一种融合运动特征的行人跌倒检测算法

来源：计算机测量与控制杂志2025年第2期北京时间：

作者：李凯,曹建荣,尚硕,韩发通,庄园

单位：山东建筑大学 信息与电气工程学院

摘要：针对传统跌倒检测算法局限于单帧图像判断而未充分利用行人时序运动特征的问题，提出了一种融合运动特征的行人跌倒检测算法；在YOLOv8n的主干网络中引入ECA注意力机制，在Neck中用GSConv代替常规卷积提高行人检测的精度；为了避免多行人之间的特征发生混淆，使用DeepSort目标跟踪算法进行行人跟踪，独立提取行人的运动特征；分类阶段设置一个固定长度的队列来存储行人运动特征值，利用提前训练好的1DCNN进行跌倒识别。实验证明，在VOC2007测试集上，改进后的YOLOv8n模型比改进前的mAP增加1.5%，参数量减少2.97%；跌倒检测算法在UR Fall数据集上实现了97.8%的准确率；在自建的多行人数据集上实现92.91%准确率。

关键词：深度学习;YOLO;目标检测;运动特征;跌倒检测

基金资助：山东省重点研发计划(No.2019GSF111054),国家自然科学基金(62073196,U1806204)