基于改进YOLOv8的复杂场景跌倒检测算法

作     者：曹萌迪 杨梦凡 王留毅 王东洋 CAO Mengdi;YANG Mengfan;WANG Liuyi;WANG Dongyang

作者机构：华北水利水电大学河南郑州450046 河南水利与环境职业学院河南郑州450008 

出 版 物：《现代信息科技》 (Modern Information Technology)

年 卷 期：2025年第9卷第5期

页      码：66-71页

摘      要：针对由于光照变化、人员密集以及人体形态被遮挡等因素导致跌倒检测精度低、实时性差的问题,文章提出了一种基于改进YOLOv8的复杂场景跌倒检测算法:SLG-YOLO。设计了SC模块并嵌入C2f模块,利用边缘检测算法来提取跌倒行为的边缘特征,在SPPF模块引入Large Separable Kernel Attention(LSKA)注意力机制,利用大型可分离卷积捕捉图像广泛的上下文信息,在增强对于重要特征关注度的同时不会增加计算复杂度;同时,采用Gather and Distribute(GD)机制,结合3D卷积的多尺度特征序列融合方法,取代原有的Neck部分,提升了模型对于复杂场景和不同尺度目标的检测精度。实验结果表明,在参数量和计算量为6.2 M和10.7 FLOPs的基础上,SLG-YOLO跌倒检测算法与YOLOv8相比,准确率提升了2.2%,召回率提升了3.0%,mAP@0.5提升了3.6%,mAP@0.5:0.95提升了3.1%。

主 题 词：跌倒检测 边缘检测 注意力机制 YOLOv8 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19850/j.cnki.2096-4706.2025.05.012

馆 藏 号：203158208...