- 综合排序
- 最热优先
- 最新优先
- 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。 在场景应用中，通过视频画面对人员进行动作姿态的数据捕捉并进行数据的比对，自动识别视频中人物动作姿态的行为和动作，利用AI算法对人员动作行为进行判断、抓拍和报警提醒。 3）行为推理与异常检测：AI人体行为分析技术可以分析人体在特定场景中的行为模式，并利用机器学习算法识别正常和异常行为。 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。 总的来说，AI人体行为分析技术的发展为多个领域带来了新的可能性，可以自动化地处理大量的人体行为数据，提取有用的信息，并辅助决策和改进工作效率。
3.8K30编辑于 2023-09-22 - 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！ 6.摔倒行为摔倒行为的影响具有明显的多层次性，既涉及身体损伤，也牵动心理状态、家庭负担与社会资源消耗。 2.对心理状态、行为习惯与社会参与的长期影响摔倒不仅仅是身体层面的受伤事件，它还会对人们的心理状态产生显著影响，从而改变个体的行为模式和社会参与程度。 当检测到摔倒行为时立即向家属推送通知或语音提醒。支持本地推理，保护用户隐私，不依赖云端。医院康复病房与术后看护自动识别患者康复期间的异常跌倒行为，辅助护理人员及时介入。 YOLOv8作为核心行为识别模型，通过多线程架构与DetectThread深度适配，实现了对人物姿态、异常行为以及摔倒事件的高速推理。
51231编辑于 2025-12-11 - 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。
62730编辑于 2023-03-10 - 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。 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。
1.4K00编辑于 2022-12-05 - 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。 通过计算机视觉、深度学习和模式识别等技术，可以实现对人体姿态、动作和行为的自动化识别与分析。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。 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。 匹配方式框架图提供见链接：Brief summary of YOLOv8 model structure · Issue #189 · ultralytics/ultralytics · GitHub2.摔倒行为检测数据集大小 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。
3.1K10编辑于 2024-01-23 - 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
、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、行为识别算法等等 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。 从上面可以看出，老人摔倒智能识别检测算法YOLOv8 主要参考了最近提出的诸如 YOLOX、YOLOv6、YOLOv7 和 PPYOLOE 等算法的相关设计，本身的创新点不多，偏向工程实践，主推的还是 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。
72240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
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。 2、研究意义对老年人生活保障意义重大随着人口老龄化加剧，老年人数量持续攀升，摔倒成为威胁其健康与安全的主要因素之一。 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。 这大大缩短了救援响应时间，降低因摔倒导致的二次伤害风险，保障老年人生命安全，提升其生活安全感与独立性，让老年人能更安心地生活。 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。
28710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。
1.2K40编辑于 2023-03-06 - 来自专栏我和未来有约会
转向行为 - 寻找行为
寻找行为只是把机车移动到指定点。 现在给出寻找行为的一个例子： <UserControl xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:x 仅仅是让场景上一个有转向行为的机车在每帧去寻找鼠标。试着改变机车的最大速率和最大力度，或者改变其质量(mass)来感受一 下这些因素对转向行为的影响。 myStar.seek(new Vector2D(mouseX, mouseY)); myStar.update(); 到此，应该已经见识了转向机车如何寻找鼠标或者另一辆机车，当对这些工作有了很好的理解后，我们进入下一个行为
1.5K70发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 追捕行为
