摘要：本文面向安防看护与公共空间风险预警场景，构建一套基于深度学习的跌倒检测桌面端系统，覆盖从模型训练对比到端侧推理落地的完整链路。系统提供可下载的完整工程代码与论文示例，界面采用 PySide6/Qt 实现，支持图片/视频/本地摄像头多源输入，在主显示区实时叠加类别名+置信度+边界框，并以处理进度条展示视频与批量任务进度；检测结果可一键CSV 导出，同时支持带框结果一键导出为单帧 PNG 或多帧 AVI。为保证可追溯与本地化管理，系统将账号与检测记录写入SQLite 本地库，提供登录/注册/可跳过的入口与会话范围控制；用户可在运行中进行模型选择/权重加载（.pt 热切换），切换后同步刷新类别信息与配色。算法侧覆盖 **YOLOv5–YOLOv12（8 种）**的训练与推理对比，并对 mAP、F1、PR 曲线、训练曲线等指标进行综合分析，给出适配实时跌倒检测的模型选型建议。文末提供完整工程与数据集链接。

功能效果展示视频：热门实战｜《基于深度学习的跌倒检测系统》YOLOv12-v8多版本合集：附论文/源码/PPT/数据集，支持图片/视频/摄像头输入、可视化界面、结果导出与权重切换

➷点击跳转至文末所有涉及的完整代码文件页☇

---

1. 系统功能与效果

（1）登录注册：系统提供登录、注册与可跳过三种入口，跳过模式仅在当前会话内生效，便于临时试用但不影响后续绑定账号。完成登录后会自动载入个性化配置与历史记录，用户可沿“概览—图片检测/视频检测/摄像头检测—模型选择—导出视图”的动线快速进入工作流。账户与检测记录统一由本地 SQLite 管理，配合口令校验与会话隔离兼顾可用性与安全性。

（2）功能概况：主界面采用“左侧数据源与阈值、中部图像显示、右侧目标详情、底部记录与导出”的布局，减少频繁切页带来的操作成本。概览页聚合最近一次任务与统计摘要，便于回到上次处理的样本继续复查。底部检测记录可跨功能页共享，常用字段支持快速定位与高亮，提升批量核验效率。

（3）选择模型：用户可直接选择本地权重文件切换当前 YOLO 模型，支持 .pt 权重热切换以适配不同场景的精度与速度需求。切换后系统会同步刷新类别信息与可视化配色，保证右侧详情与叠加框显示一致。常用配置（如标题文本、主题样式与推理参数）在本地持久化保存，便于多次使用保持一致体验。

（4）图片检测：导入单张图片或图片目录后可触发即时推理，在主显示区叠加边界框、类别名与置信度，并在右侧列表呈现目标明细。Conf/IoU 等阈值可实时调节以平衡误报与漏报，选中某一目标时可高亮显示并联动详情信息。需要留档时可导出结构化结果用于统计分析，也可将带框可视化结果用于复核与汇报。

（5）文件保存：系统对导出文件与记录采用时间戳命名与统一归档策略，方便溯源、批量管理与按文件名快速检索。单帧结果支持带框图像保存，结构化信息可导出为 CSV，便于后续做质量抽检与指标汇总。检测过程与导出行为会同步写入本地数据库，形成可回放、可审计的任务闭环。

---

2. 绪论

2.1 研究背景及意义

跌倒是老年人群最常见、也最具破坏性的突发风险之一，往往伴随骨折、颅脑损伤与长期卧床等连锁后果，从而显著抬升院前救治、住院护理与康复随访的综合成本。1 (世界卫生组织) 现实场景中，跌倒发生的地点多样且不可控（居家、养老机构、医院走廊与公共区域等），对“及时发现—快速定位—可追溯记录”的闭环能力提出了更高要求。

从技术路径看，可穿戴与环境传感方案具备隐私友好和部署灵活的优势，但在依从性、充电维护、误报漏报以及个体差异适配方面仍存在工程挑战。2 近年来，多模态与分阶段确认思路被用于降低误报并兼顾隐私，例如将传感端初筛与视觉端按需核验结合，以减少不必要的持续视频监控。4 (ar5iv)

在此背景下，基于深度学习的视觉跌倒检测具备“非接触、可解释、可回放”的天然优势，尤其适合与桌面端可视化工具结合形成面向一线使用者的交互闭环。11 以 YOLO 系列为代表的实时检测模型在速度与精度之间提供了可工程化的折中，使得边缘端或普通 GPU 环境下的在线推理成为可能。[16] (arXiv)

