简介：本资源为基于计算机视觉的目标检测与姿态分析实时防摔倒预警系统课程设计资料包，面向计算机、人工智能、物联网等专业在校学生与教师，适用于课程设计、毕业设计、大作业及项目立项演示等场景。压缩包共1794个文件，约230.34MB，涵盖134个Python源码文件、344个C++与408个hpp头文件、400个json配置、18个cu加速脚本及多个avi测试视频，另附实验报告docx与说明文档，完整呈现从模型推理到姿态判定的工程结构。项目代码经运行验证，稳定可靠，已有225人学习下载。读者可获取完整源码、实验报告、依赖配置与排错思路，理解目标检测与人体姿态估计的融合逻辑，并在此基础上进行二次开发，扩展跌倒识别、行为分析等功能，具备较高的学习借鉴与实战参考价值。
1. 从一次深夜误报到防摔倒预警：这套系统到底在做什么
凌晨两点，卫生间传来一声闷响，老人倒地后无法自行起身，直到早上才被家人发现——这类场景是很多做计算机视觉项目的人真正想解决的问题。标题里的「基于计算机视觉的目标检测与姿态分析实时防摔倒预警系统」，拆开看就是三件事：用目标检测把人框出来，用姿态分析判断人体骨骼关键点的空间关系，再用一套判定逻辑在摔倒发生的瞬间触发预警。它适合有 Python 基础、想做一个完整计算机视觉大作业或课程设计的人，也适合想把检测和姿态两个模型串成实时流水线的开发者。整套方案的核心难点不在单个模型，而在「检测框抖动、关键点漂移、判定阈值怎么定」这三件事上，后面会逐层拆开讲。
2. 目标检测与姿态分析的技术选型：为什么是 YOLO 加关键点回归
2.1 检测和姿态为什么不能用一个模型硬扛
很多人第一反应是找一个端到端模型，输入图像直接输出「摔倒/未摔倒」。这条路在小数据集上能跑通，但一旦换场景就崩，原因是它把「人在哪」和「人什么姿势」耦合在一起，模型学到的往往是背景纹理而不是人体结构。常见做法是拆成两级：第一级目标检测负责定位人体边界框，第二级姿态分析在框内回归关键点，最后用几何规则判定。这样拆的好处是每一级都能单独替换和调试，检测模型换成更新版本时，姿态模块不用动。
YOLO 系列在课程设计里被大量使用，不是因为它最准，而是因为 Ultralytics 这套工具链把训练、验证、导出、推理的接口统一了，改几行配置就能跑。姿态分析这边，主流是自顶向下的两阶段方案：先检测人，再对每个人做单人关键点回归。COCO 的 17 关键点格式是事实标准，鼻子、左右眼、左右耳、左右肩、左右肘、左右腕、左右髋、左右膝、左右踝，这套定义直接决定了后面判定逻辑怎么写。
2.2 环境配置：从零把依赖装干净
课程设计翻车最多的地方不是算法，是环境。Python 版本、PyTorch 版本、CUDA 版本三者对不上，报错能让人查一晚上。我一般会先固定 Python 3.8 到 3.10 之间，太新的版本有些轮子还没编好。
# 创建独立环境，避免污染系统 Python conda create -n fall_detect python=3.10 -y conda activate fall_detect # 安装 PyTorch，CUDA 11.8 对应 cu118，没有 GPU 就用 cpu 版本 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 安装 Ultralytics 和 OpenCV pip install ultralytics opencv-python numpy这段命令的逻辑是：先隔离环境，再装深度学习框架，最后装视觉工具库。参数上，--index-url指向 PyTorch 官方轮子源，比默认源快很多；如果机器没有 NVIDIA 显卡，把cu118换成cpu，推理速度会慢但能跑通。装完后用python -c "import torch; print(torch.cuda.is_available())"验证，返回 True 说明 GPU 可用。这一步没过，后面训练全是白搭。
2.3 用预训练模型跑通最小推理链路
在训练自己的数据之前，先用官方预训练权重跑一张图，确认整条链路是通的。这一步能排除掉 80% 的环境问题。
from ultralytics import YOLO import cv2 # 加载官方姿态估计预训练模型，首次运行会自动下载权重 model = YOLO("yolov8n-pose.pt") # 对单张图片推理，conf 是置信度阈值，iou 是 NMS 的 IoU 阈值 results = model.predict("test.jpg", conf=0.5, iou=0.45, save=True) # 遍历结果，打印每个人体的关键点坐标 for r in results: if r.keypoints is not None: # xy 形状为 (人数, 17, 2)，2 是 x,y 坐标 print(r.keypoints.xy.shape)逻辑说明：YOLO("yolov8n-pose.pt")加载的是 nano 版本的姿态模型，体积小、速度快，适合实时场景。conf=0.5表示只保留置信度高于 0.5 的检测框，调低会召回更多但误检增加；iou=0.45控制非极大值抑制的合并程度，人多重叠时调高一点能减少漏检。r.keypoints.xy返回的是像素坐标，后续判定逻辑全部基于这个张量。跑通这一步，说明检测和姿态两个环节已经串起来了。
