基于YOLOv8的多场景下的跌倒检测
骈璐璐
裴焕斗
张宇璇
中北大学仪器与电子学院 太原 030051;百信信息技术有限公司 太原 030006
摘要：为了解决跌倒检测算法精度差、检测速度慢以及检测背景单一的问题,提出了一种面向多种背景环境的改进的YOLOv8算法.将基准模型的颈部结构替换为BicFPN-PAN结构,通过对同层特征信息以及底层细节信息的重复利用以提高检测的精度,使用相加操作进行特征融合,保证模型轻量化;将基准模型骨干部分的C2f模块替换为GS2C模块,可以降低误检率,减少模型的参数量.经过实验,改进后的模型准确率提升了5.27%,mAP提升了2.83%,模型计算量减少了1%,与目前主流的YOLO系列算法对比,所改进的算法的效果更好.
关键词：深度学习跌倒检测注意力机制特征融合
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：5( 56-60 )
英文信息