YOLOv5跌倒检测系统：模型训练+PyQt5界面实战解析

简介面向行人跌倒检测任务的YOLOv5完整解决方案聚焦监控场景下的人员摔倒识别适合具备一定深度学习基础的研究者、算法工程师及毕业设计开发者使用。资源提供了yolov5s和yolov5m两种训练好的权重以及基于1000多张真实跌倒图像训练得到的PR曲线、loss曲线等评估文件目标类别为fall。配套PyQt图形界面支持上传图片、视频和调用摄像头进行实时检测并能直接输出检测结果。压缩包共2000个文件约198MB核心包括1472张jpg样本、1433个xml和1432个txt标注两种标签格式分目录存放、34个py脚本、29个yaml配置、5个pt权重、4个ui界面文件以及说明文档、训练脚本和示例视频等目录结构清晰便于检索。当前已有7863人学习下载可直接用于复现跌倒检测训练与推理流程也可基于现有权重和界面快速搭建自己的检测应用或二次开发。 搞过行人检测类项目的人应该都有这种感觉——单做目标检测本身不难难的是把一个能用的检测能力打包成一套完整可交付的东西。这里要说的就是一套基于YOLOv5的行人跌倒检测方案内容包括训练好的模型权重、整理好的数据集以及用PyQt5写成的桌面可视化界面。简单讲就是把摄像头画面输入进去程序能实时标出画面里的行人并在检测到有人跌倒时给出醒目的告警提示。这套东西适合谁参考如果你正在做毕业设计、实验室项目或者要给公司做一个室内跌倒监测Demo又不想从零啃目标检测理论那这套方案的思路和代码结构可以直接照搬。我尽量把模型选型、数据标注、训练过程和界面封装这些环节里的坑都摊开讲清楚让你少走点弯路。1. 项目整体拆解与方案选型1.1 为什么用YOLOv5做跌倒检测跌倒检测在视觉方案里通常有两条路线。一条是先做人体姿态估计比如OpenPose或者MediaPipe提取出人体关键点坐标再用几何规则判断人的中心点高度、躯干倾角是否异常另一条路线就是直接把“跌倒”当作一个目标检测类别用目标检测模型在画面里找“跌倒的人”。我自己更推荐后者尤其是用YOLOv5来实现。姿态估计方案对算力要求高在小分辨率或者遮挡场景下关键点经常飘规则阈值又很难调。而YOLOv5把“跌倒”定义成一个类别模型直接学习的是跌倒人体的视觉特征——倾斜的身体、贴地的姿态、变形的宽高比。这种方式推理链路短实时性更好模型也更容易泛化到不同场景。这里有个很关键的点跌倒行为在图像上的本质特征是人体检测框的宽高比发生剧烈变化。站立的人框大致是竖着的矩形宽高比在0.3到0.5之间人倒地之后框变成横着的矩形宽高比往往大于1.5。YOLOv5天然擅长学习这种基于形状特征的区分所以不需要额外设计复杂的后处理逻辑模型自己就能捕捉到这个规律。1.2 模型版本怎么选YOLOv5官方有n、s、m、l、x五个版本参数量和推理速度逐级递增。做跌倒检测这种相对单一的任务不要一上来就选最大号的模型。我的建议是常规项目直接选yolov5s追求部署到低端设备就选yolov5n预算充足且需要处理密集人群场景才考虑yolov5m。版本模型大小推理耗时(单帧640x640)适用场景YOLOv5n约4MB约10ms树莓派、低算力边缘设备YOLOv5s约14MB约15ms日常桌面应用、摄像头实时检测YOLOv5m约40MB约25ms密集场景、需要更高精度这套方案里我最终用的是yolov5s。原因很直接跌倒检测最终要跑在PyQt界面里做实时预览推理线程和界面线程共用CPU/GPU资源模型太大会明显拖慢界面响应。实测下来yolov5s在GTX 1660上单帧推理大概16毫秒加上预处理和画框整体帧率能稳定在30FPS以上完全够用。1.3 界面技术选型为什么是PyQt5做一个桌面工具界面方案无非是Tkinter、PyQt、Web前端三大类。Tkinter上手快但是控件丑做不了流畅的视频实时预览和自定义告警样式Web前端界面好看但要额外起一个本地服务部署麻烦。PyQt5的优势在于它是纯本地应用信号槽机制天然适合和摄像头采集、模型推理这类循环任务配合加上Qt自带的样式表可以比较轻松地做出带告警闪烁效果的界面。而且PyQt5对OpenCV的兼容性很好读取到的视频帧转成QImage直接显示在QLabel上中间不需要额外转换库。这套方案里用的所有界面逻辑包括加载模型、切换视频源、显示检测结果、记录告警日志全部由PyQt5的信号槽驱动结构清晰后续想集成语音播报或者微信通知也很方便。