2.2 国内外研究现状

针对“摄像头视频流中实时识别跌倒/疑似跌倒”的任务，现有研究普遍面临类间相似性高（躺下、弯腰、拾物与跌倒易混淆）、尺度变化大（远景小目标与近景局部截断并存）、遮挡与密集人群干扰、光照与背景强变化、长尾分布显著以及低延迟在线告警等难点。3 此外，跌倒事件本身在真实数据中占比极低，导致训练阶段的样本不平衡与评测阶段的漏检代价被同时放大，这使得模型不仅要“测得准”，还要“报得稳”。

在方法体系上，跌倒检测并非只有单一路径：一类工作以可穿戴/环境信号为主，通过个性化建模提升对不同人群与不同动作习惯的适配能力。2 另一类工作强调多模态融合与分阶段确认，通过传感端初筛、定位/导航与视觉核验组合，在兼顾隐私的同时降低误报，并在公开实验中报告了较高的整体准确率。4 还有研究直接从视觉端入手，基于姿态估计与注意力机制改进实现嵌入式可用的实时跌倒识别，在特定数据集上给出了准确率与帧率等指标。3 (ar5iv)

方法/系统	范式/家族	典型数据集	关键改进点	优势与局限	关键指标（原文报道）	对应任务难点
Faster R-CNN	两阶段检测	VOC/COCO	RPN 共享卷积特征生成候选框	精度强但端到端实时性受限	VGG-16 约 5 FPS（含全流程）6 (arXiv)	复杂背景下稳健定位
RetinaNet	单阶段（Anchor-based）	COCO	Focal Loss 缓解前景/背景不均衡	对长尾更友好但仍需调 Anchor	提出 Focal Loss 并构建 RetinaNet7 (arXiv)	长尾与类不平衡
EfficientDet	单阶段（BiFPN）	COCO	BiFPN + 复合缩放	资源受限设备更友好	D7：55.1 AP，77M 参数8 (arXiv)	边缘实时与算力约束
FCOS	单阶段（Anchor-free）	COCO	像素级回归，去 Anchor 超参	简化训练但对尺度与分配敏感	44.7% AP（ResNeXt-101）9 (arXiv)	尺度变化与密集目标
DETR	Transformer 检测	COCO	集合预测 + 匈牙利匹配	结构简洁但训练与收敛成本高	COCO val 可达 42 AP10 (ar5iv)	全局关系建模、遮挡
RT-DETR	Real-time DETR	COCO	端到端 Transformer 实时化	精度强但工程依赖较重	53.1% AP，108 FPS（T4）11 (arXiv)	低延迟在线推理
YOLOv10	YOLO 系列	COCO	端到端（减少后处理依赖）	更利于部署但需配套训练策略	YOLOv10-S 约为 RT-DETR-R18 的 1.8× 速度[15] (arXiv)	工程部署与稳定延迟
YOLOv12	YOLO 系列	COCO	Attention-centric 设计	兼顾精度与时延，适合实时场景	Nano：40.6% mAP、1.64 ms（T4）[16] (arXiv)	实时性与精度平衡
DSC-OpenPose	姿态估计+规则/特征	RF/COCO	稠密连接+坐标注意力	可解释但依赖姿态质量	RF：Acc 98.2%，Prec 96.6%，20.2 FPS3 (dl.ccf.org.cn)	类间相似、密集遮挡
隐私分阶段框架	多模态系统	UP-Fall 等	传感初筛+视觉核验+联动	工程复杂但隐私友好	视觉核验 96.3%，整体 99.99%4 (ar5iv)	误报控制与隐私约束

从检测器范式看，两阶段方法在复杂背景下的定位与分类通常更稳，但很难在通用硬件上长期维持低延迟告警，因此“单阶段检测器 + 任务特化后处理”的路线在跌倒场景更易落地。6 为应对跌倒样本稀缺导致的训练失衡，基于损失重加权与难例挖掘的思想被广泛借鉴，其中 Focal Loss 对密集检测的前景/背景不均衡给出了经典解释与可复用的实现方式。7 在资源受限端侧，特征融合结构与统一缩放策略同样关键，EfficientDet 通过 BiFPN 与复合缩放展示了在参数与 FLOPs 受限条件下提升 AP 的可行性。8 面向“远景小目标+近景截断”的尺度矛盾，Anchor-free 与更简洁的样本分配机制可减少调参成本，FCOS 提供了用像素级回归替代 Anchor 的代表性实践。9

