基于 YOLOv5 的智能居住Fall Detection
计算机视觉与模式识别
2024-08-29 v1
摘要
本 work 引入了一个基于 YOLOv5mu 模型的跌倒检测系统，该模型实现了 0.995 的平均精度（mAP），在智能家居环境中准确识别跌倒事件方面表现卓越。通过采用先进的数据增强技术，该模型在 various conditions 下表现出显著的鲁棒性和适应性。YOLOv5mu 的集成提供了精确、实时的跌倒检测，这对于提高居民的安全性和应急响应至关重要。未来的研究将 focus on 通过整合情境数据和探索多传感器方法来细化系统，以提高其在 diverse environments 中的性能和实际适用性。
引用
@article{arxiv.2408.15955,
title = {Fall Detection for Smart Living using YOLOv5},
author = {Gracile Astlin Pereira},
journal= {arXiv preprint arXiv:2408.15955},
year = {2024}
}