简介这份资源是面向计算机视觉初学者与智能安防开发者的YOLOv5摔倒检测完整源码包可用于老人监护、体育赛事监控及公共安全监控等场景的算法学习与二次开发。压缩包共1721个文件约678.44MB以1264个txt标签文件、183张jpg图像、178个xml标注、22个yaml配置、21个py脚本及16段mp4视频为主另含pt权重、Dockerfile与ipynb教程覆盖数据加载、模型定义、训练与测试四大模块。源码涉及Focal Loss、SPP-Block与PANet等关键结构并配有数据增强与训练策略便于读者理解摔倒检测从数据预处理到模型评估的完整链路。目前已有3511人学习下载适合希望掌握实时目标检测落地思路、快速搭建摔倒识别系统的读者参考。1. 摔倒检测为什么总在“躺下”和“跌倒”之间翻车摔倒检测这件事听起来像是目标检测的常规应用但真正落地过的人都知道它比想象中难缠。YOLOv5 摔倒检测源码在网上能找到不少但拿过来直接跑你会发现模型把“蹲下系鞋带”“弯腰捡东西”“躺沙发”统统识别成摔倒误报率高得离谱。这不是模型不行而是摔倒这个动作本身在单帧图像里和“躺”“蹲”“坐”高度相似缺乏时序信息时YOLOv5 只能靠人体框的宽高比和位置去猜。我最初做这个方向是因为一个养老院场景的需求摄像头要能自动发现老人跌倒并报警。当时试了三套开源方案两套直接翻车一套勉强能用但延迟高。后来我意识到YOLOv5 摔倒检测源码的核心价值不在于“检测摔倒”这个结果而在于它提供了一套可训练、可替换、可部署的框架——你可以换数据集、改后处理逻辑、加时序判断最终让它在你的场景里稳定工作。这篇文章面向两类人一是手里已经有 YOLOv5 基础、想把它用到摔倒检测上的工程师二是拿到一份摔倒检测源码但不知道怎么调、怎么改、怎么部署的开发者。我会从数据标注、训练参数、后处理逻辑、部署踩坑四个层面把“能跑”和“能用”之间的差距讲清楚。如果你正在搜“yolov5摔倒检测源码”希望拿到的不是一份跑完就完的 demo而是一套能改、能调、能上线的方案那接下来的内容会对你有用。2. 摔倒检测数据集怎么标、怎么转、怎么划分2.1 摔倒检测的数据集从哪来怎么标才不白干公开的摔倒检测数据集不多常见的有 UR Fall Detection Dataset、Le2i Fall Detection Dataset还有部分来自 AI Challenger 和 COCO 的跌倒子集。但这些数据集普遍存在两个问题一是场景单一多为实验室或走廊背景干净二是标注格式不统一有的给帧级标签有的给视频级标签直接拿来训 YOLOv5 需要大量清洗。我一般会先明确标注策略摔倒检测在 YOLOv5 里通常按两类标——fall和person。person类标所有站立、行走、坐着的人fall类标摔倒过程中和摔倒后的人。注意摔倒后的“躺地”状态也要标成fall否则模型学不会“躺地摔倒”这个映射。但这样会带来一个问题如果有人正常躺在地上休息也会被标成fall导致误报。解决办法是在数据集中加入“正常躺卧”的负样本标成person让模型学会区分“主动躺下”和“被动摔倒”。标注工具用 LabelImg 或 CVAT 都行输出 YOLO 格式的 txt 文件。每张图对应一个 txt每行格式为class_id x_center y_center width height坐标归一化到 0~1。这里有个血泪经验摔倒瞬间的人体框往往不是标准矩形尤其是侧摔时人体呈对角线分布框会拉得很长。如果标注时框得太紧训练时模型会学到“长条框摔倒”的捷径换到其他场景就翻车。建议框稍微放宽一点包含整个身体轮廓但不要框到背景。# 数据集目录结构建议 fall_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamldata.yaml是 YOLOv5 训练时的数据配置文件内容如下# data.yaml path: ./fall_dataset train: images/train val: images/val test: images/test nc: 2 names: [person, fall]nc是类别数names按索引顺序对应类别名。注意person和fall的顺序不要写反否则训练出来的模型会把摔倒的人标成person把站着的人标成fall这种低级错误我见过不止一次。2.2 把视频数据转成 YOLOv5 可训练的帧抽帧策略与脚本很多摔倒检测数据是视频格式需要抽帧成图片。抽帧不是随便抽抽多了冗余抽少了漏掉摔倒瞬间。我一般用“运动触发抽帧”先用背景减除或帧差法检测画面中是否有大幅运动有运动时以 5~10 FPS 抽帧无运动时以 1 FPS 抽帧。这样既能覆盖摔倒过程又不会让数据集被静止画面撑爆。import cv2 import os def extract_frames(video_path, output_dir, motion_threshold5000): 运动触发抽帧有运动时高频抽帧无运动时低频抽帧 video_path: 输入视频路径 output_dir: 输出图片目录 motion_threshold: 运动像素阈值超过则视为有运动 cap cv2.VideoCapture(video_path) os.makedirs(output_dir, exist_okTrue) prev_frame None frame_idx 0 saved_idx 0 while True: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) gray