400 128 6709

行业新闻

基于PaddleDetecion的跌倒检测

发布时间:2025-07-22点击次数:
该项目基于PaddleDetection2.0的YOLOv3(mobilenetv3主干)实现跌倒检测,可部署于医疗机构等场景。背景源于生活中常见跌倒场景。使用aistudio开源VOC格式跌倒检测数据集,通过PaddleX切分数据集。流程包括克隆仓库、安装依赖、配置文件、训练模型,还涉及错误图片处理,可进行评估与预测,结果存于work目录。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

基于paddledetecion的跌倒检测 -

【PaddleDetection2.0】

本项目通过使用PaddleDetection2.0中的YOLOv3(主干网络为mobilenetv3的轻量化模型),实现目标检测用于检测人体跌倒姿态,完善模型训练之后可以部署于医疗机构、社区监督或者家里有老人需要的场景需求,都可以进行使用。

【项目背景】

在我喜欢的B站UP主--《虫哥说电影》,讲解国产宫斗剧中经常发生的名场面:啊~我跌倒了,在生活中,老人摔倒受伤的情况常常发生,在野球场打球时,遇到被强有力防守盖帽摔倒,跌倒的场景无处不在,于是小白打算尝试做一个基于PaddleDetection的跌倒检测的项目(demo)

基于PaddleDetecion的跌倒检测 -        

【数据集简介】

使用了aistudio上的开源数据集,跌倒检测数据集Fall detection Datase,该数据集为VOC格式,由作者Niki_173制作,感谢大佬的数据集,利于同我一样的小白学习使用,可以通过调用PaddleX一键切分出自己想要的训练集、测试集、验证集,当然这也可以用PaddleX的全流程开发使用,感兴趣的xdm也可以试试

【快速上手】

1.克隆PaddleDetection仓库

In [ ]
#从gitee上克隆PaddleDetection! git clone https://gitee.com/paddlepaddle/PaddleDetection.git
    In [ ]
#安装paddlex!pip install paddlex
   

解压数据集,解压到PaddleDetection文件目录dataset的voc路径下(方便后面的config配置),如果不放在目录下会出现无法读取数据且无法识别数据类型的报错(先手动删除原来文件夹里的几个文件)

In [ ]
#用于解压数据集!unzip -oq /home/aistudio/data/data94809/pp_fall.zip -d PaddleDetection/dataset/voc
   

安装相关依赖包(不过我并没有使用,如果有别的构思的可以安装,然后编写自己的想法)

In [ ]
! pip install paddledet==2.0.1 -i https://mirror.baidu.com/pypi/simple
   

调用PaddleX切分数据集,下面是按7:2:1分解数据集、验证集、测试集

In [20]
#此处移动是满足VOC格式需求%cd ~
!mv PaddleDetection/dataset/voc/images PaddleDetection/dataset/voc/JPEGImages#更改下面的val/test的比例可以更改数据集划分的比例!paddlex --split_dataset --format VOC --dataset_dir PaddleDetection/dataset/voc --val_value 0.2 --test_value 0.1
       
/home/aistudio
mv: cannot stat 'PaddleDetection/dataset/voc/images': No such file or directory
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/setuptools/depends.py:2: DeprecationWarning: the imp module is deprecated in f*our of importlib; see the module's documentation for alternative uses
  import imp
Dataset Split Done.
Train samples: 1001
Eval samples: 285
Test samples: 142
Split files s*ed in PaddleDetection/dataset/voc
       

数据集是作者Niki_173自己制作的(作者的说明中表示有些图片的标签信息PD识别shape会有错误),感谢大佬精心的数据集,这也是在执行train.py文件后会报大概有10张图片有问题的原因,通过下面代码删除文件

如果执行训练时遇到类似)如下错误,不要慌张,就是报错图片未移除基于PaddleDetecion的跌倒检测 -        

In [ ]
import os# 把错误图片的数字依次删除。jpg/xml文件后,再次运行Paddlex的切分数据集命令#在模型训练时会出现报错,可以看到那些图片识别shape会报错file_name = "PaddleDetection/dataset/voc/JPEGImages/fall_137.jpg"if os.path.exists(file_name):
    os.remove(file_name)    print('成功删除文件:', file_name)else:    print('未找到此文件:', file_name)

file_name = "PaddleDetection/dataset/voc/Annotations/fall_137.xml"if os.path.exists(file_name):
    os.remove(file_name)    print('成功删除文件:', file_name)else:    print('未找到此文件:', file_name)
       
成功删除文件: PaddleDetection/dataset/voc/JPEGImages/fall_137.jpg
成功删除文件: PaddleDetection/dataset/voc/Annotations/fall_137.xml
       

