活动状态及时发现摔倒事件，系统会立即触发告警，向相关人员发送求助信号，减少延误救援的时间。 老人摔倒智能识别检测算法训练模型选择YOLOv8 算法的核心特性和改动可以归结为如下：提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 老人摔倒智能识别检测算法 Head部分较yolov5而言有两大改进：1）换成了目前主流的解耦头结构(Decoupled-Head)，将分类和检测头分离 2）同时也从 Anchor-Based 换成了 Anchor-Free1 ) 老人摔倒智能识别检测算法YOLOv8抛弃了以往的IOU匹配或者单边比例的分配方式，而是使用了Task-Aligned Assigner正负样本匹配方式。 老人摔倒智能识别检测算法YOLOv8 的训练策略和 YOLOv5 没有啥区别，最大区别就是模型的训练总 epoch 数从 300 提升到了 500，这也导致老人摔倒智能识别检测算法训练时间急剧增加。
72640编辑于 2023-09-15 - 来自专栏成套网站
基于深度学习的摔倒检测系统
传统的摔倒检测方法主要依赖可穿戴设备，如加速度计、陀螺仪等，这些设备需要老年人主动佩戴，不仅会给他们的日常生活带来不便，而且可能因佩戴不舒适或忘记佩戴而影响检测效果。 将深度学习应用于摔倒检测领域，能够利用摄像头等设备采集的图像或视频数据，自动学习摔倒动作的特征模式，实现准确、实时、非接触式的摔倒检测。 基于深度学习的摔倒检测系统能实时、精准地监测老年人状态，一旦检测到摔倒行为，可迅速发出警报，及时通知家属或救援人员。 推动人工智能与医疗健康领域融合深度学习作为人工智能的关键技术，在摔倒检测中的应用是其在医疗健康领域的重要拓展。 3、研究现状基于深度学习的摔倒检测系统研究在近年来取得了显著进展，其研究现状可从算法、数据集、应用场景及技术挑战四个方面进行阐述。
30510编辑于 2025-12-31 - 来自专栏燧机科技-视频AI智能分析
人员摔倒识别预警系统 人员跌倒检测系统
人员摔倒识别预警系统 人员跌倒检测系统基于yolov7网络模型计算机识别技术，人员摔倒识别预警系统 人员跌倒检测系统对画面中人员摔倒进行实时检测识别抓拍告警。 图片 YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。 相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS 图片 YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。 这可能会增加训练成本以提高目标检测的准确性，但不会增加推理成本。研究者将提出的模块和优化方法称为可训练的「bag-of-freebies」。
1.2K40编辑于 2023-03-06 - 来自专栏TSINGSEE青犀视频
AI人体行为分析：玩手机打电话摔倒攀爬检测及场景解决方案
一、AI人体行为分析技术概述及场景人体姿态分析/行为分析/动作识别AI算法，是一种利用人工智能技术对人体行为进行检测、跟踪和分析的方法。 人体行为分析技术的应用场景包括以下几个方面：1）姿态检测与跟踪：AI人体行为分析技术可以准确地检测和跟踪人体的姿态信息，包括骨骼结构、关节位置和动作轨迹等，可以应用于许多领域，例如运动分析、人机交互、虚拟现实等 例如，在视频监控中，可以检测到盗窃、打架、摔倒等异常行为，并及时报警或采取相应的措施。 将监控现场的视频流接入到青犀AI边缘计算的智能分析网关，就能实现对监控画面的实时检测与分析，能对人体行为进行检测识别（玩手机、打电话、抽烟、人员倒地、人员扭打、攀爬、人员睡岗等）。 工地施工：自动检测施工现场的人员是否存在违规行为，若检测到将立即触发告警，保障工地安全施工。工厂车间：自动检测工厂、车间流水线等员工是否存在违规行为，若检测到将立即触发告警，保障工厂安全生产。
3.9K30编辑于 2023-09-22 - 来自专栏燧机科技-视频AI智能分析
人员摔倒识别预警系统