cv2.GaussianBlur(gray, (21, 21), 0) if prev_frame is not None: diff cv2.absdiff(prev_frame, gray) _, thresh cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY) motion_pixels cv2.countNonZero(thresh) # 有运动时每2帧存一张无运动时每30帧存一张 if motion_pixels motion_threshold: if frame_idx % 2 0: cv2.imwrite(f{output_dir}/frame_{saved_idx:06d}.jpg, frame) saved_idx 1 else: if frame_idx % 30 0: cv2.imwrite(f{output_dir}/frame_{saved_idx:06d}.jpg, frame) saved_idx 1 prev_frame gray frame_idx 1 cap.release() print(f共保存 {saved_idx} 帧)这段脚本的核心逻辑是用帧差法计算运动像素数超过阈值说明画面有动作此时提高抽帧频率否则降低频率。motion_threshold需要根据视频分辨率调整1080P 视频一般设在 3000~8000 之间。抽完帧后记得人工过一遍把模糊、重复、无关的帧删掉否则训练时 loss 会震荡得让你怀疑人生。2.3 训练集、验证集、测试集怎么分才不泄露划分数据集时最大的坑是“同一视频的帧同时出现在训练集和验证集”。因为相邻帧高度相似模型在训练集见过第 100 帧验证集里第 101 帧几乎一样验证指标会虚高实际部署时性能暴跌。正确做法是按视频划分同一视频的所有帧只进一个集合。通常训练集占 70%验证集 15%测试集 15%。如果视频数量少可以用 5 折交叉验证但每一折都要保证视频不跨集合。import os import random import shutil def split_by_video(video_frames_dict, output_dir, train_ratio0.7, val_ratio0.15): 按视频划分数据集避免同一视频的帧跨集合 video_frames_dict: {video_name: [frame_paths]} videos list(video_frames_dict.keys()) random.shuffle(videos) train_videos videos[:int(len(videos) * train_ratio)] val_videos videos[int(len(videos) * train_ratio):int(len(videos) * (train_ratio val_ratio))] test_videos videos[int(len(videos) * (train_ratio val_ratio)):] for split, video_list in [(train, train_videos), (val, val_videos), (test, test_videos)]: for video in video_list: for frame_path in video_frames_dict[video]: # 复制图片和对应的标注文件到对应目录 dst_img os.path.join(output_dir, images, split, os.path.basename(frame_path)) dst_lbl os.path.join(output_dir, labels, split, os.path.basename(frame_path).replace(.jpg, .txt)) shutil.copy(frame_path, dst_img) if os.path.exists(frame_path.replace(.jpg, .txt)): shutil.copy(frame_path.replace(.jpg, .txt), dst_lbl)这个脚本的关键是video_frames_dict的构建先遍历所有视频记录每个视频抽出的帧路径然后按视频名 shuffle 后切分。这样能保证同一视频的帧不会同时出现在训练集和验证集。如果你拿到的源码里没有这个逻辑大概率验证指标是假的部署时必翻车。3. YOLOv5 摔倒检测训练参数怎么设、模型怎么选3.1 选 yolov5s 还是 yolov5m摔倒检测的模型规模权衡YOLOv5 有 s、m、l、x 四个主要版本参数量和精度依次递增。摔倒检测场景下我一般推荐从yolov5s开始原因是摔倒检测的输入分辨率通常不高640×640 足够目标类别只有 2 类场景相对固定yolov5s的容量已经够用。如果你用yolov5x训练时间翻倍推理速度降到 10 FPS 以下嵌入式设备根本跑不动。但yolov5s有个问题对小目标和遮挡场景的检测能力偏弱。如果摄像头架得高人在画面里只占几十个像素yolov5s可能会漏检。这时候可以换yolov5m或者保持yolov5s但把输入分辨率提到 1280。我的经验是先跑yolov5s 640看验证集召回率如果低于 0.85再考虑换模型或提分辨率。不要一上来就上大模型训练慢、部署难调参周期长容易半途而废。