2. 数据集构建与标注思路2.1 数据从哪里来跌倒检测的数据集不像人头检测那么好找公开可用的主要有UR Fall Detection Dataset、Le2i Fall Detection Dataset和Multiple Cameras Fall Dataset这三个。UR Fall Detection包含深度图像和加速度计数据有30个跌倒序列和40个日常活动序列Le2i主要是家居和办公场景的监控视角视频已经做好了标注文件。这些数据集适合做预训练和效果验证但要注意它们的拍摄环境比较固定直接拿到你手头工程场景里用迁移效果会打折扣。我个人的建议是公共数据集只用来起步最终要训练出泛化能力好的模型一定要补充一部分自己场景的数据。最简单的方式是用手机或摄像头录制一段实际场景视频然后用OpenCV按帧抽图把不同时间段的画面保存成训练图片。import cv2 cap cv2.VideoCapture(scene.mp4) fps cap.get(cv2.CAP_PROP_FPS) frame_count 0 save_count 0 while True: ret, frame cap.read() if not ret: break frame_count 1 # 每隔10帧保存一张跳过相似画面 if frame_count % 10 0: save_count 1 cv2.imwrite(fimages/img_{save_count:05d}.jpg, frame) cap.release()采集的时候注意几个点画面里要有不同距离的行人光线要覆盖白天、夜晚和背光最好包含遮挡情况。跌倒样本不要只录正面视角侧面和斜向视角也要有否则模型容易对视角过拟合。2.2 标注规范与类别设计跌倒检测项目里最容易被忽略的就是类别设计。我建议设置两个类别person和fall。person包含所有正常站立、行走的行人fall则包括已经倒在地上的人、半躺的人、靠在墙边滑落的人。这里有个经验之谈——在跌倒的中间过程比如人正在下蹲但还没完全倒地这种模糊状态建议归为fall而不是person。因为从最终用途来看我们要检测的是“需要帮助的状态”姿态已经异常了就应该触发告警而不是等完全倒地才报。标注工具用LabelImg或者X-AnyLabeling都行导出YOLO格式每个标注文件是一个txt每行是“类别 中心点x 中心点y 框宽 框高”坐标都是归一化之后的0到1数值。标注的时候框要尽量贴合人体轮廓尤其是倒地的人框太松会把地面背景包进去影响模型学习。标注完的数据按9比1划分训练集和验证集目录结构推荐这样组织dataset/ images/ train/ val/ labels/ train/ val/2.3 数据增强与样本均衡跌倒样本有一个天然问题——数量比正常行人少得多模型容易产生类别偏见。我在训练时开了YOLOv5自带的Mosaic增强它会随机把四张图拼在一起训练相当于变相增加了小样本类别的出现频次。另外水平翻转、亮度扰动、轻微旋转这几个增强在跌倒场景里效果很好因为监控画面本来就有不同的光照和视角。如果你采集到的跌倒样本实在不够还有一个补救办法把公开数据集里的跌倒图片用img2label之类的脚本格式化成YOLO格式再和自己采的数据混在一起训练。注意不同数据集的标注框标准不太一样混用前最好统一检查一遍尤其是跌倒这种身体姿态变形比较大的目标框的贴合程度直接影响最终精度。3. 模型训练全流程3.1 环境准备与目录结构训练YOLOv5不需要太折腾环境Python 3.8以上PyTorch 1.8以上就行。GPU最好是有没有的话用CPU也能训练只是时间会翻好几倍。项目先clone官方仓库git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt然后把上面整理好的dataset文件夹放进项目根目录再写一个数据集配置文件fall.yamltrain: dataset/images/train val: dataset/images/val nc: 2 names: [person, fall]这一步是关键。YOLOv5靠这个yaml文件找到图片和标注文件所以路径一定要对着自己的目录结构来。