一种融合运动特征的行人跌倒检测算法.pdfVIP

计算机测量与控制.2025.33（2）设计与应用

:212:ComputerMeasurementControl

DOI:10.16526/ki.11-4762/tp.2025.02.027中图分类号：TP183;TP391.41文献标识码：A

文章编号：1671-4598(2025)02-0212-09

一种融合运动特征的行人跌倒检测算法

李凯，曹建荣，尚

为硕，韩发通，庄园

（山东建筑大学信息与电气工程学院，济南250101）

摘要：针对传统跌倒检测算法局限于单顿图像判断而未充分利用行人时序运动特征的问题，提出了一种融合运动特

征的行人跌倒检测算法；在YOLOv8n的主干网络中引入ECA注意力机制，在Neck中用GSConv代替常规卷积提高行

人检测的精度；为了避免多行人之间的特征发生混淆，使用DeepSort目标跟踪算法进行行人跟踪，独立提取行人的运动

特征；分类阶段设置一个固定长度的队列来存储行人运动特征值，利用提前训练好的1DCNN进行跌倒识别；实验证明，

在VOC2007测试集上，改进后的YOLOv8n模型比改进前的mAP增加1.5%，参数量减少2.97%；跌倒检测算法在

URFall数据集上实现了97.8%的准确率；在自建的多行人数据集上实现92.91%准确率。

关键词：深度学习；YOLO；目标检测；运动特征；跌倒检测

PedestrianFallDetectionAlgorithmIntegratingMotionFeatures

LIKai,CAOJianrong,SHANGShuo,HANFatong,ZHUANGYuan

(SchoolofInformationandElectricalEngineering,ShandongJianzhuUniversity,Jinan250101,China)

Abstract:Aimingattheproblemthattraditionalfalldetectionalgorithmsarelimitedtosingle-frameimagejudgmentand

donotfullyutilizethetemporalmotioncharacteristicsofpedestrians,apedestrianfalldetectionalgorithmthatintegratesmo-

tionfeaturesisproposed;theefficientchannelattention(ECA)attentionmechanismisintroducedintothebackbonenetwork

ofYOLOv8n,andtheGSConvisreplacedbyconventionalconvolutionintheNecktoimprovetheaccuracyofpedestriande-

tection;Inordertoavoidfeatureconfusionamongmultiplepedestrians,theDeepSorttargettrackingalgorithmisusedto

trackpedestriansandindependentlyextractthemotionfeaturesofpedestrians;Intheclassificationstage,afixed-length

queueissettostorethefeaturevaluesofpedestrianmotion,andtheIDCNNtrainedinadvanceisusedfor