# 训练命令示例 python train.py \ --img 640 \ --batch 16 \ --epochs 100 \ --data fall_dataset/data.yaml \ --weights yolov5s.pt \ --cfg models/yolov5s.yaml \ --hyp data/hyps/hyp.scratch-low.yaml \ --name fall_yolov5s \ --cache--img 640是输入分辨率--batch 16是批次大小显存不够就降到 8。--weights yolov5s.pt是预训练权重从 COCO 上迁移过来能加快收敛。--hyp是超参数配置文件摔倒检测建议用hyp.scratch-low.yaml因为数据集规模通常不大低学习率增强能防止过拟合。--cache把图片缓存到内存加快训练速度但内存小于 16G 就别开。3.2 摔倒检测的训练超参数学习率、锚框、数据增强怎么调YOLOv5 的默认超参数是针对 COCO 数据集调的直接拿来训摔倒检测效果往往一般。需要重点调三个地方学习率、锚框、数据增强。学习率方面hyp.scratch-low.yaml里lr0默认是 0.01如果数据集小于 5000 张建议降到 0.001否则 loss 容易震荡。lrf是最终学习率因子默认 0.01保持即可。锚框方面YOLOv5 默认锚框是基于 COCO 的摔倒检测的人体框宽高比差异大建议用kmeans重新聚类生成锚框import numpy as np def kmeans_anchors(bboxes, k9, iterations100): 对标注框做 kmeans 聚类生成适配数据集的锚框 bboxes: numpy array, shape (N, 2), 每行是 (width, height) np.random.seed(42) indices np.random.choice(len(bboxes), k, replaceFalse) centroids bboxes[indices] for _ in range(iterations): distances np.sqrt(((bboxes[:, np.newaxis] - centroids) ** 2).sum(axis2)) labels distances.argmin(axis1) for i in range(k): if np.sum(labels i) 0: centroids[i] bboxes[labels i].mean(axis0) # 按面积排序 areas centroids[:, 0] * centroids[:, 1] sorted_idx np.argsort(areas) return centroids[sorted_idx]把聚类结果按 YOLOv5 格式写进yolov5s.yaml的anchors字段。注意锚框要归一化到特征图尺度具体计算方式是锚框宽高除以对应特征图的步长8、16、32。这一步如果搞错训练时框回归会完全乱掉。数据增强方面摔倒检测要慎用mosaic。mosaic会把四张图拼成一张容易把摔倒的人拼到奇怪的位置导致模型学到错误的上下文。建议把mosaic概率降到 0.5 以下或者关闭。flipud上下翻转也要慎用因为摔倒的人上下翻转后变成“倒立”不符合物理规律。fliplr左右翻转可以保留概率 0.5。3.3 训练过程怎么看loss 曲线、mAP、混淆矩阵的解读训练启动后YOLOv5 会在runs/train/下生成结果目录里面有results.csv、confusion_matrix.png、val_batch0_pred.jpg等文件。重点看三个指标box_loss、obj_loss、mAP0.5。box_loss下降说明框回归在收敛如果震荡剧烈检查锚框和学习率。obj_loss下降说明模型在学会区分前景和背景如果一直很高可能是负样本太少或标注质量差。mAP0.5是主要精度指标摔倒检测一般要求fall类的 AP 在 0.85 以上才算可用。如果person类 AP 高但fall类 AP 低说明模型对摔倒特征学得不够需要增加摔倒样本或调整损失权重。混淆矩阵能看出误报方向。如果person被大量预测成fall说明模型把“站立”和“摔倒”搞混了需要加入更多站立负样本。如果fall被预测成person说明摔倒样本不够或标注不一致。我一般会在训练 50 epoch 后看一次混淆矩阵根据结果决定是否补充数据或调整超参数。# 用 tensorboard 查看训练曲线 tensorboard --logdir runs/train如果mAP0.5在 30 epoch 后不再上升而box_loss还在降说明模型过拟合了可以提前停止训练用最佳权重。YOLOv5 默认保存best.pt和last.pt部署时用best.pt。4. 摔倒检测后处理从检测框到报警逻辑4.1 单帧检测不够用用宽高比和置信度做初筛YOLOv5 输出的是每帧的检测框但摔倒是一个动作过程单帧检测结果直接拿来报警误报率极高。我一般会在后处理阶段加一层“摔倒判定逻辑”核心是用人体框的宽高比和置信度做初筛。正常站立的人人体框宽高比width/height通常在 0.3~0.6 之间摔倒的人宽高比会大于 0.8甚至超过 1.5侧躺时。所以第一层过滤如果fall类置信度 0.5 且宽高比 0.8进入候选否则丢弃。但这样会漏掉“蹲下”和“坐地”因为蹲下时宽高比也可能接近 0.8。