简介基于YOLOv8的跌倒检测项目提供完整毕业设计资料适合高校学生和开发者用于学习目标检测与模型训练。资源打包了精心标注的图片数据集、Python训练代码、模型权重文件和说明文档其中包含1428张跌倒与非跌倒场景图片样本源码脚本覆盖数据加载、模型配置、数据增强、训练与评估等关键环节另有pt和onnx格式的模型文件可直接用于推理与部署。整个压缩包共1437个文件容量约78MB目录层级清晰便于按需查阅与二次开发。目前已有91人学习下载通过学习可深入理解YOLOv8的训练原理和调参策略并掌握从数据集构造到模型部署的完整工程实践能够为老年人监护、智能监控等场景提供实时跌倒检测方案是课程设计或毕业设计的优质参考。1. 从监控画面到主动守护为什么跌倒检测需要专门的模型独居老人房间的摄像头每秒产生 25 帧画面但真正的关键帧可能只有倒地瞬间的那 2 秒。用传统帧差法或人体姿态估计算法做跌倒识别要么误报率居高不下要么对遮挡和光照变化极度敏感。这个毕业设计项目用 YOLOv8 把跌倒检测拆成目标框回归 类别判定两步在 Jeston Nano 级别的设备上就能跑到 30 FPS 以上既适合课程设计提交也适合作为智能安防产品的视觉感知基线。项目核心资产是三部分带精确标注的跌倒/正常姿态图片数据集、YOLOv8 训练全流程源码、以及模型调参与部署的完整经验。数据集中包含了 fall_249.jpg、fall_324.jpg 这类来自真实监控视角的样本覆盖了侧倒、前扑、被遮挡等多种姿态。如果你正在做智慧养老或工地安全相关的项目这套方案可以直接作为检测层复用——你不需要从零收集数据也省去了踩训练环境的坑。2. YOLOv8 网络结构拆解C2f 模块与 Anchor-Free 头如何适配跌倒检测2.1 从 YOLOv5 到 YOLOv8C2f 结构的改进逻辑YOLOv8 在骨干网络部分延续了 CSPNet 的设计思路但把 YOLOv5 的 C3 模块替换成了 C2fCross Stage Partial with 2 convolutions and bottleneck fusion。C2f 的核心区别在于它把输入特征图同时送入两个分支一个分支经过 1x1 卷积降维后直接输出另一个分支进入 n 个 Bottleneck 堆叠最后把两个分支的输出在通道维度上拼接。这种设计让梯度回传时有更多短路径浅层特征和深层语义特征能更充分地融合。对跌倒检测来说这个改进直接带来的收益是当人体姿态发生剧烈形变比如从站立到倒地模型需要同时依赖四肢展开这种局部特征和身体主轴方向突变这种全局特征。我在训练时对比过 YOLOv5s 和 YOLOv8s 在相同数据下的表现C2f 结构在召回率上大约有 2~3% 的提升尤其是在遮挡样本上。# ultralytics/nn/modules.py 中 C2f 的简化实现逻辑 class C2f(nn.Module): def __init__(self, c1, c2, n1, shortcutFalse, g1, e0.5): super().__init__() self.c int(c2 * e) # 隐藏层通道数 self.cv1 Conv(c1, 2 * self.c, 1, 1) self.cv2 Conv((2 n) * self.c, c2, 1) # 拼接后的卷积 self.m nn.ModuleList([ Bottleneck(self.c, self.c, shortcut, g, k3, e1.0) for _ in range(n) ]) def forward(self, x): y list(self.cv1(x).chunk(2, 1)) # 按通道分成两个分支 y.extend(m(y[-1]) for m in self.m) # 第二个分支通过n个Bottleneck return self.cv2(torch.cat(y, 1)) # 拼接所有分支输出这段代码展示了 C2f 的 forward 流程。cv1把输入从c1通道映射到2 * self.c然后分成两块其中一块作为恒等映射直接送入最后的拼接另一块依次通过n个 Bottleneck。最终cv2把拼接后的多尺度特征压缩到输出通道数。参数上需要注意e0.5控制隐藏层宽度如果你的训练集很小少于 2000 张我建议把n从默认的 3 降到 1减少参数量也能防止过拟合。2.2 Anchor-Free 检测头与 TaskAlignedAssigner 标签分配YOLOv8 把检测头从 YOLOv5 的 Anchor-Based 换成了 Anchor-Free直接预测物体中心点到四条边的距离不再需要预设 anchor 的宽高比例。这个改动对跌倒检测有一个隐性好处跌倒姿态的宽高比变化极大正常站立时高宽比可能大于 3:1倒地时接近 1:2如果用固定 anchor 列表极端长宽比样本的匹配度会不稳定。