另一方面，Transformer 检测器将目标检测表述为集合预测问题，带来更强的全局关系建模能力，但其训练与推理开销对实时告警系统并不总是友好。10 因此，面向在线推理的 Real-time DETR 方向开始强调结构裁剪与工程优化，RT-DETR 在保持较高 AP 的同时给出了接近视频级实时的速度指标，为“可解释可视化+在线告警”的系统化落地提供了参照。11

在 YOLO 家族的演进中，工业化可部署、训练策略可复用与端到端推理链路被持续强化，YOLOv6 将工程可用性作为重要目标来组织训练与部署接口。[12] YOLOv7 通过可训练的“bag-of-freebies”策略在实时区间同时提升速度与精度，体现了单阶段检测器在工程场景的生命力。[13] 随后，YOLOv9 引入可编程梯度信息等设计来改善训练与表征学习效率。[14] YOLOv10 进一步强调端到端检测链路以减少后处理依赖，有助于在固定硬件与固定延迟预算下获得更稳定的在线表现。[15] YOLOv12 则以 attention-centric 的实时检测器为核心叙事，为“更强表达能力+可控时延”提供了新的结构选择。[16]

2.3 要解决的问题及其方案

围绕桌面端可交互的跌倒检测系统，本文需要解决的关键问题主要体现在以下四点：（1）检测准确性与实时性的平衡，既要在多姿态与遮挡条件下降低漏检，又要在视频流中保持稳定低延迟告警；（2）跨场景泛化与环境适应性，面对不同摄像头视角、光照、背景与人群密度时仍保持可用的置信度分布与阈值可调空间；（3）桌面端交互的直观性与功能完整性，使非算法背景用户能够完成多源输入切换、阈值调参、目标高亮、结果复查与批量导出；（4）数据处理效率与存储安全性，需要对检测记录、导出文件与用户会话进行可追溯管理并降低误操作风险。

对应上述问题，本文的系统化方案设计为：（1）以 YOLOv12 为核心检测模型，并扩展到 YOLOv5–YOLOv12 多模型对比训练与推理，在统一指标体系下评估 mAP、F1、PR 与训练曲线以选择更优的部署折中点；（2）在推理链路中引入统一输入预处理与可调 Conf/IoU 参数，使同一套交互逻辑覆盖图片、视频与摄像头流，并通过阈值同步与源互斥机制保障在线状态一致性；（3）在桌面端构建“显示区叠加框+详情区列表+记录区检索”的交互闭环，并支持 CSV 与带框结果的一键导出，降低复核与追溯成本；（4）采用本地化的数据持久化策略，使用 SQLite 管理账户与检测记录，并配合时间戳命名与统一归档目录形成可审计的离线证据链。

2.4 博文贡献与组织结构

本文的主要贡献概括为：（1）面向跌倒检测这一高时效任务，结合目标检测与多模态/姿态类工作进展，给出与实时部署强相关的文献脉络与方法权衡；（2）以 YOLOv12 为主线并覆盖 YOLOv5–YOLOv12，构建统一训练、推理与评测流程，形成可复用的多模型对比基线；（3）实现桌面端一体化交互闭环，覆盖多源输入、阈值调参、目标高亮、进度展示、结果导出与本地入库等工程能力；（4）围绕可追溯性与可复查性组织结果管理策略，使检测记录与导出物能够支撑实际场景的复盘与审计；（5）配套提供可运行的完整工程与示例写作框架，便于读者复现与二次开发。

全文组织结构如下：第 3 章介绍数据集与标注处理及增强策略；第 4 章阐述以 YOLOv12 为主的模型原理与训练要点；第 5 章给出 YOLOv5–YOLOv12 的实验对比与误检漏检分析；第 6 章从分层架构出发说明桌面端系统设计、账户管理与结果闭环；第 7 章总结本文工作并讨论可落地的未来改进方向。