人员摔倒识别预警系统通过opencv网络模型技术，人员摔倒识别预警系统能够智能检测现场画面中人员有没有摔倒，人员摔倒识别预警系统无需人为干预可以立刻抓拍告警。
63230编辑于 2023-03-10 基于yolov5和openpose人体骨骼关键点实现的摔倒姿态识别检测系统实现
://blog.csdn.net/FL1623863129/article/details/142413295 （2）调整部分文件夹结构，比如模型归为一类文件夹，这样方便查看模型 （3）检测流程简化，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单 save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir # 加载摔倒检测的模型 print("加载摔倒检测的模型开始") net = jit.load(r'action_detect/checkPoint/openpose.jit') action_net = jit.load(r'action_detect/checkPoint/action.jit') print("加载摔倒检测的模型结束") # Initialize set_logging print("加载摔倒检测的模型开始") net = jit.load(r'weights/openpose.jit', map_location=device) action_net = jit.load
44210编辑于 2025-07-22- 来自专栏PyQt+YOLO
【AI加持】基于PyQt5+YOLOv8+DeepSeek的摔倒行为检测系统（详细介绍）
支持对图片、视频、视频流、摄像头中的摔倒行为进行检测，支持多种数据数据源输入并且接入了AI实现了对当前分析结果的评估，欢迎了解！ 一．前言基于PyQt5+YOLOv8+DeepSeek的摔倒行为检测系统的提出，源于智能安防与智慧养老快速发展的时代背景。 三者的协作，不仅让摔倒检测从传统的视频监控识别进化到集检测、分析、交互与可扩展能力于一体的综合系统，也为后续的场景扩展（如养老院、医院、社区安防、工业安全监管等）奠定了技术基础。 酒店及商业场所安全保障在酒店走廊、商场扶梯附近对顾客、行人的摔倒行为进行识别与提示。YOLOv8模型支持大范围人流检测，DeepSeek模型提升异常事件分析能力。 整体架构结合多线程与事件驱动的优势，将图形界面、AI推理、数据处理与智能决策有机融合，形成一套专业、易用、可扩展的摔倒行为检测解决方案，适用于多种场景的智能安防建设。
57231编辑于 2025-12-11 基于yolov8和openpose人体骨骼关键点实现的摔倒姿态识别检测系统实现
，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单，实际只要40多行代码就实现整个检测流程 【效果展示】 【特别注意】 本项目由于使用了3个模型，所以实时性能较差，建议采用GPU推理加快推理速度，同时尽量不要使用 save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir # 加载摔倒检测的模型 print("加载摔倒检测的模型开始") net = jit.load(r'action_detect/checkPoint/openpose.jit') action_net = jit.load(r'action_detect/checkPoint/action.jit') print("加载摔倒检测的模型结束") # Initialize set_logging print("加载摔倒检测的模型开始") net = jit.load(r'weights/openpose.jit', map_location=device) action_net = jit.load
1.1K10编辑于 2025-07-22- 来自专栏技术汇总专栏
基于STM32的人体健康监测系统设计与实现（温度、心率、老人摔倒检测）【开源免费】