所以第二层过滤结合person类检测框如果同一位置同时有person和fall且fall框与person框的 IoU 0.5说明模型在同一个目标上给出了矛盾判断此时以person为准不报警。def filter_fall_detections(detections, conf_thres0.5, ratio_thres0.8): 对 YOLOv5 检测结果做摔倒初筛 detections: list of [x1, y1, x2, y2, conf, cls] fall_candidates [] person_boxes [] for det in detections: x1, y1, x2, y2, conf, cls det w x2 - x1 h y2 - y1 ratio w / h if h 0 else 0 if cls 1 and conf conf_thres: # fall 类 if ratio ratio_thres: fall_candidates.append(det) elif cls 0: # person 类 person_boxes.append(det) # 去除与 person 框高度重叠的 fall 候选 final_falls [] for fall in fall_candidates: overlap False for person in person_boxes: iou compute_iou(fall[:4], person[:4]) if iou 0.5: overlap True break if not overlap: final_falls.append(fall) return final_falls def compute_iou(box1, box2): 计算两个框的 IoU x1 max(box1[0], box2[0]) y1 max(box1[1], box2[1]) x2 min(box1[2], box2[2]) y2 min(box1[3], box2[3]) inter max(0, x2 - x1) * max(0, y2 - y1) area1 (box1[2] - box1[0]) * (box1[3] - box1[1]) area2 (box2[2] - box2[0]) * (box2[3] - box2[1]) union area1 area2 - inter return inter / union if union 0 else 0这段逻辑的关键参数是conf_thres和ratio_thres。conf_thres建议设 0.5太低会引入大量误报太高会漏掉模糊的摔倒。ratio_thres建议设 0.8但要根据摄像头角度调整俯拍时宽高比偏大可以降到 0.7平拍时偏小可以提到 0.9。4.2 加时序滑窗用多帧投票压住误报单帧初筛后仍然会有零星误报比如有人快速蹲下、弯腰捡东西。这时候需要加时序滑窗维护一个长度为 N 的队列记录最近 N 帧的摔倒候选数量如果超过 M 帧都有摔倒候选才触发报警。我一般设 N10M6对应大约 0.5~1 秒的持续时间。这样能过滤掉瞬时误报同时保证真实摔倒能在 1 秒内报警。from collections import deque class FallAlarm: def __init__(self, window_size10, trigger_count6): self.window deque(maxlenwindow_size) self.trigger_count trigger_count self.alarm_active False def update(self, fall_detected): 每帧调用一次fall_detected 为 bool 返回是否触发报警 self.window.append(1 if fall_detected else 0) if len(self.window) self.window.maxlen: return False if sum(self.window) self.trigger_count: if not self.alarm_active: self.alarm_active True return True else: self.alarm_active False return False这个滑窗逻辑简单但有效。window_size和trigger_count需要根据帧率调整如果摄像头 25 FPSN25、M15 对应 1 秒内 60% 的帧有摔倒候选。如果帧率低比如 10 FPSN10、M6 就够了。注意报警后要加一个“冷却时间”比如 30 秒内不重复报警否则老人躺在地上会被连续报警护理人员会疯。4.3 把后处理集成到 YOLOv5 推理脚本里YOLOv5 的detect.py默认只输出检测框要把上面的后处理集成进去可以写一个自定义推理脚本或者修改detect.py的run函数。我一般会单独写一个fall_detect.py加载best.pt逐帧推理然后调用filter_fall_detections和FallAlarm。