---

3. 数据集处理

本项目使用的跌倒检测数据集共包含 1770 张经过细致筛选的图像样本，其中 1110 张用于训练、330 张用于验证；其余样本作为独立测试集以评估泛化性能（若您后续将测试集另行配置，本章文字可按实际数量同步修订）。类别设置采用单类检测，英文类别名为 fall，中文显示映射为“跌倒”，便于在 Qt 桌面端以统一的类别文本完成叠框展示、结果检索与导出复核。结合您提供的标注统计可视化，本数据集采用 YOLO 系列常用的归一化边界框表达（以 $x,y,w,h$ 描述目标中心点与宽高），并以“每个目标框尽量贴合人体跌倒姿态区域”的准则保证标注一致性，从而减少“躺卧、弯腰、拥抱/搀扶”等相似动作带来的决策噪声。标签及其对应中文名如下：

Chinese_name = {'fall': "跌倒"}

从类别与框分布统计来看，数据集中实例量达到数千级，单类别结构避免了传统多类任务的长尾类别不均衡，但在“事件语义”层面仍存在天然不均衡：跌倒属于低频高风险动作，背景与干扰动作却高度多样。框中心的分布呈现明显的中部聚集趋势，反映出采集视角多以监控或手持居中构图为主；与此同时，宽高分布与相关性图显示目标尺度跨度较大且宽高存在正相关，既包含远距离的小目标，也包含近景占比很高的截断人体，这类尺度差异会直接影响检测头的多尺度学习与 NMS 稳定性。样例拼图中还可观察到室内外、不同光照、不同背景纹理以及一定程度的旋转/倾斜构图，说明数据在场景覆盖上具备一定多样性，但也意味着模型需要同时应对低照度、运动模糊与遮挡带来的漏检风险。

在数据处理策略上，系统侧统一将输入在推理前规范化到固定尺度（例如 640×640 的等比例缩放与填充），以保证训练与部署端的分布一致；训练侧建议以轻量但有效的增强为主来贴合跌倒场景的关键难点，包括随机尺度与仿射扰动以覆盖远近尺度变化、颜色与亮度抖动以缓解光照波动、适度的翻转/模糊以模拟监控噪声与运动模糊，并在必要时引入多图拼接增强来提升对密集干扰与复杂背景的鲁棒性。清洗层面则应优先剔除明显重复帧、极端遮挡且无法判读的样本、以及标注框偏移较大的噪声标签，并在划分时保持随机种子固定以确保可复现实验对比；这些处理与增强共同服务于本文的核心目标：在保证实时性的前提下，尽可能降低“相似姿态误报”和“遮挡/低照导致漏检”，为后续 YOLOv5–YOLOv12 的公平对比与桌面端稳定落地提供可靠的数据基础。

---

4. 模型原理与设计

本文将跌倒检测建模为单阶段目标检测问题：对每一帧输入图像（或视频帧）直接预测目标类别与边界框位置，实现“检测即定位”的端到端推理。整体流程可概括为“Backbone 提取多尺度特征—Neck 融合上下文与语义—Head 输出分类与回归结果”，并在推理端将输出解析为 $c,;(x_{\min },y_{\min },x_{\max },y_{\max }),;s$ 的实例集合，其中 $c$ 为类别（本任务可为单类 fall），$s$ 为置信度分数。该范式的优势在于延迟低、工程链路短，适合桌面端对图片/视频/摄像头的实时处理；同时，多尺度特征与密集预测机制能更稳健地覆盖“人体姿态跨度大、尺度变化明显、遮挡与低照度共存”等跌倒场景难点。(Ultralytics Docs)

在结构设计上，本文默认以 YOLOv12 为主线：其核心思想是在保持 YOLO 层级式骨干与特征金字塔框架的前提下，将注意力机制作为特征建模的关键算子引入主干与颈部，使网络在复杂背景下具备更强的全局依赖建模能力。YOLOv12 的代表性改动包括区域注意力（Area Attention）与残差高效层聚合网络（R-ELAN）等模块：前者通过将特征图划分为若干区域并在区域内进行高效注意力计算，以降低注意力的计算与访存开销；后者在 ELAN 的聚合思路上引入块级残差与更稳定的特征整合路径，从而缓解注意力模型在大尺度网络训练时的收敛不稳定问题。对于跌倒检测而言，这类“兼顾全局上下文与局部纹理”的特征表达，能更好地区分“躺卧/跌倒”与“坐下/弯腰”等易混姿态，并在多人、遮挡与背景杂乱时减少误检。网络整体架构图如下图所示：

