基于改进YOLOv3的室内摔倒行为检测算法

作者：高正中; 孙健; 张天航; 赵亮

来源：实验技术与管理, 2022, 39(11): 132-149.

DOI：10.16791/j.cnki.sjg.2022.11.023

• 摔倒检测
• 残差模块
• 注意力机制
• 损失函数
• 迁移学习

为解决独居老人摔倒情形能准确及时被家人发现问题，提出一种基于改进YOLOv3模型的实时摔倒检测算法。首先，利用残差模块构建图像快速特征提取网络，同时引入通道域注意力机制（SENet），实现对特征图的各个通道赋予不同的权重，提升模型检测准确性；其次，采用CIoU边界框回归损失函数，降低目标的漏检率；最后，通过迁移学习训练模型，分别对YOLOv3模型和改进YOLOv3模型进行训练和测试。实验结果表明，在模型检测精度和速度方面，改进YOLOv3模型优于YOLOv3模型，并且对摔倒行为能准确定位。该算法的AP值为92.1%，检测速度为35 f/s，具有良好的检测性能。

• 单位
  山东科技大学