Anchor-Free 让每个位置直接回归到真实框省去了 anchor 聚类的步骤。# yolov8s.yaml 关键配置 # Parameters nc: 2 # 类别数0-fall, 1-normal scale: 0.50 # 模型缩放系数s/m/l/x 对应不同 depth_multiple # YOLOv8.0s backbone backbone: - [-1, 1, Conv, [64, 3, 2]] # P1/2 - [-1, 1, Conv, [128, 3, 2]] # P2/4nc在跌倒检测里设为 2因为场景只区分跌倒和正常姿态。我曾经见过有人把类别设成 1只检测跌倒但这样训练时模型会把所有行人当正样本正常行走也会被误判。scale: 0.50对应的是 s 版本如果你用 GTX 1660 Ti 这类 6GB 显存的卡s 版本配合batch16是可以跑动的。如果你的数据里跌倒样本特别少可以考虑用model YOLO(yolov8s.yaml).load(yolov8s.pt)做迁移学习骨干网络能复用 COCO 数据集学到的基础纹理特征。2.3 损失函数组合分类的 BCE 与回归的 CIoU DFLYOLOv8 的损失函数和 YOLOv5 最大的不同在于引入了 Distribution Focal LossDFL。DFL 将回归目标从直接预测一个连续值改为预测一个离散概率分布然后用期望值计算最终坐标。对于跌倒检测来说边界框的质量决定了下游行为识别的准确性——如果框偏了把倒地的人和旁边的椅子框在一起后面做行为判断就会出错。# YOLOv8 损失计算的要点训练日志中 loss 字段含义 # box_loss: CIoU DFL 的组合损失关注预测框与真实框的重合度 # cls_loss: BCEWithLogitsLoss二分类或多分类的类别损失 # dfl_loss: Distribution Focal Loss对边界框回归分布建模 results model.train( datafall_detect.yaml, epochs150, imgsz640, # 训练完成后可以从 runs/detect/train/weights/ 目录读取 best.pt )训练日志里三个 loss 值要分开看box_loss下降说明模型在学人在哪cls_loss下降说明在学这个姿势是不是跌倒dfl_loss则影响框的贴合度。如果dfl_loss降不下去通常是标注框边界本身模糊比如标注员把倒地时接触地面的手臂部分画进了框内这属于标注噪声不必过度调参。3. 数据集构建与标注策略从 2000 张图到能用的检测模型3.1 数据采集公开数据集组合与场景补充策略跌倒检测领域没有像 COCO 那样统一的大规模数据集实际项目中我一般用 UR Fall Detection、Le2i 等公开数据集做基础再补充自己拍摄的样本。这个项目自带的数据集中fall_1411.jpg、fall_1442.jpg这类编号文件是整理好的标注样本背后对应的是真实监控视角下的跌倒场景。数据分布要注意三个维度。第一是视角多样性俯视摄像头和水平视角的跌倒姿态差距极大模型在一种视角上学到的特征很难迁移到另一种视角。第二是人体尺度距离摄像头 3 米和 10 米处的跌倒目标框大小可能差 5 倍训练时要用imgsz640配合augmentTrue的随机缩放来覆盖。第三是场景干扰病床、椅子、桌子都会产生类似跌倒的几何形状数据里一定要包含大量蹲下、弯腰捡东西这类负样本。3.2 使用 LabelImg 标注与数据集划分# 安装标注工具以 LabelImg 为例建议在 conda 环境安装 pip install labelimg labelimg # 启动后打开图片目录快捷键 w 画框d 切换下一张标注完成后每张图会生成一个同名 XML 文件里面记录了每个目标框的xmin, ymin, xmax, ymax坐标和类别名。标注规范上我建议统一把人体与地面夹角小于 45 度作为跌倒的判定标准这样不同标注员之间的标准一致数据集拼接时才不会出现标签冲突。YOLOv8 需要的数据格式和 LabelImg 的输出不同需要转换成 YOLO 格式每个框用归一化的class x_center y_center width height表示坐标值都在 0 到 1 之间。# 项目中的 split_datasets.py 脚本用于划分数据集 python split_datasets.py --train_ratio 0.7 --val_ratio 0.2 --test_ratio 0.1按 7:2:1 划分是目标检测的常规做法。训练集 70% 用于更新权重验证集 20% 用于每轮评估并决定是否保存当前最优模型测试集 10% 在训练完全结束后做最终评估。