改进YOLOX的轻量级人体跌倒检测算法

来源：电子测量技术杂志2023年第10期北京时间：

作者：龙艺文，闵宣霖，陈奕兆，罗欢，刘洪，易军

单位：1.重庆科技学院智能技术与工程学院 重庆 401331; 2.重庆科技学院安全工程学院 重庆 401331

摘要：针对边缘计算设备算力和存储空间有限的问题，提出了一种基于YOLOX改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低YOLOX中Neck和Prediction层的卷积参数冗余；其次，在Neck层中添加坐标注意力机制，增强关键信息提取能力，减少背景带来的噪音影响；最后，针对轻量级模型检测头检测能力不足问题，引入辅助头模块以加强轻量检测头的学习能力。通过算法检测性能以及在边缘计算端NVIDIA Jetson Xavier NX运行实验，结果显示，所提模型的mAP@05达到849%，且模型大小为256 MB。相较于YOLOX模型，仅以牺牲少量推理速度提升了46%的检测精度，减少了254%的模型大小，另外与一些主流目标检测算法相比，也具有一定的优越性。这些结果表明所提模型能够更好地满足边缘计算设备在人体跌倒检测中对轻量化和准确性的需求。

关键词：跌倒检测;边缘计算;YOLOX;鬼影模块;坐标注意力;辅助头模块

基金资助：油气生产安全与风险控制重庆市重点实验室开放基金(CQSRC202115)、重庆科技学院硕士研究生创新计划项目(YKJCX2120809)资助