首页|基于改进YOLO-tiny的摔倒检测算法及其应用

基于改进YOLO-tiny的摔倒检测算法及其应用

扫码查看
原文链接
  • 万方数据
  • 维普
针对无人看护的老人摔倒无法及时救治的问题,提出一种基于嵌入式平台的实时摔倒检测算法.该算法以YOLOv3-tiny为基础,使用Ghostnet(幻影网络)替换主干网络,并添加改进的CBAM(Convolutional Block Attention Module)模块,具体操作是将CBAM中通道注意力模块中最大池化层替换为一维卷积模块,并将空间注意力模块中大卷积核替换为混合空洞卷积模块.其次修改IOU(交并比函数)为CIOU,同时对自制数据集的锚框进行K-means算法聚类得到最优尺寸的先验框.改进后的算法YOLOv3-tiny-GC模型移植到NVIDIA TX2开发板,并嵌入机器人端用于实地测试.实验表明,本文方法在平均检测精度上mAP(Mean Average Precision)相较于YOLOv3-tiny提升了3.8%,FPS达到29.2.算法模型在精度提升的同时,检测速度也满足嵌入式平台的实时摔倒检测需求.

陈何磊

展开 >

中通服咨询设计研究院有限公司

YOLOv3-tiny 摔倒检测 机器人 注意力机制 实时检测

2024

江苏通信
江苏省通信学会

江苏通信

影响因子：0.062
ISSN：1007-9513
年,卷(期)：2024.40(6)