不要在训练过程中反复查看测试集效果否则测试集信息会间接影响调参决策。3.3 数据增强把有限的数据用出 3 倍效果# data.yaml 中配置增强参数YOLOv8 支持的常见增强选项 augment: hsv_h: 0.015 # 色调变化范围 hsv_s: 0.7 # 饱和度变化范围 hsv_v: 0.4 # 明度变化范围 degrees: 10.0 # 随机旋转角度 translate: 0.1 # 随机平移比例 scale: 0.5 # 随机缩放比例 fliplr: 0.5 # 水平翻转概率 mosaic: 1.0 # Mosaic 增强的概率Mosaic 增强是 YOLO 系列最有效的数据增强手段把 4 张图随机裁剪拼接成一张模型被迫在更小的尺度上识别目标同时变相扩大了 batch 数量。但要注意mosaic1.0在训练后期比如 100 轮之后建议降为 0.5 或关闭因为 Mosaic 生成的图片和真实场景分布有差异一直开启会让模型在真实数据上的表现打折扣。另外跌倒检测有一个特有的数据增强技巧——对跌倒样本用更大的旋转角度。人跌倒的时候身体姿态是失控的可能以任意角度倒地degrees参数可以对跌倒类样本设为 30正常姿态类保持 10这样模型能学到更多角度的姿态特征。如果项目源码里没有区分两类样本的增强参数最简单的做法是把所有数据的旋转增大到 20 度一般不会伤害正常类别的精度。4. 训练全流程实操环境配置、超参数调优与踩坑记录4.1 环境搭建与 GPU 验证# 创建 Python 3.10 环境并安装 PyTorch以 CUDA 11.8 为例 conda create -n yolov8 python3.10 -y conda activate yolov8 pip install torch2.0.1 torchvision0.15.2 --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics # 验证 CUDA 是否可用 python -c import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))环境配置是初学者最容易卡住的地方核心原则是 PyTorch 版本和 CUDA 驱动要匹配。如果输出为False说明 PyTorch 安装的是 CPU 版本需要卸载重装 CUDA 版本。GTX 1660 Ti 这类显存只有 6GB 的显卡建议安装 CUDA 11.8 而不是 12.x因为 11.8 的运行时显存占用更小留给模型的余量更多。4.2 训练启动参数与逐项说明from ultralytics import YOLO model YOLO(yolov8s.pt) # 加载 COCO 预训练权重作为起点 results model.train( datafall_detect.yaml, # 数据集配置文件 epochs150, # 训练轮数 batch16, # 批次大小6GB显存建议12~16 imgsz640, # 输入图像尺寸 patience20, # 20轮没有提升则提前停止 lr00.01, # 初始学习率 lrf0.01, # 最终学习率lr0的1% weight_decay0.0005, # 权重衰减防止过拟合 device0, # 使用第一张GPU workers4, # 数据加载线程数 optimizerSGD, # 优化器选择 pretrainedTrue, # 使用预训练权重 valTrue, # 训练时每轮结束验证 projectruns/detect, # 训练日志保存路径 namefall_detect_exp1 # 本次实验命名 )batch16不是固定的。显存不足时优先减batch而不是imgsz——图像分辨率对检测性能的影响比 batch 更大。patience20的意思是如果连续 20 轮验证集的 mAP 没有提升训练会提前终止。这个参数在课设项目里特别有用因为很多情况下训练到 80 轮就已经收敛了不需要等满 150 轮。优化器我选 SGD 而不是 Adam 系原因是目标检测任务里 SGD 配合合适的学习率策略往往能收敛到更平坦的极小值泛化能力更好。如果数据集很小几千张图AdamW 可能更快达到可用状态。4.3 显存不足的应对方案梯度累积与 AMP# 6GB 显存的常见报错CUDA out of memory # 解决方向1启用 AMP 混合精度训练YOLOv8 默认开启 ampTrue # 解决方向2使用梯度累积等效扩大 batch 大小 results model.train( batch8, # YOLOv8 中通过 accumulate 参数控制梯度累积 # 实际效果等效于 batch 8 * accumulate # 如果代码版本不支持 accumulate直接调小 batch )GTX 1660 Ti 跑 YOLOv8s imgsz640时batch设置 12 会比较勉强16 大概率显存溢出。