文件名称：fall-detection
文件大小：76KB
文件格式：ZIP
更新时间：2024-04-28 13:05:52
Python
人体跌倒检测与追踪 使用Tiny-YOLO oneclass检测帧中的每个人，并使用获取骨骼姿势，然后使用模型从每个人跟踪的每30帧中预测动作。 现在支持7种动作：站立，行走，坐着，躺下，站起来，坐下，跌倒。 先决条件 这些模型需要Python> 3.6和Pytorch> 1.3.1。 对于NVIDIA jetson设备，建议使用docker容器运行项目。 建造容器 cd ${current_repository_path} ./docker/build.sh 要运行容器，请使用以下命令 ./docker/run.sh 该脚本会将工作目录安装到容器。 数据 该项目训练了一个新的Tiny-YOLO oneclass模型，以仅检测人的物体并减小模型的大小。 使用旋转增强的人员关键点数据集进行训练，以在各种角度姿势中更可靠地检测人员。 对于动作识别，使用来自跌倒检测数据集（，家庭）的数据，通
【文件预览】：
fall-detection-main
----.gitignore(2KB)
----requirements.txt(397B)
----pose_utils.py(825B)
----Actionsrecognition()
--------Models.py(10KB)
--------Utils.py(5KB)
--------train.py(8KB)
----pPose_nms.py(9KB)
----flask-test.py(9KB)
----README.md(2KB)
----Data()
--------create_dataset_3.py(4KB)
--------create_dataset_1.py(2KB)
--------create_dataset_2.py(5KB)
----ActionsEstLoader.py(2KB)
----Detection()
--------Models.py(15KB)
--------Utils.py(15KB)
----PoseEstimateLoader.py(2KB)
----SPPE()
--------src()
--------README.md(68B)
----Track()
--------linear_assignment.py(8KB)
--------kalman_filter.py(7KB)
--------Tracker.py(6KB)
--------iou_matching.py(3KB)
----main.py(10KB)
----fn.py(9KB)
----DetectorLoader.py(4KB)
----Models()
--------TSSTG()
--------sppe()
--------yolo-tiny-onecls()
----CameraLoader.py(6KB)
----docker()
--------Dockerfile(862B)
--------run.sh(563B)
--------build.sh(206B)