3. 摔倒判定逻辑：从关键点坐标到预警信号
3.1 用宽高比和躯干角度做第一层判定
拿到 17 个关键点后，最直观的判据是人体边界框的宽高比。站立时框是竖长的，摔倒后变成横宽或接近正方形。但光看宽高比会误判，比如人蹲下、弯腰捡东西，框也会变宽。所以需要叠加躯干角度：用左右肩中点和左右髋中点连成一条线，计算这条线与水平方向的夹角，站立时接近 90 度，摔倒时接近 0 度。
import numpy as np def compute_torso_angle(kpts): # kpts 形状 (17, 2)，索引 5/6 是左右肩，11/12 是左右髋 shoulder = (kpts[5] + kpts[6]) / 2 hip = (kpts[11] + kpts[12]) / 2 dx = shoulder[0] - hip[0] dy = shoulder[1] - hip[1] # arctan2 返回弧度，转成角度 angle = np.degrees(np.arctan2(abs(dy), abs(dx))) return angle def is_fallen(kpts, bbox, angle_thresh=45, ratio_thresh=1.2): x1, y1, x2, y2 = bbox w = x2 - x1 h = y2 - y1 ratio = w / h if h > 0 else 0 angle = compute_torso_angle(kpts) # 宽高比大于阈值 且 躯干角度小于阈值，两个条件同时满足 return ratio > ratio_thresh and angle < angle_thresh逻辑说明：compute_torso_angle用肩中点和髋中点算躯干倾角，np.arctan2比arctan稳定，能处理 dx 为 0 的情况。is_fallen里两个阈值是经验值，angle_thresh=45表示躯干与水平夹角小于 45 度算躺倒，ratio_thresh=1.2表示框的宽比高还大。参数怎么调：如果误报多，把angle_thresh调小到 30；如果漏报多，调到 60。这两个值没有万能解，必须拿自己场景的视频跑一遍看分布。
3.2 加时间窗口过滤，避免单帧误判
单帧判定最大的问题是抖动。某一帧关键点飘了，就触发预警，这种系统没人敢用。工程上的做法是加一个滑动窗口，连续 N 帧里有 M 帧判定为摔倒，才真正报警。
from collections import deque class FallDetector: def __init__(self, window=15, trigger=10): # 保存最近 window 帧的判定结果 self.history = deque(maxlen=window) self.trigger = trigger def update(self, fallen_now): self.history.append(1 if fallen_now else 0) # 窗口内摔倒帧数达到 trigger 才报警 return sum(self.history) >= self.trigger逻辑说明：deque(maxlen=window)自动丢弃旧数据，不用手动维护。window=15对应约 0.5 秒（30fps 下），trigger=10表示 15 帧里有 10 帧判定摔倒才报警。这两个参数决定了系统的灵敏度：窗口越大越稳但延迟越高，触发比例越高越不容易误报但可能漏掉快速摔倒。我一般先用 window=15、trigger=10 跑，再根据实际视频调整。这个类还应该加一个「报警后冷却」逻辑，否则会连续触发，实际部署时在update返回 True 后重置 history 即可。
3.3 把检测、姿态、判定串成实时流水线
单张图跑通后，要接摄像头或视频流做实时处理。核心是把每一帧的推理结果喂给判定器，同时把可视化画出来。
import cv2 from ultralytics import YOLO model = YOLO("yolov8n-pose.pt") detector = FallDetector(window=15, trigger=10) cap = cv2.VideoCapture(0) # 0 是默认摄像头，也可传视频文件路径 while cap.isOpened(): ret, frame = cap.read() if not ret: break results = model.predict(frame, conf=0.5, verbose=False) for r in results: if r.keypoints is None: continue for i, kpts in enumerate(r.keypoints.xy.cpu().numpy()): bbox = r.boxes.xyxy[i].cpu().numpy() fallen = is_fallen(kpts, bbox) if detector.update(fallen): cv2.putText(frame, "FALL ALERT", (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1.5, (0, 0, 255), 3) cv2.imshow("Fall Detection", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()逻辑说明：verbose=False关掉每帧的日志输出，否则控制台会刷屏。r.keypoints.xy.cpu().numpy()把张量转到 CPU 再转 numpy，GPU 上直接转会报错。cv2.waitKey(1)里的 1 是毫秒等待，保证窗口能刷新。这段代码在普通笔记本上跑 nano 模型能到 20 到 30 帧，如果卡顿，把模型换成yolov8n-pose.pt已经是最小的了，再卡就是分辨率问题，把输入帧 resize 到 640 宽。
