# 基于yolo11的智能跌倒检测系统

**Repository Path**: summithwang/Fall-Detection

## Basic Information

- **Project Name**: 基于yolo11的智能跌倒检测系统
- **Description**: 基于YOLO的实时跌倒检测系统，通过监控视频流实时识别跌倒事件，提供可视化报警功能。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2025-06-16
- **Last Updated**: 2025-06-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


# 🚨 智能跌倒检测系统

基于YOLO的实时跌倒检测系统，通过监控视频流实时识别跌倒事件，提供可视化报警功能。

![系统界面示例](resources/image.png)

## 🎯 功能特性
- 实时跌倒检测（支持图片/视频流输入）
- 多目标跟踪与行为分析
- 可视化报警界面（置信度热力图、检测框）
- 详细检测报告生成（JSON格式）
- 模型训练监控（集成SwanLab实验跟踪）

## 🛠️ 技术栈
- **核心框架**: YOLOv8 + Ultralytics
- **深度学习**: PyTorch 2.6 + CUDA 12.6
- **界面开发**: Gradio 
- **辅助工具**: OpenCV、scikit-learn、SwanLab

## ⚙️ 环境安装
```bash
# 安装依赖 (Python 3.8+)
pip install -r requirements.txt

# 验证GPU支持
python test/torch-test.py
```

## 📁 数据集准备
### 数据下载
下载release中数据集与模型文件，解压到项目根目录。
```bash
datasets/
├── datasets/          # 数据集
├── model/          # 模型文件
└── train-logs/      # 训练日志

```
注：由于附件大小限制，需要前往百度网盘下载
```
通过网盘分享的文件：FallDetection.zip
链接: https://pan.baidu.com/s/17a4DTuCJzEQETyNOMC0FuQ?pwd=4x7m 提取码: 4x7m
```

### 数据准备


数据集包含7782张监控场景图片（清洗后7773张有效数据）：
- 主要类别：`person`（站立）、`down`（跌倒）
- 次要类别：`10+`（多人场景）、`dog`（干扰项）
- 划分比例：训练集70% / 验证集10% / 测试集20%

```bash
datasets/
├── images/          # 图像文件
├── labels/          # 标注文件
└── Readme.txt       # 数据集文档

数据处理流程：
1. 数据清洗 data_clean.py
2. 数据标注 data_labels.py
3. 数据划分 data_prepare.py
```

## 🧠 模型训练
+ 配置app_config.yaml
```yaml
# 训练参数配置
app:
  train_enable: True  # 开启训练

train:
  swanble_project_name: "Fall-Detection" # 实验名称
  model_version: "v1.0" # 模型版本
  pre_trained_model_name: "yolo11x" # 预训练模型
```
+ 启动训练
```bash
# 使用预训练模型yolo11x
python app_main.py
```

## 🖥️ 使用说明
1. 启动检测服务
+ 配置app_config.yaml
```yaml
# 检测参数配置
app:
  train_enable: False  # 关闭训练
```
+ 启动程序
```bash
# 使用预训练模型yolo11x
python app_main.py
```

2. 访问Web界面
```
http://localhost:7861
```

3. 接口调用示例
```python
from gradio_client import Client, handle_file

client = Client("http://localhost:7861/")
result = client.predict(
		img=handle_file('people(10).jpg'),
		api_name="/detect_fall"
)
print(result)
```
代码在test中，**gradio-api.py**

## 📂 项目结构
```
FallDetection/
├── app/               # 应用模块
│   ├── display.py     # 检测界面
│   └── train.py       # 训练流程
├── components/        # 组件模块
│   ├── c_config.py    # 配置管理
│   └── c_log.py       # 日志系统
├── test/              # 测试脚本
├── model/             # 模型文件
│   └── Fall-Detection.pt
└── datasets/          # 数据集
```

## 🤝 贡献指南
1. 创建新分支开发功能
2. 提交Pull Request时附带：
   - 测试结果截图
   - 模型性能指标
   - 影响范围说明

## 📜 许可协议
本项目基于 [Apache License 2.0](LICENSE) 开源，可免费用于学术研究，商业使用需授权。