基于改进YOLOv5s的跌倒行为检测

来源：计算机测量与控制杂志2024年第10期北京时间：

作者：朱正林,钱予阳,马辰宇,王悦炜,史腾

单位：南京工程学院 能源与动力工程学院

摘要：为了实现电厂人员跌倒行为的实时检测，防止跌倒昏迷而无法及时发现并救援的事件发生，针对跌倒行为检测实时性以及特征提取能力不足的问题，提出了一种改进YOLOv5s的跌倒行为检测算法网络：在YOLOv5s模型中引入SKAttention注意力模块，使得网络可以自动地利用对分类有效的感受野捕捉到的信息，这种新的深层结构允许CNN在卷积核心上执行动态选择机制，从而自适应地调整其感受野的大小；同时结合ASFF自适应空间融合，并在其中充分利用不同特征，又在算法中引入权重参数，以多层次功能为基础，实现了水下目标识别精度提升的目标；加入空间金字塔池化结构SPPFCSPC，大大缩短了推理时间。实验结果表明，相比于原始YOLOv5s，新网络在mAP平均精度均值方面提升了2.1%，查全率提升了16%。改进后的网络在感知细节和空间建模方面更加强大，能够更准确地捕捉到人员跌倒的异常行为，检测效果有了显著提升。

关键词：SKAttention注意力模块;卷积核;ASFF;权重参数 ;空间金字塔池化

基金资助：江苏省产学研合作项目（BY2019013）