基于改进YOLOv3的室内摔倒行为检测算法

摘要：

为解决独居老人摔倒情形能准确及时被家人发现问题,提出一种基于改进YOLOv3模型的实时摔倒检测算法.首先,利用残差模块构建图像快速特征提取网络,同时引入通道域注意力机制(SENet),实现对特征图的各个通道赋予不同的权重,提升模型检测准确性;其次,采用CIoU边界框回归损失函数,降低目标的漏检率;最后,通过迁移学习训练模型,分别对YOLOv3模型和改进YOLOv3模型进行训练和测试.实验结果表明,在模型检测精度和速度方面,改进YOLOv3模型优于YOLOv3模型,并且对摔倒行为能准确定位.该算法的AP值为92.1％,检测速度为35 f/s,具有良好的检测性能.

关键词：摔倒检测、残差模块、注意力机制、损失函数、迁移学习

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：温室环境多因素制约下无线传感器网络递阶滤波研究ZR2020MF071

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：132-137,149