改进后的YOLOv5用于跌倒行为检测 |
| |
引用本文: | 张振亚,何明艳,王萍.改进后的YOLOv5用于跌倒行为检测[J].安庆师范学院学报(自然科学版),2023(1):72-78. |
| |
作者姓名: | 张振亚 何明艳 王萍 |
| |
作者单位: | 安徽建筑大学电子与信息工程学院 |
| |
基金项目: | 安徽省高校自然科学研究重点项目(KJ2020A0470); |
| |
摘 要: | 随着全球人口老龄化不断加剧,由于跌倒致死的比例也随之增加,及时发现跌倒行为对降低死亡风险至关重要。针对现有跌倒检测算法在实际应用场景中出现漏检、准确率低等问题,本文将改进后的YOLOv5目标检测方法用于跌倒行为检测。具体改进措施:将YOLOv5的边界框损失函数GIoU更换为α-IoU;引入卷积块注意力机制模块(CBAM),使网络可以更专注地学习跌倒特征;在特征融合层引入加权双向特征金字塔网络结构(BiFPN)以充分利用不同尺度的特征,从而提高检测精度。实验结果表明,改进的YOLOv5模型对跌倒行为的检测精度mAP达到了98.8%,比改进前提高了4%,满足对实际应用场景下跌倒检测的要求。
|
关 键 词: | 计算机视觉 跌倒检测 YOLOv5 α-IoU 加权双向特征金字塔 卷积块注意力机制 |
|
|