基于YOLOv8s改进的居家跌倒行为检测算法
叶智国
熊盛佳
吴章云
杜远飞
吴传宇
陈仕国
福建农林大学 福建 福州 350002
摘要：室内环境中,因摄像机拍摄角度多变、光线条件不稳定,导致老年人跌倒状况难以精准识别,为此,文章提出了一种基于YOLOv8s改进的RRS-YOLO算法.在Backbone层,采用基于GELAN的模块改进C2f模块,以获取更丰富特征信息,同时减少计算量和内存消耗.在Neck层,采用重参数加权双向特征金字塔网络,融合不同特征层,提升检测准确性和鲁棒性.检测头部分引入DWConv和SaE自编码器,关注小目标和遮挡目标,提高整体性能.实验显示,RRS-YOLO算法参数量降低19.4%,计算量降低9.2%,mAP@0.5 提升 2.1%.该算法不仅降低了模型参数量,还显著提升了跌倒检测速度与精度,有助于完善养老服务体系,提升老年人生活安全性和幸福感.
关键词：跌倒检测YOLOv8sRGELANRSBiPANSD
资助基金：国家重点研发计划(2022YFF1202400)
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 3-7 )