'base/optimizer_270e.yml',主要说明了学习率和优化器的配置,以及设置epochs。在其他的训练的配置中,学习率和优化器是放在了一个新的配置文件中。

'../datasets/voc.yml'主要说明了训练数据和验证数据的路径,包括数据格式(coco、voc等)

'base/yolov3_reader.yml', 主要说明了读取后的预处理操作,比如resize、数据增强等等

SDCMS蓝色系列包装行业网站2.8.9 SDCMS蓝色系列包装行业网站2.8.9

SDCMS蓝色通用企业网站是基于SDCMS四合一企业网站管理系统开发的模板,适合企业站,带手机版。 SDCMS四网合一企业网站管理系统是一个以PHP+MySQL/Sqlite进行开发的四网合一网站源码。 SDCMS四网合一企业网站管理系统功能特点: 四网合一企业网站管理系统支持在线升级(支持跨版本)、插件在线安装、系统内置严格的过滤体系、可以有效应对安全检测报告。

SDCMS蓝色系列包装行业网站2.8.9 1 查看详情 SDCMS蓝色系列包装行业网站2.8.9

'base/yolov3_mobilenet_v3_large.yml',主要说明模型、和主干网络的情况说明。

'../runtime.yml',主要说明了公共的运行状态,比如说是否使用GPU、迭代轮数等等

配置voc.yml文件,PaddleDetection/configs/datasets/voc.yml

metric: VOCmap_type: 11pointnum_classes: 1TrainDataset:
  !VOCDataSet
    dataset_dir: dataset/voc
    anno_path: train_list.txt
    label_list: labels.txt
    data_fields: ['image', 'gt_bbox', 'gt_class', 'difficult']EvalDataset:
  !VOCDataSet
    dataset_dir: dataset/voc
    anno_path: val_list.txt
    label_list: labels.txt
    data_fields: ['image', 'gt_bbox', 'gt_class', 'difficult']TestDataset:
  !ImageFolder
    anno_path: dataset/voc/labels.txt
       

配置optimizer_270e.yml文件,PaddleDetection/configs/yolov3/base/optimizer_270e.yml

epoch: 200LearningRate:
  base_lr: 0.001
  schedulers:
  - !PiecewiseDecay
    gamma: 0.1
    milestones:
    - 216
    - 243
  - !LinearWarmup
    start_factor: 0.
    steps: 4000OptimizerBuilder:
  optimizer:
    momentum: 0.9
    type: Momentum
  regularizer:
    factor: 0.0005
    type: L2
       

配置完成后便可以开始训练

模型训练

In [18]
#如果报错就进入PaddleDetection目录再运行%cd PaddleDetection#如果还是出现无法找到文件错误,进入终端依次执行命令即可,或者直接把相对路径改为绝对路径就可以!python tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_ssld_270e_voc.yml
       
/home/aistudio/PaddleDetection
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/setuptools/depends.py:2: DeprecationWarning: the imp module is deprecated in f*our of importlib; see the module's documentation for alternative uses
  import imp
/home/aistudio/PaddleDetection/ppdet/data/reader.py:190: DeprecationWarning: The 'warn' method is deprecated, use 'warning' instead
  logger.warn("Shared memory size is less than 1G, "
[08/15 11:08:00] reader WARNING: Shared memory size is less than 1G, disable shared_memory in DataLoader
[08/15 11:08:01] ppdet.utils.checkpoint INFO: Finish loading model weights: /home/aistudio/.cache/paddle/weights/MobileNetV1_ssld_pretrained.pdparams
[08/15 11:08:10] ppdet.engine INFO: Epoch: [0] [  0/125] learning_rate: 0.000000 loss_xy: 2.628794 loss_wh: 4.712801 loss_obj: 4569.814453 loss_cls: 0.650645 loss: 4577.807129 eta: 3 days, 13:27:54 batch_cost: 9.1163 data_cost: 0.3383 ips: 0.8776 images/s
       

模型评估测试

In [ ]
%cd PaddleDetection
!export CUDA_VISIBLE_DEVICES=0!python  tools/eval.py -c configs/yolov3/yolov3_mobilenet_v1_ssld_270e_voc.yml
   

模型预测

预测结果在Paddledetdction目录下的work文件中

可以自己更改预测文件目录在测试集中任选其一预测

In [ ]
!export CUDA_VISIBLE_DEVICES=0!python tools/infer.py -c configs/yolov3/yolov3_mobilenet_v1_ssld_270e_voc.yml \
                    --infer_img=dataset/voc/JPEGImages/fall_1193.jpg \
                    --output_dir=work/ \
                    --draw_threshold=0.5 \
                    -o weights=output/yolov3_mobilenet_v1_ssld_270e_voc/model_final \
                    --use_vdl=False
   

模型预测结果

基于PaddleDetecion的跌倒检测 -        

以上就是基于PaddleDetecion的跌倒检测的详细内容,更多请关注其它相关文章!