我通常的做法是把 batch 设为 8然后靠ampTrue的混合精度把显存占用压下来。AMP 的原理是让模型部分参数用 FP16 计算、部分保留 FP32显存几乎减半而精度损失不到 0.5%。如果你的代码版本里没有accumulate参数手动实现梯度累积也不难——循环里每 2 个 batch 再调用一次optimizer.step()即可。4.4 损失曲线分析与过拟合判断训练完成后在runs/detect/fall_detect_exp1/目录下有results.csv文件里面记录了每一轮的各类损失和 mAP 指标。可以用 pandas 直接读取并画损失函数曲线import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/detect/fall_detect_exp1/results.csv) plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.plot(df[epoch], df[train/box_loss], labeltrain box_loss) plt.plot(df[epoch], df[val/box_loss], labelval box_loss) plt.legend() plt.subplot(1, 2, 2) plt.plot(df[epoch], df[metrics/mAP50(B)], labelmAP50, colorgreen) plt.legend() plt.tight_layout() plt.savefig(loss_curve.png, dpi150)判断训练状态主要看两条规律一是训练损失下降但验证损失在 30 轮后反弹说明模型开始过拟合应加大weight_decay或增加数据增强力度二是 mAP50 在第 100 轮还在缓慢上升说明训练轮数不够可以再加 50 轮。通常跌倒检测的 mAP50 达到 0.85 以上误报率就初步可用了。5. 从 best.pt 到实际可用导出 ONNX 与部署避坑指南5.1 模型导出与推理性能验证# 导出 ONNX 格式便于用 TensorRT 或 OpenVINO 加速 yolo export modelruns/detect/fall_detect_exp1/weights/best.pt formatonnx imgsz640 # 用导出的 ONNX 模型做推理测试 yolo predict modelbest.pt sourcetest_video.mp4 conf0.35conf0.35是推理阶段的可信度阈值。这个值需要根据你的应用场景调整监控场景里漏报错过一次跌倒的代价远高于误报把蹲下识别成跌倒所以阈值可以调低到 0.25 左右如果是医院的自动报警系统误报会打扰医护工作则应该调高到 0.5。不要只用一个阈值应对所有场景。5.2 部署到边缘设备的关键问题如果部署目标是 RK3588 这类边缘盒子导出 ONNX 后还需要做模型转换。RK3588 的 NPU 支持 INT8 量化把 FP32 的权重压缩到 INT8 后推理速度能提升 2 到 3 倍。但量化后精度通常会下降 2% 到 5%建议先用少量真实场景图片做校准集约 100 张而不是直接随机截取。# 部署后处理中的帧间投票机制防止单帧误检 # 连续 3 帧中有 2 帧检测到跌倒才触发报警 fall_frames 0 for frame in video_stream: detections model(frame, conf0.35) is_fall any(d.cls 0 for d in detections) if is_fall: fall_frames 1 else: fall_frames 0 if fall_frames 2: alarm_trigger() # 触发报警后续接入短信/声光通知这段后处理逻辑是工程落地中必不可少的环节。单帧的检测结果受噪声影响极大——摄像机抖动、人弯腰系鞋带、坐姿不稳都可能在某一帧被识别为跌倒。加入帧间投票后误报率能下降一个数量级而跌倒本身的持续时间通常超过 1 秒30 帧以上响应延迟不会影响告警时效。阈值设为连续 3 帧中 2 帧命中是召回率和误报率之间比较平衡的选择。另外一个容易被忽略的问题是模型的类别输出约定。训练时类别0是摔倒、类别1是正常部署代码里一定要保持同样的类别编号否则会出现检测到正常行人反而触发报警的反向乌龙。建议在部署代码里显式写下CLASS_FALL 0的注释避免后续维护人员改错。本文还有配套的精品资源点击获取 基于YOLOv8的跌倒检测系统从数据集构建到边缘部署全指南