基于STM32的人体健康监测系统设计与实现（温度、心率、老人摔倒检测）【开源免费】随着社会老龄化程度的不断加深，老年群体的健康问题逐渐成为社会关注的焦点。 基于嵌入式系统的智能健康监测设备，能够实现 实时体温采集、心率监测、老人摔倒检测 等功能，为家庭医疗和智慧养老提供有力的技术支撑。 4.2 跌倒检测算法跌倒检测的基本原理：当人体处于跌倒状态时，加速度传感器会检测到 较大冲击加速度（>2g），随后出现 长时间静止状态。可采用 阈值法 或 方向角度判断法 进行跌倒检测。 fall_flag = 1; // 跌倒事件 }}4.3 心率检测算法心率检测采用 峰值检测法：使用ADC采集MAX30102输出的光电信号。 4.4 软件流程图系统初始化 → 传感器初始化 → 数据采集 ↓体温检测 → 心率检测 → 跌倒检测 ↓数据处理 → OLED显示 → 蓝牙上传 → 报警五、代码示例5.1 DS18B20
1.5K10编辑于 2025-08-28 - 来自专栏YOLO大作战
基于YOLOv8的摔倒行为检测系统（Python源码+Pyqt6界面+数据集）
本文主要内容:通过实战基于YOLOv8的摔倒行为检测算法，从数据集制作到模型训练，最后设计成为检测UI界面人体行为分析AI算法，是一种利用人工智能技术对人体行为进行检测、跟踪和分析的方法。 而人员摔倒检测算法技术原理是一项非常重要且具有广泛应用前景的技术。随着人工智能和计算机视觉的发展，人员摔倒检测算法已经成为一个热门的研究领域。 本文通过YOLOv8技术来进行人员摔倒行为检测 1.Yolov8介绍 Ultralytics YOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本。 1440张，按照train、val、test随机划分为7:2:1confusion_matrix.pnglabels.jpg3.如何训练摔倒检测模型3.1 修改pp_fall.yamlpath: . 摔倒行为检测系统设计4.1 PySide6介绍 受益于人工智能的崛起，Python语言几乎以压倒性优势在众多编程语言中异军突起，成为AI时代的首选语言。
3.2K10编辑于 2024-01-23 - 来自专栏嵌入式项目开发
基于STM32设计的老人摔倒报警系统（OneNet）
老年人的机体能力下降，摔倒引起的安全和危害也越来越突出。 为了解决老年人摔倒引发的问题，当前设计了一种检测老人摔倒的设备，采用STM32作为主控芯片，系统包括检测摔倒模块、GPS定位模块和通信模块三部分，通过检测老年人日常状态，可以得知老年人的状态，如果监测到老年人摔倒了 （3）老人摔倒检测采用MPU6050陀螺仪检测，当检测到老人摔倒之后，会通过SIM800C发送短信到紧急联系人，设备上的蜂鸣器会发出警报声，周围行人听到也可以进行帮助；并且会将GPS数据上传到云端，通过地图显示老人的位置 ，家人通过短信知道老人摔倒后，通过云端地图显示的位置，可以快速赶到老人身边，或者报警求助，报告位
98740编辑于 2023-07-24 自动扶梯人员摔倒掉落识别检测数据集VOC+YOLO格式5375张2类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
13300编辑于 2025-07-17- 来自专栏嵌入式项目开发
基于STM32设计的老人防摔倒报警设备(OneNet)
，并且能及时告知监护人的摔倒检测以及报警系统具有重要的现实意义。 本系统包括检测摔倒模块、GPS定位模块和通信模块三部分，通过检测老年人日常状态，可以得知老年人的状态，如果监测到老年人摔倒了，此时会通过网络把检测结果发出，获得老年人摔倒地点的GPS定位，并且通过GPRS ，进行状态检测判断; （3）方案确定后，开发设计电路板、检测模块、定位模块、通信模块等，设计开发可穿戴式设备，配合算法，检测摔倒情况，准确率达到85%以上。 （4）检测到摔倒等意外情况后，能通过网络将GPS定位信息、时间、摔倒等信息，通过适当的方式进行报警和通知监护人。 （3）老人摔倒检测采用MPU6050陀螺仪检测，当检测到老人摔倒之后，会通过SIM800C发送短信到紧急联系人，设备上的蜂鸣器会发出警报声，周围行人听到也可以进行帮助；并且会将GPS数据上传到云端，通过地图显示老人的位置
