第25卷第1期重庆科技学院学报(自然科学版)2023年2月基于改进YOLOv5s的老人跌倒识别算法研究雷亮尹衍伟梁明辉秦兰瑶和圆圆张文萍林津平(重庆科技学院智能技术与工程学院，重庆401331)收稿日期:2022－08－12基金项目:重庆市自然科学基金项目“基于石墨烯和量子点的直读式红外探测机理研究”(CSTC2018JCYJAX0519);2021年重庆市属本科高校与中科院所属院所合作项目“工业互联网内生安全关键技术研究与协同创新”(HZ2021015)作者简介:雷亮(1973—)，男，博士，教授，研究方向为人工智能、图像检索、模式识别。摘要:为应对人口老龄化加剧带来的老年人居家安全问题，提出了一种实时准确的跌倒识别算法。目前基于计算机视觉的跌倒检测主要存在跌倒类间相似性大、监控角度相对固定而跌倒角度多变、特征提取困难、难以联系图像依赖关系等问题。为此，采用同一动作8个拍摄角度的数据集，使模型能够充分学习到多种特征;将所有跌倒行为归为一类，总类别数为二分类;改进原网络的候选框、添加CC－Net、改进非极大值抑制算法，进行分类训练，并对训练好的模型进行对比评估。实验结果表明，该方法的平均准确率比YOLOv4和YOLOv5s模型分别提高了5．9%和2．6%，比SSD算法提高了11.1%，能够基本满足检测需求。关键词:跌倒检测;跌倒姿态;类间相似性;CC－Net;实时检测中图分类号:TP391文献标识码:A文章编号:1673－1980(2023)01－0085－060前言国家统计局数据显示，步入21世纪后，我国人口老龄化危机逐渐加重。截至2021年底，我国老年人口占总人口的18．9%，已经超过幼年及少儿人口在总人口中的比例，同时空巢老人人口数量也在急剧增加［1］。中国疾病监测系统的数据显示，我国老人因伤致病的主要原因是不慎跌倒。我国超过20%的老人跌倒会造成重大伤害，即使是身体健康的老人，也会有17%的概率因跌倒而致重大病患［2］。据统计，我国每年有近4000万老人跌倒，其中有40%～70%的跌倒伤害需要医治，进而导致缩短老人5～10年的预期寿命［3］。因此，如何快速准确地检测出老人的跌倒行为并及时采取救治措施已经成为一个备受关注的社会热点问题。目前，国内外学者们对跌倒检测技术进行了广泛研究。周闯等人采用3层的BP神经网络作为跌倒检测模型，设计了一种基于加速度、角速度和足底压力的多传感器跌倒检测系统［4］。陈冉提出了基于MEMS传感器的跌倒检测方法，通过对人体行为状态的识别进行跌倒检测［5］。陶文元利用通过可穿戴惯性传感单元采集的人体活动信息，进行人体跌倒行为...