损失函数与任务建模方面，本文沿用 Ultralytics 系列检测头的常见组合：分类分支以二元交叉熵为主（单类任务等价于二分类），回归分支以 IoU 系列损失约束框与真值框的几何一致性，并辅以分布式回归的 Distribution Focal Loss（DFL）提升边界定位的细粒度稳定性。首先，IoU 定义为
$$\mathrm{IoU}(B,B^{\ast })=\frac{|B\cap B^{\ast }|}{|B\cup B^{\ast }|},$$
其中 $B$ 为预测框，$B^{\ast }$ 为真值框；在此基础上，可用 CIoU 类损失综合考虑重叠度、中心距离与宽高比一致性，例如
$$L_{\mathrm{CIoU}}=1-\mathrm{IoU}+\frac{{\rho }^2(\mathbf{b},{\mathbf{b}}^{\ast })}{c^2}+\alpha v,$$
$\rho (\cdot )$ 表示两框中心点距离，$c$ 为最小外接框对角线长度，$v$ 与 $\alpha$ 用于约束宽高比项。DFL 则将边界回归建模为离散分布（$K$ 个桶），以交叉熵形式监督分布与目标位置附近的插值标签：
$$L_{\mathrm{DFL}}=-\sum _{k=0}^K{y}_k\log p_k,$$
其中 $p_k$ 为预测分布，$y_k$ 为目标位置生成的软标签。综合起来可写作
$$L={\lambda }_{\mathrm{box}}{L}_{\mathrm{CIoU}}+{\lambda }_{\mathrm{dfl}}{L}_{\mathrm{DFL}}+{\lambda }_{\mathrm{cls}}{L}_{\mathrm{BCE}},$$
三项权重 $\lambda$ 用于平衡定位与分类学习强度。(Ultralytics Docs)

训练与正则化策略上，本文更强调“对场景扰动的鲁棒性”与“桌面端实时推理的一致性”：训练阶段通过常规的数据增强与多尺度输入提升对光照、背景与姿态变化的泛化能力，并使用学习率调度与指数滑动平均等稳定优化过程；推理阶段采用置信度阈值与 NMS 抑制冗余框，使得同一人体在单帧内尽量只保留最可信的检测结果。由于跌倒检测更关注“少漏检、低误报”的平衡，系统侧会将 $\mathrm{Conf}$ 与 $\mathrm{IoU}$ 作为可交互参数：提高 $\mathrm{Conf}$ 可抑制背景误检，但可能牺牲低照度/遮挡下的召回；提高 NMS 的 $\mathrm{IoU}$ 阈值则更易合并相近候选框，有助于稳定视频帧间的检测抖动。上述训练与推理设计共同服务于本文的目标：在不引入额外时序建模负担的前提下，使单帧检测在视频流中表现出更平滑、更可靠的在线跌倒告警能力。(Ultralytics Docs)

---

5. 实验结果与分析

本章以 FallDet 单类“跌倒”检测任务为对象，在同一数据划分与同一评测流程下，对 YOLOv5–YOLOv12 共 8 种模型进行横向对比；其中 “n/nu/tiny/t” 代表轻量档，“s” 代表小型档，推理与计时均在 NVIDIA GeForce RTX 3070 Laptop GPU（8GB） 上完成。整体来看，所有 YOLO 分支在该数据集上均能取得较高的 Precision/Recall 水平，但在“高召回端（Recall 接近 1）精度快速下滑”的区域仍存在差异，这往往对应跌倒场景中最棘手的样本：强遮挡、低照度、姿态与背景高度相似（例如躺卧/弯腰/搀扶）以及目标被截断等情况。结合平均 PR 曲线可以看到，高性能模型在 Recall 0.8 之后仍能保持更高 Precision 的“尾部”优势，这类优势对在线告警更关键，因为它直接影响“宁可多报也不要漏报”的阈值选择空间与误报成本。

为便于读者快速复现实验结论，表 5-1 汇总了各模型的规模、计算量、端到端耗时（预处理/推理/后处理）与核心指标。轻量档中，YOLOv11n 在 mAP50 上达到 0.9135，并以更高的 Precision（0.8863）在“减少误报”方向更占优；YOLOv9t 的 mAP50-95 达到 0.6084，说明在更严格 IoU 阈值下的定位质量更强，但其 InfTime 为 16.51 ms，在相同硬件上会显著压缩实时余量。小型档中，YOLOv11s / YOLOv12s 的 mAP50 均达到 0.916+，表现出更稳定的 PR 曲线形态；而 YOLOv9s 的 F1=0.8700、mAP50-95=0.6270 指向更强的“召回与定位综合质量”，但 InfTime=18.66 ms 使其更适合离线批处理或边缘端有更强算力时使用。需要特别指出的是，部分模型的推理耗时与 Params/FLOPs 并非严格单调一致，这通常来自算子实现、图优化程度与推理后端差异；因此本文同时给出实测 InfTime 作为系统落地时的主要依据，而不是仅凭参数量做结论。