3.2 训练参数配置与调优训练命令我建议这么写python train.py \ --img 640 \ --batch 16 \ --epochs 100 \ --data fall.yaml \ --weights yolov5s.pt \ --cache \ --name fall_detect参数解释一下。--img 640是训练输入分辨率跌倒检测的目标不算特别小640是精度和速度比较平衡的选择--batch 16取决于显卡显存8G显存跑16没问题显存小就降到8--weights yolov5s.pt是加载COCO预训练权重这个很重要从头训练一个检测模型需要的数据量非常大迁移学习能帮模型快速收敛到可用精度--cache把图片预加载进内存能大幅减少训练过程中的磁盘读取时间。训练过程里重点看两个指标Box损失曲线和mAP0.5。正常情况loss前20个epoch下降很快后面趋于平缓mAP稳步上升。如果loss一直在震荡降不下去优先检查数据标注是否有明显错误其次考虑降低学习率。YOLOv5默认的学习率策略对大多数数据集都适用个人经验里真正让loss跑飞的原因多半是标注框和真实目标对不上而不是参数问题。3.3 训练结果评判标准训练结束后在runs/train/fall_detect/weights/下会生成best.pt和last.pt两个权重文件。best.pt是验证集上表现最好的权重导出部署都用它。判断模型好坏不能只看mAP更要看实际场景里跌倒检测的鲁棒性。YOLOv5自带的val.py会算mAP和混淆矩阵代码里再跑一段detect.py看看实际效果python detect.py \ --weights runs/train/fall_detect/weights/best.pt \ --source 0 \ --conf-thres 0.45重点观察几个场景正常走路的人有没有被误报成跌倒蹲下系鞋带、弯腰捡东西这些常见动作会不会触发误报远处小尺寸的跌倒者能不能被正确检出。如果误报多超过0.5再试试如果漏报多说明数据不够或者标注框质量不行需要回炉补数据。4. PyQt5界面开发与推理部署4.1 界面功能设计与布局PyQt5界面我设计成四个功能区块左上角是视频源控制区可以切换本地图片、本地视频和摄像头还有一个加载模型文件的按钮中间大区域是实时画面预览区检测结果直接在画面里画框显示类别标注和置信度一并画上右侧是信息面板显示当前FPS、检测到的目标数量、是否检测到跌倒等状态底部是一个滚动日志区每次触发跌倒告警都会记录一条带时间戳的日志。界面布局用QWidget加垂直布局和水平布局嵌套没有用Qt Designer拖控件因为代码里还要频繁动态更新控件的属性。加载模型和开始推理分别放在两个方法里这样界面启动速度会快很多不会因为加载模型卡住整个窗口。4.2 多线程推理避免界面卡顿这一节是整个界面开发里最容易踩坑的地方。如果你把模型推理直接写在主线程里摄像头每来一帧都要等模型算完才更新界面画面会一卡一卡的拖动窗口都会掉帧。正确的做法是把推理放到独立的QThread工作线程里主线程只负责接收推理结果并刷新画面。我封装了一个DetectWorker线程类核心逻辑如下class DetectWorker(QThread): frame_ready pyqtSignal(dict) def __init__(self): super().__init__() self.model None self.source 0 self.running True def load_model(self, weights_path): self.model torch.hub.load( ultralytics/yolov5, custom, pathweights_path, force_reloadTrue ) self.model.conf 0.45 self.model.iou 0.45 def run(self): cap cv2.VideoCapture(self.source) while self.running: ret, frame cap.read() if not ret: break results self.model(frame) result_data { frame: frame, boxes: results.xyxy[0].cpu().numpy(), names: self.model.names, fps: self._calc_fps() } self.frame_ready.emit(result_data) cap.release() def stop(self): self.running False self.wait()工作线程通过frame_ready信号把推理结果传回主线程主线程的槽函数里再负责画框、刷新画面、触发告警。