改进的YOLOv8s摔倒检测算法研究

来源：电子测量技术杂志2024年第19期北京时间：

作者：朱强军，程靓靓，汪慧兰，王杨

单位：1.芜湖学院大数据与人工智能系 芜湖 241000; 2.安徽师范大学物理与电子信息学院 芜湖 241000; 3.安徽师范大学计算机与信息学院 芜湖 241000

摘要：为了能够准确的识别老人摔倒姿态，提出了一种改进的YOLOv8s摔倒检测模型。首先，在YOLOv8s模型的主干网络中引入SE注意力机制模块，将通道特征分成多个子图特征，让不同组的特征进行融合，使网络自适应地聚焦于关键特征，抑制对当前任务贡献度较小的特征，提高了特征提取能力；其次，用EIoU替换CIoU损失函数，加快收敛速度，提高了模型的精确率和稳定性；最后，将训练好的模型在URFD+等数据集上验证。实验结果表明，该模型精确率达到了99.50%，召回率达到了99.00%，mAP50达到了99.50%，比原模型的性能全面提升。与YOLOv5s+K-means++模型比较，精确率提升了3.22%，召回率提升了5.32%，mAP50提升了2.38%；与C2D-YOLO模型比较，精确率提升了10.00%，召回率提升了11.40%，mAP50提升了7.80%；与YOLOv5s+C3new模型比较，精确率提升了2.50%，召回率提升了6.80%，mAP50提升了4.1%。改进后模型较原模型和目前先进模型有较大的优势。

关键词：摔倒检测;YOLOv8s算法;EIoU损失函数;SE注意力机制

基金资助：安徽省高校自然科学研究重点项目(2023AH052459)、安徽师范大学皖江学院重点自然科研项目(WJKYZD-202301)、安徽省高等学校省级质量工程项目(2022sx052)、安徽师范大学皖江学院教学质量工程项目(WJXGK-202201)资助