随着人口老龄化的问题日益凸显，室内跌倒事件的发生率也随之上升，老人跌倒成为家庭和社会关注的重点问题。针对目前的跌倒检测模型往往需要大量的计算资源和参数配置，且在复杂环境中这些跌倒检测算法的准确率仍然较低等问题，提出了一种改进型的YOLO-GDDH的跌倒检测算法。首先，借鉴YOLOv9提出的广义高效层聚合网络（GELAN），在原始骨干网络中加入RepNCSPELAN4模块，保证网络轻量级的基础上提升网络推理速度和准确度。其次，引用一种先进的聚集和分布（GD）机制来改进原有的路径聚合网络（PANet），增强颈部网络的信息融合能力。最后，采用动态检测头进行检测结果输出，加快网络收敛速度。实验结果表明，改进算法在测试集上的均值平均精度 mAP@ 0.5 达到 97.8%，优于基线 YOLOv7-tiny；同时，模型仅有6.4 M的参数量和14.3 B的计算量。相较于其他主流的轻量化目标检测模型，YOLO-GDDH 在保证模型轻量化的同时具有较高的检测精度，验证了本文所提方法的有效性。
[PDF](28684k)()