用这种方式模型推理和界面刷新互不干扰1080p视频也能稳定实时显示。有一点要特别提醒线程退出时要调用stop()方法并把running置为False否则关闭窗口后线程还在后台跑程序退出时会报错或者卡住。4.3 告警机制与日志记录跌倒告警不能只靠界面画个框否则用户不注意看画面就漏掉了。我做了两级告警第一级是检测框本身标红并且类别显示成“FALL”第二级是在画面顶部弹出一个红色闪烁条同时把当前帧截图保存到本地并在日志区写入一条记录。告警的触发条件上不要对每一帧都触发。单帧误检很容易造成告警闪烁我的做法是做一个计数逻辑连续3帧都检测到fall类别才触发一次告警。这个阈值可以根据实际场景调如果漏报多就降到2如果误报多就升到4。告警日志用QDateTime记录时间格式为“2025-01-12 14:23:45 检测到跌倒事件”。截图用OpenCV的imwrite保存到alerts/文件夹方便事后回看现场画面。5. 常见问题与排查实录5.1 训练阶段典型问题模型loss正常下降但mAP很低。这种情况大概率是标注数据出了问题优先检查有没有漏标或者错标。常见错误是标注时把“正在蹲下的人”大量标成person导致模型对这个过渡状态的召回很差。另外数据集中图片分辨率差异太大也会影响mAP建议统一把长边缩放到640附近再训练。模型把坐着的人误报成跌倒。坐姿和跌倒姿态在视觉上确实有相似性尤其是侧面视角。我的解决办法是在数据里多补充“坐在椅子上的行人”这类负样本标注为person。模型见过足够多类似样本后就能学会区分“有支撑的坐姿”和“无支撑的倒地姿态”。同时把置信度阈值从0.4提高到0.45以上能明显减少这类误报。训练速度慢到无法接受。数据量大时先检查有没有开--cache其次把--batch适当调大前提是显存够用。如果显存只有4Gbatch从16降到8图片尺寸从640降到480训练速度会有明显提升精度损失在可接受范围内。5.2 部署阶段典型问题PyQt界面启动后黑屏。最常见的原因是摄像头被其他程序占用导致cv2.VideoCapture初始化失败但没报错。排查时先单独跑一下cap.isOpened()确认摄像头能正常打开再接进界面。实际项目里我遇到过Windows下摄像头被微信占用的情况把占用程序关掉就好了。画面颜色偏蓝或偏红。这是OpenCV的BGR通道顺序和PyQt的RGB显示不一致导致的。在把帧转成QImage之前需要先执行cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)否则颜色就是错乱的。界面偶尔无响应。如果推理线程和主线程之间传数据量太大会出现信号堆积导致界面卡顿。代码里可以在工作线程中加一个丢弃策略当上一帧还没处理完时直接跳过当前帧保证界面始终拿到最新的一帧而不是排队的老帧。实测这个方案能把界面卡顿问题彻底解决。5.3 项目扩展方向模型和界面搭好之后这套框架可以被复用到很多场景。把训练类别换成helmet和person就是一套安全帽佩戴检测系统把界面里的告警逻辑保留换成车辆检测模型就能做停车位占用监控。如果你想把模型部署到更低成本的设备上可以尝试把best.pt用export.py导出成ONNX格式再用TensorRT或者OpenVINO加速推理速度能再提升一倍左右。我个人实际做这个项目的感受是YOLOv5把目标检测的门槛拉低了很多但真正决定一套检测系统好不好用的反而是数据质量、界面交互这些模型之外的细节。跌倒检测看着是个小任务做扎实了对整个目标检测流程的理解都能上一个台阶。如果你在数据标注或者界面封装这块还有拿不准的地方照着上面的思路先跑通一个最小闭环再针对问题逐步优化会比一开始就追求完美稳妥得多。本文还有配套的精品资源点击获取