基于改进 YOLOv7的室内摔倒行为检测

• 作者: 陈华艳 张晓滨 西安工程大学计算机科学学院
• 来源期刊: 计算机测量与控制
• 学科: 医学
• 关键词: 摔倒检测;YOLOv7网络模型;下采样;鲁棒特征下采样;CoordAttention注意力机制
• 年，卷（期）: 2025,（12）
• 页码范围: 35-42,87
• 页数: 9页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2024.12.006

摘要

针对室内监控视频中老年人摔倒行为的检测问题，提出一种基于改进YOLOv7网络模型的实时摔倒行为检测算法；基于YOLOv7的目标检测模型传统使用跨步卷积来实现下采样特征，但这可能会使目标信息的特征模糊；为了解决这个问题，引入了新的下采样模块——鲁棒特征下采样，以改善下采样过程中目标信息特征的清晰度；此外，通过在网络的concat部分引入CoordAttention注意力机制，可更好地融合拼接后的特征图；实验结果表明，改进后的YOLOv7模型在摔倒行为检测方面具有较高的准确率和检测性能，准确率达到98.88%,mAP50值达到98.83%,mAP50∶95值达到74.12%;这意味着该算法可以准确地检测老年人的摔倒行为，家人能够及时地发现，以便及时采取必要的救助措施。