基于YOLOv12与MediaPipe的人体跌倒检测系统

程序概览

本系统采用计算机视觉技术，结合YOLOv12人体检测与MediaPipe姿态估计，实现实时跌倒监测。系统配备直观的数据看板，支持跌倒事件分析与追踪。

核心功能
• 实时检测：支持摄像头或视频文件的实时流处理
• 跌倒类型分类：可识别四种跌倒模式

• 踏空跌倒
• 滑倒
• 绊倒
• 踏绊跌倒
  • 现代化PyQt5看板：含统计图表与历史记录的可视化界面
  • 多人同步追踪：支持多目标检测与分析
  • 高级姿态分析：通过肩部/髋部/足部关键点精确判定跌倒
  • 灵敏度调节：可适应不同环境阈值设定
  • 智能计数机制：基于目标追踪与冷却期避免重复计数
  • 自动快照：跌倒事件触发图像存档功能
  • 声音警报：检测到跌倒时播放警示音
  • 命令行模式：支持无界面部署方案
  

环境要求
• Python 3.7-3.10（部分依赖库暂不支持3.11+）
• PyTorch
• OpenCV
• MediaPipe
• Ultralytics（YOLOv12）
• PyQt5
• Matplotlib
• NumPy

安装指南

1. 仓库：

cd Human-Fall-Detection-Yolov12-Mediapipe

![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/43faa7a764b64834acf986ca1ef75e4e.png)

2. 安装依赖：  
```bash
pip install -r requirements.txt
pip install PyQt5==5.15.10 PyQt5-Qt5==5.15.2 PyQt5-sip==12.13.0 matplotlib

3. YOLOv12模型（首次运行自动下载，或手动放置于项目根目录）

使用说明
▸ 看板模式（推荐）

python fall_detection_system.py --mode dashboard

▸ 命令行模式

python fall_detection_system.py --mode cli --source 0

参数选项
• --mode：运行模式（dashboard/cli）
• --model：YOLOv12模型路径（默认yolov12n1.pt）
• --conf：检测置信度阈值（0-1）
• --source：视频源（0为摄像头，或视频文件路径）
• --fall-threshold：跌倒检测灵敏度（0-1）
• --angle-threshold：身体倾斜角度阈值（0-90°）
• --save-falls：保存跌倒触发帧
• --output-dir：快照存储目录

系统架构

1. YOLOv12人体检测：定位视频帧中的目标人物
2. MediaPipe姿态估计：提取人体骨骼关键点
3. 跌倒判定算法：
   ✓ 身体与垂直面的夹角
   ✓ 高宽比变化（水平/垂直方向）
   ✓ 垂直位置突变检测
   ✓ 运动模式分析
4. 目标追踪：跨帧身份保持
5. PyQt5看板：实时监控与数据分析

分类标准
• 踏空跌倒：渐进式角度变化+中等速度
• 滑倒：剧烈角度变化+高速移动
• 绊倒：前倾动量+中度角度变化
• 踏绊跌倒：微小水平位移+显著垂直跌落

项目结构

fall-detection-system/
├── models/               # 核心检测模型
├── dashboard/            # PyQt5交互界面
├── utils/                # 工具函数
├── fall_snapshots/       # 跌倒快照存档
├── fall_detection_system.py # 主程序
└── requirements.txt      # 依赖清单

近期优化
✓ 强化跌倒判定逻辑
✓ 新增防重复计数的冷却机制
✓ 环境自适应灵敏度调节
✓ 完善跌倒类型分类体系
✓ 关键点检测精度提升
✓ 摄像头异常处理优化
✓ 快照存储空间管理
✓ 界面升级至PyQt5框架

未来规划
• 邮件通知功能
• 移动端应用集成
• 多摄像头组网支持
• 基于运动模式的跌倒风险预测
• 云端远程监控方案
• AI驱动的跌倒风险预判