表 5-1 FallDet 不同 YOLO 模型对比（RTX 3070 Laptop GPU）

档位	Model	Params(M)	FLOPs(G)	Pre(ms)	Inf(ms)	Post(ms)	Precision	Recall	F1	mAP50	mAP50-95
轻量	YOLOv5nu	2.6	7.7	1.90	7.73	1.31	0.8292	0.8420	0.8356	0.8826	0.5423
轻量	YOLOv6n	4.3	11.1	2.17	6.78	1.39	0.8606	0.8076	0.8332	0.8703	0.5505
轻量	YOLOv7-tiny	6.2	13.8	2.28	14.74	4.06	0.7870	0.8042	0.7955	0.8257	0.3995
轻量	YOLOv8n	3.2	8.7	1.95	6.83	1.39	0.8461	0.8354	0.8407	0.8937	0.5716
轻量	YOLOv9t	2.0	7.7	1.87	16.51	1.29	0.8663	0.8507	0.8585	0.9015	0.6084
轻量	YOLOv10n	2.3	6.7	2.08	11.24	0.63	0.8330	0.8488	0.8408	0.8890	0.5743
轻量	YOLOv11n	2.6	6.5	2.11	9.44	1.42	0.8863	0.8324	0.8585	0.9135	0.5931
轻量	YOLOv12n	2.6	6.5	1.91	12.47	1.37	0.8657	0.8365	0.8508	0.9052	0.5873
小型	YOLOv5su	9.1	24.0	2.28	8.45	1.51	0.8624	0.8226	0.8420	0.8879	0.5662
小型	YOLOv6s	17.2	44.2	2.22	8.59	1.45	0.8414	0.8365	0.8389	0.8727	0.5613
小型	YOLOv7	36.9	104.7	2.44	23.62	3.46	0.6826	0.7107	0.6964	0.7034	0.3043
小型	YOLOv8s	11.2	28.6	2.31	7.66	1.42	0.8378	0.8409	0.8393	0.8894	0.5744
小型	YOLOv9s	7.2	26.7	2.12	18.66	1.39	0.8840	0.8565	0.8700	0.9095	0.6270
小型	YOLOv10s	7.2	21.6	2.21	11.38	0.60	0.8718	0.8394	0.8553	0.8926	0.5983
小型	YOLOv11s	9.4	21.5	2.37	9.74	1.36	0.8732	0.8578	0.8654	0.9169	0.6152
小型	YOLOv12s	9.3	21.4	2.09	13.23	1.42	0.8665	0.8610	0.8637	0.9163	0.6128

从系统落地视角进一步看“速度—精度”的平衡：若以单帧总耗时 $T=\text{Pre}+\text{Inf}+\text{Post}$ 粗略估算理论吞吐（不含 I/O 与 Qt 绘制开销），轻量档中 YOLOv8n 的 $T=1.95+6.83+1.39=10.17$ ms，对应约 98 FPS 的余量，适合摄像头实时与多路源切换；YOLOv11n 的 $T=12.97$ ms 约 77 FPS，在保持较高精度的同时仍能覆盖一般桌面端实时需求；而 YOLOv9t 的 $T=19.67$ ms 约 51 FPS 更适合“精度优先”的单路视频。小型档中 YOLOv8s 的 $T=11.39$ ms 约 88 FPS 是较稳妥的实时基线，YOLOv11s 的 $T=13.47$ ms 约 74 FPS 则更适合作为默认部署模型；若追求更高 mAP50-95（定位更严格）可考虑 YOLOv9s，但需接受其更高推理时延带来的实时压力。