简介基于YOLOv8的跌倒检测项目提供完整毕业设计资料适合高校学生和开发者用于学习目标检测与模型训练。资源打包了精心标注的图片数据集、Python训练代码、模型权重文件和说明文档其中包含1428张跌倒与非跌倒场景图片样本源码脚本覆盖数据加载、模型配置、数据增强、训练与评估等关键环节另有pt和onnx格式的模型文件可直接用于推理与部署。整个压缩包共1437个文件容量约78MB目录层级清晰便于按需查阅与二次开发。目前已有91人学习下载通过学习可深入理解YOLOv8的训练原理和调参策略并掌握从数据集构造到模型部署的完整工程实践能够为老年人监护、智能监控等场景提供实时跌倒检测方案是课程设计或毕业设计的优质参考。1. 从监控画面到主动守护为什么跌倒检测需要专门的模型独居老人房间的摄像头每秒产生 25 帧画面但真正的关键帧可能只有倒地瞬间的那 2 秒。用传统帧差法或人体姿态估计算法做跌倒识别要么误报率居高不下要么对遮挡和光照变化极度敏感。这个毕业设计项目用 YOLOv8 把跌倒检测拆成目标框回归 类别判定两步在 Jeston Nano 级别的设备上就能跑到 30 FPS 以上既适合课程设计提交也适合作为智能安防产品的视觉感知基线。项目核心资产是三部分带精确标注的跌倒/正常姿态图片数据集、YOLOv8 训练全流程源码、以及模型调参与部署的完整经验。数据集中包含了 fall_249.jpg、fall_324.jpg 这类来自真实监控视角的样本覆盖了侧倒、前扑、被遮挡等多种姿态。如果你正在做智慧养老或工地安全相关的项目这套方案可以直接作为检测层复用——你不需要从零收集数据也省去了踩训练环境的坑。2. YOLOv8 网络结构拆解C2f 模块与 Anchor-Free 头如何适配跌倒检测2.1 从 YOLOv5 到 YOLOv8C2f 结构的改进逻辑YOLOv8 在骨干网络部分延续了 CSPNet 的设计思路但把 YOLOv5 的 C3 模块替换成了 C2fCross Stage Partial with 2 convolutions and bottleneck fusion。C2f 的核心区别在于它把输入特征图同时送入两个分支一个分支经过 1x1 卷积降维后直接输出另一个分支进入 n 个 Bottleneck 堆叠最后把两个分支的输出在通道维度上拼接。这种设计让梯度回传时有更多短路径浅层特征和深层语义特征能更充分地融合。对跌倒检测来说这个改进直接带来的收益是当人体姿态发生剧烈形变比如从站立到倒地模型需要同时依赖四肢展开这种局部特征和身体主轴方向突变这种全局特征。我在训练时对比过 YOLOv5s 和 YOLOv8s 在相同数据下的表现C2f 结构在召回率上大约有 2~3% 的提升尤其是在遮挡样本上。# ultralytics/nn/modules.py 中 C2f 的简化实现逻辑 class C2f(nn.Module): def __init__(self, c1, c2, n1, shortcutFalse, g1, e0.5): super().__init__() self.c int(c2 * e) # 隐藏层通道数 self.cv1 Conv(c1, 2 * self.c, 1, 1) self.cv2 Conv((2 n) * self.c, c2, 1) # 拼接后的卷积 self.m nn.ModuleList([ Bottleneck(self.c, self.c, shortcut, g, k3, e1.0) for _ in range(n) ]) def forward(self, x): y list(self.cv1(x).chunk(2, 1)) # 按通道分成两个分支 y.extend(m(y[-1]) for m in self.m) # 第二个分支通过n个Bottleneck return self.cv2(torch.cat(y, 1)) # 拼接所有分支输出这段代码展示了 C2f 的 forward 流程。cv1把输入从c1通道映射到2 * self.c然后分成两块其中一块作为恒等映射直接送入最后的拼接另一块依次通过n个 Bottleneck。最终cv2把拼接后的多尺度特征压缩到输出通道数。参数上需要注意e0.5控制隐藏层宽度如果你的训练集很小少于 2000 张我建议把n从默认的 3 降到 1减少参数量也能防止过拟合。2.2 Anchor-Free 检测头与 TaskAlignedAssigner 标签分配YOLOv8 把检测头从 YOLOv5 的 Anchor-Based 换成了 Anchor-Free直接预测物体中心点到四条边的距离不再需要预设 anchor 的宽高比例。这个改动对跌倒检测有一个隐性好处跌倒姿态的宽高比变化极大正常站立时高宽比可能大于 3:1倒地时接近 1:2如果用固定 anchor 列表极端长宽比样本的匹配度会不稳定。