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。