结合训练曲线与 PR/F1 曲线可以给出更贴近交互系统的阈值建议：训练过程中 mAP50 在前 20–40 个 epoch 上升最快并逐渐平台化，后期主要体现为小幅精修与稳定性提升；这意味着在数据规模受限或需要快速迭代时，可优先采用早停与更强的数据增强来提升泛化而不是盲目堆叠 epoch。另一方面，F1-Confidence 曲线显示在置信度约 0.434 处取得 F1≈0.87 的峰值，这与桌面端“Conf 滑块默认值”直接相关：若目标是综合表现最优，Conf 默认值设置在 0.40–0.45 区间更接近最优；若更强调不漏报（Recall 优先），可在 0.25–0.35 区间起步，并在系统侧配合“连续多帧命中再告警”的策略削减误报。至于单类任务下的混淆矩阵，“background”项的解释容易受到负样本构成与评测实现细节影响，博主更建议以 PR 曲线、F1 峰值点与不同 Conf/IoU 下的误报样例复查作为最终的阈值落地依据。

图 5-1 FallDet 轻量档（n/nu/tiny/t）F1 与 mAP50 对比
图注：YOLOv11n 在 mAP50 上领先，YOLOv9t 在 mAP50-95 上更强但推理更慢，体现“精度—时延”权衡。

图 5-2 FallDet 小型档（s）F1 与 mAP50 对比
图注：YOLOv11s 与 YOLOv12s 的 mAP50 均达到 0.916+，在保持较高实时性的同时提供更稳定的 PR 曲线形态。

图 5-1 与图 5-2 给出了轻量档与小型档的 F1 与 mAP50 对比柱状图，可直观看到 YOLOv11 系列在 mAP50 上的优势、YOLOv9 系列在 mAP50-95（严格定位）上的潜力，以及 YOLOv7 系列在本数据与实现组合下的明显短板。综合精度、速度与系统交互体验，本文在默认部署策略上更推荐 YOLOv11s 作为桌面端的“通用默认权重”，并保留 YOLOv8n/YOLOv8s 作为“低时延备选”，同时通过 .pt 热切换机制为不同场景（夜间低照、远景小目标、室外强反光）提供可操作的模型选择空间。

---

6. 系统设计与实现

6.1 系统设计思路

本系统采用分层架构组织桌面端推理与交互闭环，核心由表现与交互层（Qt 客户端）、业务与会话管理层、推理与任务调度层、数据持久化层协同完成。数据流从多源输入（图片/视频/摄像头）进入后，先进行统一预处理（缩放到 640×640、归一化与张量转换），再调用 YOLOv5–YOLOv12 模型完成前向推理，随后在后处理阶段执行 Conf/IoU 过滤、NMS 与坐标还原，最后将结构化结果与可视化叠加同步回传至界面完成展示与交互。该分层方式将“可视化体验”与“推理链路”解耦，便于在不改动前端布局的前提下进行权重热切换、性能调优与评测逻辑复用。

在实时性与一致性保障方面，推理与任务调度层以事件驱动的帧流组织视频与摄像头输入，通过异步任务队列对帧获取、预处理、推理与后处理进行串联，避免 UI 阻塞并稳定刷新频率。业务层对多源输入实施互斥策略，确保同一时刻只有一种数据源处于激活状态，同时维护 Conf/IoU 等关键参数的全局一致性，使阈值滑块调整能够在下一帧立即生效并与统计口径保持一致。界面侧通过进度条与耗时统计展示批处理与视频处理进度，并将“目标选择与高亮”设计为可逆操作，从而把检测输出自然融入复核与二次确认流程。

在可追溯与可扩展性方面，数据持久化层同时覆盖结果记录与账户管理：检测记录与用户偏好写入本地 SQLite，以保证离线可用与会话隔离；导出侧统一以时间戳命名组织 CSV/PNG/AVI 归档，减少多次实验与多模型对比时的混淆风险。模型权重管理被抽象为可热切换的资源，切换权重后同步刷新类别与配色，确保“显示叠框、详情列表与导出字段”三者一致；同时保留日志与异常恢复接口，使推理失败、源切换与文件读写异常能够以可控方式回退并提示用户，而不破坏整体会话状态。

图 6-1 系统流程图
图注：流程从系统初始化与多源输入开始，经过预处理、YOLO 推理与后处理后回到界面联动，并在帧循环中形成事件驱动闭环；导出阶段强调 CSV/PNG/AVI 与时间戳命名。

