基于YOLOv5s和改进质心跟踪的人员跌倒检测

来源：电子测量技术杂志2023年第24期北京时间：

作者：王新，杨秀梅

单位：河南理工大学物理与电子信息学院 焦作 454000

摘要：针对目标检测器检测跌倒时过于依赖卷积网络分类效果、无法利用运动信息的问题，本文设计了一种基于YOLOv5s和改进质心跟踪的跌倒检测模型。为解决耗费资源问题，用MobileNetV3网络和Slim Neck模块对YOLOv5s进行轻量化，同时将MobileNetV3网络中的SE模块替换为更高效的ECA模块，降低网络复杂度的同时保持较高的精度。引入哈希感知算法改进质心跟踪，增加目标关联的依据，提高跌倒检测的准确性。实验结果显示改进YOLOv5s模型大小下降52.2%，计算量下降51.8%，精度高达90.3%。改进质心跟踪的跌倒检测模型准确率提高了4.3%。结果表明了本文提出模型的有效性和优越性。

关键词：跌倒检测;YOLOv5s;质心跟踪;Slim Neck;哈希感知算法

基金资助：国家重点研发计划(2016YFC0600906)、国家自然科学基金(61403129)项目资助