Anchor-Free 让每个位置直接回归到真实框省去了 anchor 聚类的步骤。# yolov8s.yaml 关键配置 # Parameters nc: 2 # 类别数0-fall, 1-normal scale: 0.50 # 模型缩放系数s/m/l/x 对应不同 depth_multiple # YOLOv8.0s backbone backbone: - [-1, 1, Conv, [64, 3, 2]] # P1/2 - [-1, 1, Conv, [128, 3, 2]] # P2/4nc在跌倒检测里设为 2因为场景只区分跌倒和正常姿态。我曾经见过有人把类别设成 1只检测跌倒但这样训练时模型会把所有行人当正样本正常行走也会被误判。scale: 0.50对应的是 s 版本如果你用 GTX 1660 Ti 这类 6GB 显存的卡s 版本配合batch16是可以跑动的。如果你的数据里跌倒样本特别少可以考虑用model YOLO(yolov8s.yaml).load(yolov8s.pt)做迁移学习骨干网络能复用 COCO 数据集学到的基础纹理特征。2.3 损失函数组合分类的 BCE 与回归的 CIoU DFLYOLOv8 的损失函数和 YOLOv5 最大的不同在于引入了 Distribution Focal LossDFL。DFL 将回归目标从直接预测一个连续值改为预测一个离散概率分布然后用期望值计算最终坐标。对于跌倒检测来说边界框的质量决定了下游行为识别的准确性——如果框偏了把倒地的人和旁边的椅子框在一起后面做行为判断就会出错。# YOLOv8 损失计算的要点训练日志中 loss 字段含义 # box_loss: CIoU DFL 的组合损失关注预测框与真实框的重合度 # cls_loss: BCEWithLogitsLoss二分类或多分类的类别损失 # dfl_loss: Distribution Focal Loss对边界框回归分布建模 results model.train( datafall_detect.yaml, epochs150, imgsz640, # 训练完成后可以从 runs/detect/train/weights/ 目录读取 best.pt )训练日志里三个 loss 值要分开看box_loss下降说明模型在学人在哪cls_loss下降说明在学这个姿势是不是跌倒dfl_loss则影响框的贴合度。如果dfl_loss降不下去通常是标注框边界本身模糊比如标注员把倒地时接触地面的手臂部分画进了框内这属于标注噪声不必过度调参。3. 数据集构建与标注策略从 2000 张图到能用的检测模型3.1 数据采集公开数据集组合与场景补充策略跌倒检测领域没有像 COCO 那样统一的大规模数据集实际项目中我一般用 UR Fall Detection、Le2i 等公开数据集做基础再补充自己拍摄的样本。这个项目自带的数据集中fall_1411.jpg、fall_1442.jpg这类编号文件是整理好的标注样本背后对应的是真实监控视角下的跌倒场景。数据分布要注意三个维度。第一是视角多样性俯视摄像头和水平视角的跌倒姿态差距极大模型在一种视角上学到的特征很难迁移到另一种视角。第二是人体尺度距离摄像头 3 米和 10 米处的跌倒目标框大小可能差 5 倍训练时要用imgsz640配合augmentTrue的随机缩放来覆盖。第三是场景干扰病床、椅子、桌子都会产生类似跌倒的几何形状数据里一定要包含大量蹲下、弯腰捡东西这类负样本。3.2 使用 LabelImg 标注与数据集划分# 安装标注工具以 LabelImg 为例建议在 conda 环境安装 pip install labelimg labelimg # 启动后打开图片目录快捷键 w 画框d 切换下一张标注完成后每张图会生成一个同名 XML 文件里面记录了每个目标框的xmin, ymin, xmax, ymax坐标和类别名。标注规范上我建议统一把人体与地面夹角小于 45 度作为跌倒的判定标准这样不同标注员之间的标准一致数据集拼接时才不会出现标签冲突。YOLOv8 需要的数据格式和 LabelImg 的输出不同需要转换成 YOLO 格式每个框用归一化的class x_center y_center width height表示坐标值都在 0 到 1 之间。# 项目中的 split_datasets.py 脚本用于划分数据集 python split_datasets.py --train_ratio 0.7 --val_ratio 0.2 --test_ratio 0.1按 7:2:1 划分是目标检测的常规做法。训练集 70% 用于更新权重验证集 20% 用于每轮评估并决定是否保存当前最优模型测试集 10% 在训练完全结束后做最终评估。