import torch import cv2 from models.experimental import attempt_load from utils.general import non_max_suppression, scale_coords from utils.augmentations import letterbox class FallDetector: def __init__(self, weights_path, devicecpu, img_size640): self.model attempt_load(weights_path, map_locationdevice) self.device device self.img_size img_size self.alarm FallAlarm(window_size10, trigger_count6) def detect(self, frame): # 预处理 img letterbox(frame, self.img_size, stride32, autoTrue)[0] img img.transpose((2, 0, 1))[::-1] # BGR to RGB, HWC to CHW img torch.from_numpy(img).to(self.device).float() / 255.0 img img.unsqueeze(0) # 推理 pred self.model(img)[0] pred non_max_suppression(pred, conf_thres0.4, iou_thres0.5) detections [] for det in pred: if det is not None and len(det): det[:, :4] scale_coords(img.shape[2:], det[:, :4], frame.shape).round() for *xyxy, conf, cls in det: detections.append([xyxy[0].item(), xyxy[1].item(), xyxy[2].item(), xyxy[3].item(), conf.item(), int(cls.item())]) # 后处理 falls filter_fall_detections(detections) alarm self.alarm.update(len(falls) 0) return detections, falls, alarm这个脚本把预处理、推理、后处理串在一起。conf_thres0.4比训练时的 0.5 略低是为了让更多候选进入后处理由后处理逻辑做最终判断。iou_thres0.5是 NMS 的阈值保持默认即可。注意letterbox的autoTrue参数它会自动计算 padding保证输入尺寸是 32 的倍数。5. 摔倒检测部署避坑从服务器到边缘设备5.1 模型导出 ONNX 和 TensorRT 的坑训练完的best.pt要部署到生产环境通常需要导出成 ONNX 或 TensorRT。YOLOv5 自带export.py但摔倒检测模型导出时有两个坑一是输出层名称二是动态 batch。# 导出 ONNX python export.py --weights best.pt --include onnx --img 640 --batch 1 # 导出 TensorRT需要 NVIDIA GPU python export.py --weights best.pt --include engine --img 640 --batch 1 --device 0导出 ONNX 时--batch 1是必须的因为摔倒检测通常是单帧推理动态 batch 会增加复杂度。如果导出后 ONNX 模型推理结果和 PyTorch 不一致检查--img是否和训练时一致以及--dynamic是否误开。TensorRT 导出需要 CUDA 和 TensorRT 环境版本匹配很关键YOLOv5 的export.py对 TensorRT 版本有要求版本不对会报Unsupported ONNX opset或serialization error。我一般用 Docker 镜像ultralytics/yolov5:latest来导出环境是配好的省去折腾。5.2 树莓派和 RK3568 上跑 YOLOv5 摔倒检测的实测参数边缘设备部署是摔倒检测的常见需求但树莓派和 RK3568 的性能差异很大。树莓派 4B 用 PyTorch 直接推理 YOLOv5s640 输入下大概 2~3 FPS根本不够用。必须转成 ONNX 或 NCNN用 ONNX Runtime 或 NCNN 推理能到 8~12 FPS。树莓派 5 性能提升明显ONNX Runtime 下能到 15~20 FPS基本可用。RK3568 自带 NPU算力 0.8 TOPS跑 YOLOv5s 需要转成 RKNN 格式。转换工具是 RKNN-Toolkit2流程是PyTorch → ONNX → RKNN。注意 RKNN 对算子支持有限YOLOv5 的Focus层和SiLU激活函数需要替换或重写。我一般用rknn_model_zoo里的 YOLOv5 转换脚本改一下类别数和锚框就行。实测 RK3568 上 YOLOv5s 640 输入能到 25~30 FPS功耗 2~3W适合嵌入式部署。设备推理框架输入尺寸实测 FPS功耗树莓派 4BONNX Runtime6408~125W树莓派 5ONNX Runtime64015~208WRK3568RKNN64025~302~3WJetson NanoTensorRT64020~255~10W5.3 摄像头选型和视频流处理的延迟问题摔倒检测的延迟不仅来自模型推理还来自视频流处理。USB 摄像头延迟低但布线麻烦IP 摄像头RTSP延迟高但部署灵活。