5.9K25编辑于 2022-09-19 - 来自专栏技术汇总专栏
基于 STM32 的老人摔倒报警装置项目【源码分享】
本文介绍一款基于STM32的老人摔倒报警装置，通过超声波检测离地距离、GPS获取当前位置，并通过GSM模块发送短信报警，实现实时监测与快速通知家属的目的。! 当检测到“高度突然减小且保持低位”时，可判断可能摔倒。位置获取：使用GPS模块（如Neo-6M）实时定位，获取经纬度用于短信上报。 [在这里插入图片描述]()四、摔倒检测算法设计摔倒检测是本项目的核心，方案如下：1.使用离地高度变化检测超声波测得的高度在正常行走时上下波动范围小；当老人摔倒时：高度会迅速下降（例如从80cm→0-10cm ：展开代码语言：TXTAI代码解释【报警】检测到老人疑似摔倒！ ，实现云平台报警九、总结本文介绍了一个基于STM32的老人摔倒报警装置，从传感器选择、整体架构、摔倒检测算法到短信发送全流程进行了详细解析。
30910编辑于 2025-12-04 - 来自专栏嵌入式项目开发
基于STM32的老人出行小助手设计与实现(OneNet)
一、设计需求 1.1 设计需求总结 我国独生子女，以及人口老龄化等问题，正逐渐成为一个重大的社会问题，老年人机体能力的下降，摔倒引起的安全和危害愈来愈突出，国家和社会越来越关注老年人的健康和安全，开发一个能够实时检测出老年人是否摔倒 ，并且能及时告知监护人的摔倒检测以及报警系统具有重要的现实意义。 当前设计了一种检测老人出行安全的设备，采用STM32作为主控芯片，系统包括检测摔倒模块、GPS定位模块和通信模块三部分，通过检测老年人日常状态，可以得知老年人的状态，如果监测到老年人摔倒了，此时会通过网络当前定位实时上传到 （3）老人摔倒检测采用MPU6050陀螺仪检测，当检测到老人摔倒之后，会通过SIM800C发送短信到紧急联系人，设备上的蜂鸣器会发出警报声，周围行人听到也可以进行帮助；并且会将GPS数据上传到云端，通过地图显示老人
59530编辑于 2023-07-24 - 来自专栏镁客网
相爱容易相守难，盘点那些摔倒在奔跑途中的创业公司
然而，就如现实中的婚姻一样，美好难免短暂，结局时而残酷，相爱容易相守难，情为何物费思量…… 下面，笔者就给大家罗列一些，相爱却无法相守，从而在奔向成功的路上猝然摔倒的创业公司。
63540发布于 2018-05-28 AI视频监控系统在养老院中的技术实现
运动目标检测与跟踪： 系统通过目标检测算法（如YOLO、Faster R-CNN等），从视频流中提取出人的轮廓和动作，识别出老人的位置、姿态以及与其他物体的关系。 (2)深度学习与行为识别 AI视频监控系统的另一大核心技术是深度学习，特别是在异常行为识别和摔倒检测中的应用。常用的深度学习模型包括卷积神经网络（CNN）、循环神经网络（RNN）等。 摔倒检测： 摔倒检测是AI视频监控系统的重要功能，基于深度学习的摔倒检测模型能够学习正常活动与摔倒行为之间的差异。 常见的摔倒检测方法包括基于卷积神经网络（CNN）的视频分类模型和基于时序数据的长短期记忆网络（LSTM）。 智能预警： 系统设置了多种预警机制，当检测到摔倒、健康异常、行为异常等情况时，系统会立刻通过智能推送的方式通知护理人员。
93201编辑于 2024-12-19- 来自专栏AI科技大本营的专栏
举个例子，如何用GCN图卷积神经网络实现摔倒监测？
近几年来深度学习的发展越来越火热，其中最为典型的就是半监督学习的新研究进展GCN。由Kipf和Welling提出的GCN被证明是一种有效的图半监督学习框架应用，如社会、医疗、商业和交通网络分析，其中典型的对象是在少数有标记数据的帮助下对无标记数据进行分类图中的样本。
1.2K20发布于 2021-03-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号