对于追捕行为，它非常类似寻找行为。其实追捕的最后一个动作就是调用寻找。追捕的本质是预测目标所要到达的位置并事先赶到。 那么，该如何预测目标的位置呢？ 而实际上，寻找行为就是一个预测时间为零的追捕行为。 一个策略是基于两机车间的距离来判断预测时间。如果目标太远，需要花一段时间才能赶上，就预测长一点，如果很接近，马上就能达到，就预测短一点。 一个是只顾移动的机车，其作为目标，另外两个转向机车，一个用寻找行为，一个用追捕行为。如果一切正常，追捕者靠着优越的算法会胜出。 接下来的行为是：躲避。
1.6K100发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 躲避行为
躲避就是追捕的反行为。就像追捕类似于寻找，躲避类似于避开。 本质上讲，是预测出机车将要去到的位置并远离它。在这里所有的原则都和追捕相同。
1.4K80发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 到达行为
到达行为在很多场合都可以被当作是寻找行为。实际上，它们之间的算法和处理方式都一样。唯一不同的是，在到达模式中，一辆机车在到达目标的某一距离时，会变成一种精确模式慢慢地靠近目标点。 为了了解到达行为的必要性，可以先运行一下SeekTest类，然后移动鼠标到某处让机车过来“抓住”它。会看到机车快速的越过了鼠标，接着它发现过头了，又返回来，还是过头了....于是会一直循环下去。 到达行为通过减速接近目标，解决了这个问题： public void arrive(Vector2D target) { Vector2D desiredVelocity 最终速度会趋向于0（假设只有一个行为作用于该机车）。 如果愿意可以再试着玩玩增加多辆机车，或者现在就进入下一个行为：追捕。
1.5K60发布于 2018-01-16 - 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
97540编辑于 2023-07-24 - 来自专栏我和未来有约会
转向行为 - 避开行为
避开行为与寻找行为彻底相反。实际上，除了代码最后一行用相减代替了相加以外，其它都一样。 现在我们有了一对正反行为，接下来要做的是为这对行为创建一对机车来看看情况。 我们还可以把两个行为同时用于一辆机车上。下面的例子中，机车A同时寻找和避开机车B，机车B同时寻找和避开机车C，机车C同时的寻找和避开机车A。这三辆机车会因为追捕各自的目标而形成一个圆。 如果这些都没问题了，那就开始探索下一个行为：到达。
1.3K70发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 漫游行为
漫游行为就像它的名字一样，角色在场景中毫无目的的移动。这通常用来模拟巡视和觅食，也有纯粹是为了漫游而漫游的。 漫游行为在实现上不像听起来那么容易。
1.5K80发布于 2018-01-16 - 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)
前言 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。 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 （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 - 来自专栏全栈程序员必看
姿态估计与行为识别（行为检测、行为分类）的区别
姿态估计和行为识别作为计算机视觉的两个领域，对于新人来说，较为容易弄混姿态估计和行为识别两个概念。 （Action Detection/Regnition），最终的结果是得到图像或视频段中目标的行为类别。 视频中人体行为识别主要分为两个子方向。 参考文献 行为识别的综述博客： https://blog.csdn.net/neu_chenguangq/article/details/79504214 给出了行为识别的一些概述及资源合集（文章、代码 常用的行为检测的数据集： THUMOS2014：在行为检测任务中只有20类动作的未分割视频是有序行为片段标注的 MEXaction2：骑马和斗牛 ActivityNet：目前最大的数据集，同时包含分类和检测两个任务
3.5K20编辑于 2022-06-24 - 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】
基于STM32的老人摔倒报警装置（短信提醒）【源码分享】一、项目背景在我国逐步迈入老龄化社会的背景下，独居老人摔倒事故频发且救援不及时的情况越来越受到关注。 摔倒后无法及时呼救，是老年人伤亡的重要原因之一。因此，构建一套低成本、可靠、可实时报警的摔倒监测系统具有重要价值。 [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。
29110编辑于 2025-12-04 AI视频监控系统在养老院中的技术实现
(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。 摔倒行为通常伴随着快速变化的姿态和不自然的动作，深度学习模型会通过大量的标注数据，训练出能够识别摔倒的算法。 警报生成与定位：摔倒事件一旦被识别，系统会立即通过AI算法生成警报，标记老人的位置，并通过智能设备将信息传送给护理人员，以便及时响应。 异常行为监测： 异常行为的监测是通过训练行为识别模型实现的。 在一些关键时刻，如老人摔倒或出现异常行为时，边缘计算可以在毫秒级别内识别并触发预警。
88901编辑于 2024-12-19
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