4. 避坑与排查：那些让课程设计卡三天的坑
4.1 关键点索引对不上，判定全乱
现象：判定逻辑写完了，但站着也报警，躺着反而不报。原因：COCO 17 关键点的索引是固定的，鼻子 0、左眼 1、右眼 2、左耳 3、右耳 4、左肩 5、右肩 6、左肘 7、右肘 8、左腕 9、右腕 10、左髋 11、右髋 12、左膝 13、右膝 14、左踝 15、右踝 16。很多人凭感觉写索引，把肩和髋搞反。解决：在代码里用常量定义索引，别写魔法数字。
L_SHOULDER, R_SHOULDER = 5, 6 L_HIP, R_HIP = 11, 124.2 摄像头读到的第一帧是黑的，推理直接崩
现象：cap.read()返回 True 但 frame 是 None，或者尺寸为 0，后面推理报错。原因：摄像头刚打开时还没完成初始化，第一帧经常是空的。解决：读之前先判断frame is not None and frame.size > 0，或者连续读几帧丢弃前几帧。这个坑在 Windows 上尤其常见，Linux 下好一些。
4.3 多人场景下关键点串人
现象：画面里两个人，判定结果互相干扰，A 的摔倒触发了 B 的报警。原因：r.keypoints.xy返回的是列表，每个元素对应一个人，但有人直接用r.keypoints.xy[0]只取第一个人。解决：遍历所有人，每个人的关键点和自己的 bbox 配对判定，别跨人取数据。上面流水线里的for i, kpts in enumerate(...)就是干这个的。
4.4 阈值调完这个视频好用，换个视频就废
现象：在自己拍的视频上调好的角度阈值，换到另一个房间或另一个摄像头就误报。原因：摄像头安装角度不同，透视关系变了，同样的摔倒姿势在图像上的角度不一样。解决：不要用绝对角度，改用相对变化——记录人站立时的基准角度，摔倒时角度相对基准的变化量超过阈值才判定。或者干脆上时序模型，用 LSTM 或 ST-GCN 吃关键点序列，让模型自己学动态特征，但这超出课程设计的常规工作量了。
4.5 报警延迟太高，人已经爬起来了才响
现象：摔倒后两三秒才触发预警。原因：滑动窗口的 window 设太大，或者推理本身太慢导致帧率低。解决：先测实际帧率，window按帧率折算成时间，保证窗口覆盖时间在 0.5 到 1 秒之间。如果帧率只有 10，window=15 就是 1.5 秒，太长了。这时候要么降分辨率提帧率，要么把 window 调到 8 左右。
5. 进阶技巧：用姿态序列做时序判定，把误报压下去
单帧加滑动窗口的方案能应付课程设计，但真实场景里「坐下」「弯腰」「蹲下捡东西」这三种动作和摔倒的中间帧非常像，纯几何规则很难区分。我后来改用的做法是：把连续 30 帧的 17 个关键点坐标拉成一个序列，送进一个轻量 LSTM 做二分类。特征不用原始坐标，用相对坐标——以髋中点为原点，所有关键点减去髋中点，再除以肩髋距离做归一化，这样对远近和位置不敏感。
import torch import torch.nn as nn class FallLSTM(nn.Module): def __init__(self, input_dim=34, hidden=64, layers=2): super().__init__() # input_dim = 17 关键点 * 2 坐标 self.lstm = nn.LSTM(input_dim, hidden, layers, batch_first=True) self.fc = nn.Linear(hidden, 2) # 二分类：摔倒/正常 def forward(self, x): # x 形状 (batch, seq_len, 34) out, _ = self.lstm(x) # 取最后一个时间步的输出 return self.fc(out[:, -1, :])逻辑说明：batch_first=True让输入形状是(batch, seq, feature)，符合直觉。hidden=64和layers=2是轻量配置，再大就容易过拟合，因为摔倒数据集通常不大。训练数据可以自己拍：正常走路、坐下、弯腰、蹲下、摔倒各录几十段，每段切 30 帧。验证的时候重点看混淆矩阵，坐下和弯腰的误报率是核心指标，能压到 5% 以下这套方案就值得往产品方向推。
我自己的习惯是，任何判定逻辑上线前，先拿一段「什么都没发生」的视频跑十分钟，看误报次数。如果十分钟内误报超过两次，这套参数就不能用。这个习惯帮我省掉了无数次在演示现场翻车的尴尬。希望帮到你。
本文还有配套的精品资源，点击获取
