人工智能计算机视觉预训练模型系列第 9 期：跌倒检测模型实测记录

跌倒检测属于目标检测任务。模型不仅要判断画面中是否存在跌倒行为，还要给出跌倒人员所在的位置，这对后续告警、事件追踪、人工复核和视频流分析都很关键。 本次训练与测试使用 RTX 3080 显卡，数据集共包含 7780 张图片，约 2.9 万个目标。其中训练集包含 5445 张图片、约 2.0 万个目标；验证集包含 1557 张图片、约 0.6 万个目标；测试集包含 778 张图片、约 0.3 万个目标。 | 项目 | 内容 | | --- | --- | | 系列期数 | 第 9 期 | | 本期主题 | 跌倒检测 | | 任务类型 | 目标检测 | | 显卡型号 | RTX 3080 | | 数据集规模 | 7780 张图片，约 2.9 万个目标 | | 训练集规模 | 5445 张图片，约 2.0 万个目标 | | 验证集规模 | 1557 张图片，约 0.6 万个目标 | | 测试集规模 | 778 张图片，约 0.3 万个目标 | 下面是本次跌倒检测任务的训练输入数据样例。跌倒姿态往往会受到拍摄角度、人体遮挡、地面背景和目标尺度变化影响，因此训练样本的多样性会直接影响模型的泛化表现。  验证预测样例可以帮助我们观察模型在批量图片中的框选效果。对于跌倒检测来说，检测框是否稳定、是否能覆盖关键人体姿态，是判断模型是否具备工程验证价值的重要依据。 

YOLOv5s 是本期记录的第一种跌倒检测模型。该模型包含 157 层网络，约 7M 参数，计算量为 15.8 GFLOPs，模型文件大小约 14 MB。它的特点是结构轻量、推理速度快，适合先用于摄像头视频流、边缘设备和低延迟告警场景的工程验证。 训练配置方面，YOLOv5s 的 batch size 为 64，训练 1183 个 epoch，总训练时间约 53 小时。评估结果中，Precision 为 0.74，Recall 为 0.69，mAP50 为 0.71。对于跌倒检测这类姿态变化明显、场景差异较大的任务，这些指标可以作为后续数据补充和模型迭代的基线。 | 项目 | YOLOv5s | | --- | --- | | 网络层数 | 157 层 | | 参数量 | 7M | | 计算量 | 15.8 GFLOPs | | 模型文件 | 14 MB | | batch size | 64 | | epoch | 1183 | | 训练时间 | 53 小时 | | Precision | 0.74 | | Recall | 0.69 | | mAP50 | 0.71 | | 推理显存 | 368 MB | 下面是 YOLOv5s 训练过程中的损失与指标变化趋势。通过训练曲线，可以观察模型在训练过程中的收敛状态，以及指标是否在后期趋于稳定。  推理性能方面，YOLOv5s 在 GPU 上单张图片推理 5.7 毫秒，后处理 1.2 毫秒，总计约 6.9 毫秒；在 CPU 上推理 79.7 毫秒，后处理 12.4 毫秒，总计约 92.1 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 5.7 ms | 1.2 ms | 6.9 ms | | CPU | 79.7 ms | 12.4 ms | 92.1 ms | 下面是本次测试使用的原始图片。单张测试图可以帮助我们直观看到模型在具体画面中的目标定位效果。  YOLOv5s 的测试结果如下。可以结合原图观察检测框是否覆盖跌倒人员区域，以及模型在该样本中的定位表现。 

YOLO26s 是本期记录的第二种跌倒检测模型。该模型包含 260 层网络，约 10M 参数，计算量为 22.5 GFLOPs，模型文件大小约 20 MB。它同样面向目标检测任务，可用于跌倒识别、异常姿态检测和视频流安全分析等场景。 训练配置方面，YOLO26s 的 batch size 为 48，训练 1691 个 epoch，总训练时间约 133 小时。评估结果中，Precision 为 0.97，Recall 为 0.96，mAP50 为 0.99，说明模型在本次跌倒检测数据集上具备较高的识别与定位能力。 | 项目 | YOLO26s | | --- | --- | | 网络层数 | 260 层 | | 参数量 | 10M | | 计算量 | 22.5 GFLOPs | | 模型文件 | 20 MB | | batch size | 48 | | epoch | 1691 | | 训练时间 | 133 小时 | | Precision | 0.97 | | Recall | 0.96 | | mAP50 | 0.99 | | 推理显存 | 366 MB | 下面是 YOLO26s 训练过程中的损失与指标变化趋势。对工程项目而言，训练曲线不仅用于展示结果，也方便后续复盘训练轮次、数据质量和模型收敛状态。  推理性能方面，YOLO26s 在 GPU 上单张图片推理 6.6 毫秒，后处理 1.6 毫秒，总计约 8.2 毫秒；在 CPU 上推理 132.8 毫秒，后处理 43.0 毫秒，总计约 175.8 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 6.6 ms | 1.6 ms | 8.2 ms | | CPU | 132.8 ms | 43.0 ms | 175.8 ms | YOLO26s 的测试结果如下。部署前还需要继续放到连续视频流、不同摄像头角度、不同光照和真实遮挡场景中验证稳定性。 

跌倒检测看似只是“识别一个人是否倒地”，但真正落地时，模型需要面对弯腰、坐下、躺卧、遮挡、画面模糊和摄像头角度变化等复杂情况。指标很重要，实时性也同样重要；单张图片效果直观，连续视频流里的稳定性更决定实际可用性。 从本次记录可以看到，轻量级跌倒检测模型已经能够在较低显存占用和毫秒级 GPU 推理时间下完成目标检测任务。对于智慧养老、医院病房、工厂园区、公共空间安全巡检等场景，这类模型适合作为工程部署的起点，再结合现场数据持续优化。 如果你正在做跌倒检测、异常行为识别或边缘 AI 部署，你最关心的是误报率、漏报率、实时告警速度，还是不同摄像头场景下的稳定性？欢迎把你的应用场景和最想解决的问题留下来，我们可以在后续文章里继续拆解。