我一般用 RTSP 摄像头 ffmpeg拉流但ffmpeg默认缓冲会引入 1~2 秒延迟。解决办法是设置ffmpeg参数-fflags nobuffer -flags low_delay -probesize 32 -analyzeduration 0能把延迟降到 200~500ms。import cv2 # RTSP 低延迟拉流 cap cv2.VideoCapture(rtsp://admin:password192.168.1.100:554/stream, cv2.CAP_FFMPEG) cap.set(cv2.CAP_PROP_BUFFERSIZE, 1) # 减少缓冲 while True: ret, frame cap.read() if not ret: break # 推理和报警逻辑cv2.CAP_PROP_BUFFERSIZE设为 1 能减少 OpenCV 内部缓冲但有些摄像头不支持需要配合ffmpeg参数。如果延迟仍然高考虑用GStreamer替代ffmpeg延迟能再降 100ms 左右。6. 摔倒检测的进阶技巧用姿态估计补足 YOLOv5 的短板6.1 为什么纯检测不够姿态估计能提供什么额外信息YOLOv5 摔倒检测的瓶颈在于它只看人体框不看人体姿态。一个人弯腰捡东西人体框宽高比可能和摔倒一样但骨骼关键点完全不同。弯腰时头部和臀部的位置关系是“头在上、臀在下”而摔倒时往往是“头臀同高”甚至“头低于臀”。所以用姿态估计如 YOLOv5-Pose、MediaPipe、OpenPose提取关键点再结合关键点角度做二次判断能大幅降低误报。我一般用 YOLOv5-Pose 或 YOLOv8-Pose因为它们和 YOLOv5 共享推理框架部署方便。提取 17 个 COCO 关键点后计算三个特征头部与髋部的垂直距离、躯干与地面的夹角、双肩与双髋的连线角度。如果头部与髋部垂直距离小于阈值且躯干与地面夹角小于 30 度判定为摔倒。6.2 用 YOLOv5-Pose 关键点做二次验证的代码实现import numpy as np def check_fall_by_pose(keypoints, conf_thres0.3): 用 COCO 17 关键点判断是否摔倒 keypoints: shape (17, 3), 每行 (x, y, conf) 返回: bool # COCO 关键点索引 NOSE 0 L_SHOULDER 5 R_SHOULDER 6 L_HIP 11 R_HIP 12 # 检查关键点置信度 if keypoints[NOSE][2] conf_thres or keypoints[L_HIP][2] conf_thres: return False nose_y keypoints[NOSE][1] hip_y (keypoints[L_HIP][1] keypoints[R_HIP][1]) / 2 # 头部低于髋部高度疑似摔倒 if nose_y hip_y: return True # 计算躯干与垂直方向夹角 shoulder_x (keypoints[L_SHOULDER][0] keypoints[R_SHOULDER][0]) / 2 shoulder_y (keypoints[L_SHOULDER][1] keypoints[R_SHOULDER][1]) / 2 hip_x (keypoints[L_HIP][0] keypoints[R_HIP][0]) / 2 dx shoulder_x - hip_x dy shoulder_y - hip_y angle abs(np.degrees(np.arctan2(dx, dy))) # 躯干倾斜超过 60 度判定为摔倒 if angle 60: return True return False这段代码的核心逻辑是先用鼻子和髋部的垂直位置关系做粗判再用躯干倾斜角做细判。conf_thres0.3是关键点置信度阈值太低会引入噪声太高会漏掉遮挡场景。实际使用时可以把 YOLOv5 检测框和 YOLOv5-Pose 关键点结合先用检测框定位人体再在框内跑姿态估计最后用check_fall_by_pose做最终判断。这样误报率能从纯检测的 15% 降到 5% 以下。6.3 我踩过的坑和最后留下的习惯做摔倒检测这几年最大的坑是“追求高精度而忽略实时性”。早期我用 YOLOv5x 姿态估计 LSTM 时序模型精度确实高但推理延迟 2 秒以上老人摔倒了 2 秒后才报警实际场景根本不可接受。后来我砍掉 LSTM用滑窗投票替代精度降了 2 个点但延迟降到 300ms反而更实用。第二个坑是“忽略场景差异”。实验室数据集上 mAP 0.95部署到养老院走廊因为光照变化和摄像头角度mAP 掉到 0.7。后来我养成了一个习惯每到一个新场景先采集 200 张现场图人工标注后做一次微调通常 10 个 epoch 就能把 mAP 拉回 0.9 以上。这个习惯让我少了很多“实验室能用、现场翻车”的尴尬。第三个坑是“报警逻辑太激进”。早期版本只要检测到fall就报警结果护理人员一天收到几十条误报直接把系统关了。后来加了滑窗投票和冷却时间误报降到每天 1~2 条护理人员才愿意用。技术指标再好用户体验不行系统就是废的。现在我做摔倒检测习惯先跑通最小闭环YOLOv5s 单帧检测 宽高比过滤 滑窗投票先让系统能跑起来再根据误报情况逐步加姿态估计、加场景微调。不要一上来就堆模型先让系统能用再让它好用。希望帮到你。本文还有配套的精品资源点击获取