图 6-2 系统设计框图
图注：框图以“表现与交互—业务与会话—推理与调度—数据持久化”分层描述模块边界，箭头体现参数同步、检测结果回传与导出归档的数据流向。

6.2 登录与账户管理

系统在启动后首先进入登录界面，通过“已有账号”判定分流到注册或登录流程：注册阶段采集用户名、邮箱与口令并写入本地数据库形成账户记录；登录阶段输入账号与口令后进行校验，失败则回到输入界面以避免会话状态污染，成功则载入个性化配置（主题样式、默认模型与最近记录）并进入主界面开始多源推理检测。为满足临时试用场景，系统允许以“跳过”方式进入主界面，但该模式仅生成一次性会话并使用默认配置；当用户在主界面进行资料修改（口令、主题或语言偏好）时，系统将变更持久化到本地数据库以保证跨会话一致性，而注销/切换账号会主动清空会话上下文并重新回到登录界面，从而在桌面端环境中实现可追溯、可隔离且可回退的账户生命周期管理。

图 6-3 登录与账户管理流程图
图注：流程包含注册写库、登录校验、跳过的一次性会话与成功后的个性化载入，并以注销/切换账号实现会话回收与安全隔离。

---

7. 项目资源链接

    若您想获得博文中涉及的实现完整全部资源文件（包括测试图片、视频，py, UI文件，训练数据集、训练代码、界面代码等），这里见可参考博客与视频，已将所有涉及的文件同时打包到里面，点击即可运行，完整文件截图如下：

项目完整文件请见项目介绍及功能演示视频处给出:

完整项目及文档： https://newtopmat.feishu.cn/wiki/SErTwawfqi7vDUk0uWycXMq4nvg

功能效果展示视频：热门实战｜《基于深度学习的跌倒检测系统》YOLOv12-v8多版本合集：附论文/源码/PPT/数据集，支持图片/视频/摄像头输入、可视化界面、结果导出与权重切换
环境配置博客教程：https://deeppython.feishu.cn/wiki/EwnTwJ2H3iLF6VkNG6ccgZYrnvd；
或者环境配置视频教程：Pycharm软件安装视频教程；（2）Anaconda软件安装视频教程；（3）Python环境配置视频教程；
数据集标注教程（如需自行标注数据）：数据标注合集

---

参考文献（GB/T 7714）

1 World Health Organization. Falls[EB/OL]. 2021.
2 赵举, 郑建立. 基于多传感器和 Bi-LSTM 的个性化跌倒检测研究[J]. 智能计算机与应用, 2022.
3 孟彩霞, 薛洪秋, 石磊, 等. 融合注意力机制的 OpenPose 人体跌倒检测算法[J]. 计算机辅助设计与图形学学报, 2024. doi:10.3724/SP.J.1089.2024.20124.
4 Azghadi S A R, Nguyen T T H, Fournier H, et al. A Privacy-Preserving Multi-Stage Fall Detection Framework with Semi-supervised Federated Learning and Robotic Vision Confirmation[J/OL]. arXiv:2507.10474, 2025.
5 Galvão Y M F, Ferreira J C, Barros P H L, et al. A multimodal approach using deep learning for fall detection[J]. Expert Systems with Applications, 2021.
6 Ren S, He K, Girshick R, Sun J. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J/OL]. arXiv:1506.01497, 2015.
7 Lin T Y, Goyal P, Girshick R, He K, Dollár P. Focal Loss for Dense Object Detection[J/OL]. arXiv:1708.02002, 2017.
8 Tan M, Pang R, Le Q V. EfficientDet: Scalable and Efficient Object Detection[J/OL]. arXiv:1911.09070, 2019.
9 Tian Z, Shen C, Chen H, He T. FCOS: Fully Convolutional One-Stage Object Detection[J/OL]. arXiv:1904.01355, 2019.
10 Carion N, Massa F, Synnaeve G, et al. End-to-End Object Detection with Transformers[C/OL]. arXiv:2005.12872, 2020.
11 Zhao X, Wang Y, Feng Y, et al. DETRs Beat YOLOs on Real-time Object Detection[J/OL]. arXiv:2304.08069, 2023.
[12] Li C, Li L, Jiang H, et al. YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications[J/OL]. arXiv:2209.02976, 2022.
[13] Wang C Y, Bochkovskiy A, Liao H Y M. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors[J/OL]. arXiv:2207.02696, 2022.
[14] Wang C Y, Yeh I H, Liao H Y M. YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information[J/OL]. arXiv:2402.13616, 2024.
[15] Wang A, Chen H, Liu L, et al. YOLOv10: Real-Time End-to-End Object Detection[J/OL]. arXiv:2405.14458, 2024.
[16] Tian Y, Ye Q, Doermann D. YOLOv12: Attention-Centric Real-Time Object Detectors[J/OL]. arXiv:2502.12524, 2025.