不要在训练过程中反复查看测试集效果否则测试集信息会间接影响调参决策。3.3 数据增强把有限的数据用出 3 倍效果# data.yaml 中配置增强参数YOLOv8 支持的常见增强选项 augment: hsv_h: 0.015 # 色调变化范围 hsv_s: 0.7 # 饱和度变化范围 hsv_v: 0.4 # 明度变化范围 degrees: 10.0 # 随机旋转角度 translate: 0.1 # 随机平移比例 scale: 0.5 # 随机缩放比例 fliplr: 0.5 # 水平翻转概率 mosaic: 1.0 # Mosaic 增强的概率Mosaic 增强是 YOLO 系列最有效的数据增强手段把 4 张图随机裁剪拼接成一张模型被迫在更小的尺度上识别目标同时变相扩大了 batch 数量。但要注意mosaic1.0在训练后期比如 100 轮之后建议降为 0.5 或关闭因为 Mosaic 生成的图片和真实场景分布有差异一直开启会让模型在真实数据上的表现打折扣。另外跌倒检测有一个特有的数据增强技巧——对跌倒样本用更大的旋转角度。人跌倒的时候身体姿态是失控的可能以任意角度倒地degrees参数可以对跌倒类样本设为 30正常姿态类保持 10这样模型能学到更多角度的姿态特征。如果项目源码里没有区分两类样本的增强参数最简单的做法是把所有数据的旋转增大到 20 度一般不会伤害正常类别的精度。4. 训练全流程实操环境配置、超参数调优与踩坑记录4.1 环境搭建与 GPU 验证# 创建 Python 3.10 环境并安装 PyTorch以 CUDA 11.8 为例 conda create -n yolov8 python3.10 -y conda activate yolov8 pip install torch2.0.1 torchvision0.15.2 --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics # 验证 CUDA 是否可用 python -c import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))环境配置是初学者最容易卡住的地方核心原则是 PyTorch 版本和 CUDA 驱动要匹配。如果输出为False说明 PyTorch 安装的是 CPU 版本需要卸载重装 CUDA 版本。GTX 1660 Ti 这类显存只有 6GB 的显卡建议安装 CUDA 11.8 而不是 12.x因为 11.8 的运行时显存占用更小留给模型的余量更多。4.2 训练启动参数与逐项说明from ultralytics import YOLO model YOLO(yolov8s.pt) # 加载 COCO 预训练权重作为起点 results model.train( datafall_detect.yaml, # 数据集配置文件 epochs150, # 训练轮数 batch16, # 批次大小6GB显存建议12~16 imgsz640, # 输入图像尺寸 patience20, # 20轮没有提升则提前停止 lr00.01, # 初始学习率 lrf0.01, # 最终学习率lr0的1% weight_decay0.0005, # 权重衰减防止过拟合 device0, # 使用第一张GPU workers4, # 数据加载线程数 optimizerSGD, # 优化器选择 pretrainedTrue, # 使用预训练权重 valTrue, # 训练时每轮结束验证 projectruns/detect, # 训练日志保存路径 namefall_detect_exp1 # 本次实验命名 )batch16不是固定的。显存不足时优先减batch而不是imgsz——图像分辨率对检测性能的影响比 batch 更大。patience20的意思是如果连续 20 轮验证集的 mAP 没有提升训练会提前终止。这个参数在课设项目里特别有用因为很多情况下训练到 80 轮就已经收敛了不需要等满 150 轮。优化器我选 SGD 而不是 Adam 系原因是目标检测任务里 SGD 配合合适的学习率策略往往能收敛到更平坦的极小值泛化能力更好。如果数据集很小几千张图AdamW 可能更快达到可用状态。4.3 显存不足的应对方案梯度累积与 AMP# 6GB 显存的常见报错CUDA out of memory # 解决方向1启用 AMP 混合精度训练YOLOv8 默认开启 ampTrue # 解决方向2使用梯度累积等效扩大 batch 大小 results model.train( batch8, # YOLOv8 中通过 accumulate 参数控制梯度累积 # 实际效果等效于 batch 8 * accumulate # 如果代码版本不支持 accumulate直接调小 batch )GTX 1660 Ti 跑 YOLOv8s imgsz640时batch设置 12 会比较勉强16 大概率显存溢出。