基于改进YOLOv7的室内摔倒行为检测

来源：计算机测量与控制杂志2024年第12期北京时间：

作者：陈华艳,张晓滨

单位：西安工程大学 计算机科学学院

摘要：针对室内监控视频中老年人摔倒行为的检测问题，提出一种基于改进 YOLOv7 网络模型的实时摔倒行为检测算法。基于YOLOv7的目标检测模型传统使用跨步卷积来实现下采样特征，但这可能会使目标信息的特征模糊。为了解决这个问题，引入了新的下采样模块——鲁棒特征下采样，以改善下采样过程中目标信息特征的清晰度。此外，通过在网络的 concat 部分引入 CoordAttention 注意力机制，可更好地融合拼接后的特征图。实验结果表明，改进后的YOLOv7模型在摔倒行为检测方面具有较高的准确率和检测性能，准确率达到98.88%，mAP50值达到98.83%，mAP50-95值达到74.12%。这意味着该算法可以准确地检测老年人的摔倒行为，家人能够及时地发现，以便及时采取必要的救助措施。

关键词：YOLOv7网络模型;摔倒检测;下采样;鲁棒特征下采样;CoordAttention注意力机制

基金资助：空