# 企业网站  # 英文网站优化方案  # 网站建设500全包  # 咸宁seo排名方法  # seo 动态页面  # 云114推广服务营销  # 崇仁网站建设推广  # 咸宁手机关键词优化排名  # 营销推广中危机公关  # 郑州建设网站配色设计  # 月度营销推广总结范文  # 这也  # 放在  # 大佬  # 一言  # 说明了  # python  # 管理系统  # 报错  # 切分  # 中文网  # coco  # type  # fig  # udio  # igs  # red  # cos  # ai  # b站  # git 


相关栏目: 【 行业新闻62819 】 【 科技资讯67470


相关推荐: 建立元宇宙产业联盟:移动、咪咕、华为、小米等加入  人工智能写作检测工具不靠谱,美国宪法竟被认为是机器人写的  厂商陆续公布AI进展 完美世界游戏展示复合应用AI in GamePlay  科普:什么是AI大模型  PS AI修图免费平替来了!Stability AI又放大招,核弹级更新一键扩图  参考封面|人工智能“淘金热”  腾讯汤道生:大模型只是起点,产业落地是AI更大的应用场景  腾讯自主研发机器狗 Max 升级,可“奔跑跳跃”完成避障动作  微软向美国政府提供GPT大模型,如何保证安全性?  你们的开机第一屏画面要变了!安卓机器人首次3D化  日本学校探索引入 AI 和无人机:提高安保效率,节省劳动力  谷歌推出 SAIF 框架,倡导安全环境下探索和发展人工智能  比尔盖茨:AI确实存在风险,但可控  脑机接口产业联盟发布十大脑机接口关键技术  谷歌旗下 DeepMind 开发出 RoboCat AI 模型,能控制多种机器人执行一系列任务  Meta推出VR订阅服务Quest +:每月免费玩两款游戏,7.99美元/月  OpenAI更新GPT-4等模型,新增API函数调用,价格最高降75%  京东 AI 大模型官宣 7 月 13 日发布,还有重磅合作  全面拥抱大模型浪潮,ISC 2025打造全球首场AI数字安全峰会  苹果AI战略与微软谷歌大相径庭,到底是领先还是落后?  抖音在Android平台获得VR|直播|软件著作权  大模型新品出现井喷,AI产业迎来新时代  衡水市冀州中学机器人社团在世界机器人大赛中斩获佳绩  英伟达CEO宣称生成式AI已迎来“划时代时刻”  ​日媒:AI高效解析纳斯卡地画  学而思网校推出首个基于自研大模型的《人工智能第一课》  人工智能产业协同创新中心:全产业链资源在这里汇聚  大疆 Air 3 无人机售价和实物照片曝光  微软和谷歌面临的人工智能困境:需要投入大量资金才能获得盈利  WPS AI 官网上线:可申请体验官资格,支持 Windows、安卓端下载  AI绘画,还需要懂数学?  AI生成会议纪要 百度如流升级推出超级助手、智能编码等功能  新华三集团总裁兼首席执行官于英涛:人工智能时代需要想象力,更需要精耕务实  云鲸发布全新的扫拖机器人J4系列  看了天美对AI的布局,我感觉它想得是真明白  NTU、上海AI Lab整理300+论文:基于Transformer的视觉分割最新综述出炉  谷歌推出新 AI 工具 Imagen Editor,一句话对图片二次创作  Meta Connect 2025已确定时间为9月27-28,主题涵盖Quest 3与AI技术  Bing Chat 和 Bing Search 正式引入深色模式  杀入生成式AI的亚马逊云科技,能否再次生成未来?  如何用AI重塑你的工作流(一)  马斯克回应人工智能拯救世界:人类已处于“半机器人”状态  苹果在韩举办首届中小企业智能制造论坛,加速推动工业4.0发展  七大主流AI企业包括OpenAI、谷歌等联合承诺:引入水印技术,并允许第三方审核AI内容  引领AI变革,九章云极DataCanvas公司重磅发布AIFS+DataPilot  人工智能赋能无人驾驶:商业化进程再提速  乐天派AI桌面机器人提供的正能量情绪价值直接拉满,妥妥的治愈系  联想首发AI PC于今年秋季,英特尔CEO确认AI PC时代来临  2025世界人工智能大会成功召开  Adobe旗下Illustrator引入生成式AI工具Firefly 

400 128 6709
E-mail

contact@tlftec.cn

扫一扫,添加微信

©  云南淘乐房科技有限公司 版权所有  滇ICP备2025071560号  

云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司