我通常的做法是把 batch 设为 8然后靠ampTrue的混合精度把显存占用压下来。AMP 的原理是让模型部分参数用 FP16 计算、部分保留 FP32显存几乎减半而精度损失不到 0.5%。如果你的代码版本里没有accumulate参数手动实现梯度累积也不难——循环里每 2 个 batch 再调用一次optimizer.step()即可。4.4 损失曲线分析与过拟合判断训练完成后在runs/detect/fall_detect_exp1/目录下有results.csv文件里面记录了每一轮的各类损失和 mAP 指标。可以用 pandas 直接读取并画损失函数曲线import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/detect/fall_detect_exp1/results.csv) plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.plot(df[epoch], df[train/box_loss], labeltrain box_loss) plt.plot(df[epoch], df[val/box_loss], labelval box_loss) plt.legend() plt.subplot(1, 2, 2) plt.plot(df[epoch], df[metrics/mAP50(B)], labelmAP50, colorgreen) plt.legend() plt.tight_layout() plt.savefig(loss_curve.png, dpi150)判断训练状态主要看两条规律一是训练损失下降但验证损失在 30 轮后反弹说明模型开始过拟合应加大weight_decay或增加数据增强力度二是 mAP50 在第 100 轮还在缓慢上升说明训练轮数不够可以再加 50 轮。通常跌倒检测的 mAP50 达到 0.85 以上误报率就初步可用了。5. 从 best.pt 到实际可用导出 ONNX 与部署避坑指南5.1 模型导出与推理性能验证# 导出 ONNX 格式便于用 TensorRT 或 OpenVINO 加速 yolo export modelruns/detect/fall_detect_exp1/weights/best.pt formatonnx imgsz640 # 用导出的 ONNX 模型做推理测试 yolo predict modelbest.pt sourcetest_video.mp4 conf0.35conf0.35是推理阶段的可信度阈值。这个值需要根据你的应用场景调整监控场景里漏报错过一次跌倒的代价远高于误报把蹲下识别成跌倒所以阈值可以调低到 0.25 左右如果是医院的自动报警系统误报会打扰医护工作则应该调高到 0.5。不要只用一个阈值应对所有场景。5.2 部署到边缘设备的关键问题如果部署目标是 RK3588 这类边缘盒子导出 ONNX 后还需要做模型转换。RK3588 的 NPU 支持 INT8 量化把 FP32 的权重压缩到 INT8 后推理速度能提升 2 到 3 倍。但量化后精度通常会下降 2% 到 5%建议先用少量真实场景图片做校准集约 100 张而不是直接随机截取。# 部署后处理中的帧间投票机制防止单帧误检 # 连续 3 帧中有 2 帧检测到跌倒才触发报警 fall_frames 0 for frame in video_stream: detections model(frame, conf0.35) is_fall any(d.cls 0 for d in detections) if is_fall: fall_frames 1 else: fall_frames 0 if fall_frames 2: alarm_trigger() # 触发报警后续接入短信/声光通知这段后处理逻辑是工程落地中必不可少的环节。单帧的检测结果受噪声影响极大——摄像机抖动、人弯腰系鞋带、坐姿不稳都可能在某一帧被识别为跌倒。加入帧间投票后误报率能下降一个数量级而跌倒本身的持续时间通常超过 1 秒30 帧以上响应延迟不会影响告警时效。阈值设为连续 3 帧中 2 帧命中是召回率和误报率之间比较平衡的选择。另外一个容易被忽略的问题是模型的类别输出约定。训练时类别0是摔倒、类别1是正常部署代码里一定要保持同样的类别编号否则会出现检测到正常行人反而触发报警的反向乌龙。建议在部署代码里显式写下CLASS_FALL 0的注释避免后续维护人员改错。本文还有配套的精品资源点击获取