yolov5 摔倒检测 跌倒识别检测_跌倒检测

一、摔倒检测

识别摔倒准确来说应使用人体姿态检测，通过判断前后帧的人体关键点的坐标变化来判断人是否摔倒，使用openpose或者mmpose进行摔倒检测有两个问题：
第一，后处理算法比较复杂，openpose和其他关键点检测模型只是给出人体各个器官的点位坐标，而具体需要识别什么，就要自行通过这些坐标进行算法设计，比如引体向上计数，可以通过判断头部节点与肘部节点的坐标进行判断计数，对于摔倒，可以通过判断视频前后帧的头部，腰部等关节点进行检测，判断是否摔倒，如：

在算法设计上是一件比较复杂的事情，要考虑会不会对坐下或者蹲下系鞋带的人进行误判，上图是mmpose进行检测，按视频效果，很难分离坐下和摔倒；

第二个问题，mmpose不同于yolo，SSD等目标检测模型，在视频中进行关节点检测的速度要小于目标检测，即使在边缘计算的盒子上进行部署，也很难对人群进行大规模的关键点检测和判断，因此关键点检测常用于智能运动检测等小规模人群场景，图上所示是先使用yolo进行预判断，比如当人体框的比例发生变化时，预先判断可能摔倒了，再进行mmpose检测判断，节约了一定的资源。

既然yolo可以预检测，为什么不用yolo直接检测呢？ 按照这个思路，应该找几组人体不同形态的数据集，如【站立，坐，蹲，摔倒】，但实际上这样也会有两个问题，一，数据集不好找，很难有这么准确的数据集，除非自己采集数据集自己标定； 二，在有数据集的情况下，yolo的检测属于静态检测，相当于对视频中的每张图进行分类，而不是像openpose那样对比前后帧，对于摔倒检测，非常容易发生误判，如：

旁边的垃圾堆也被识别成了摔倒；

如果配合yolo5s进行后处理算法，那么就可以大大提高识别的准确率，基本不会发生误判了，如：

视频效果：
https://www.bilibili.com/video/BV1zY4y1E7t7?spm_id_from=333.999.0.0&vd_source=010a1f844fceab534b5e5a3819178604

代码链接：
https://download.csdn.net/download/h4934560/86086672?spm=1001.2014.3001.5501
可直接运行，包含训练好的权重文件和测试视频，也可替换自己的视频或者接入摄像头