摘要：本文面向安防巡检、养老看护与园区应急等场景，设计并实现一套基于深度学习的行人跌倒检测桌面系统，实现“检测—可视化—记录—导出—追溯”的闭环。系统基于 PySide6/Qt 构建交互界面，支持本地图片/视频/本地摄像头三类输入，主显示区实时叠加带框结果（类别/置信度），并提供处理进度显示/进度条与用时统计。检测结果可一键导出为 CSV 导出与带框文件（单帧 PNG / 多帧 AVI），同时将账号、历史记录与检测统计写入本地 SQLite 本地入库以便检索追溯；系统提供**登录/注册（可跳过）**入口，保证会话范围内的数据隔离与口令校验体验。算法侧覆盖 模型选择/权重加载（.pt 热切换），统一支持 YOLOv5–YOLOv12（共 8 种）在跌倒数据集上的训练与推理对比，给出 mAP、F1、PR 曲线与训练曲线等评测结论，并在界面内同步展示与复查。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｜《基于深度学习的行人跌倒检测系统》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、注册与跳过三种入口，用户可在启动时完成身份校验，也可选择一次性跳过以快速进入主界面。登录态在当前会话内生效，历史记录与个性化配置按账户维度区分，便于多用户共用设备时的权限与数据隔离。进入系统后的操作动线清晰，通常从概览页开始，再进入检测功能、模型选择与结果导出视图完成闭环。

（2）功能概况：桌面端以“左侧参数与数据源、中部结果显示、右侧目标详情、底部记录与进度”的交互布局组织核心能力，用户几乎不需要跳转即可完成主要操作。系统围绕“导入媒体—推理检测—可视化复核—记录追溯—导出归档”串联工作流，关键状态（当前输入源、模型、阈值、处理进度）会在界面中持续可见。底部的检测记录支持快速定位最近任务与高亮检索，适合连续标注与复核的使用习惯。

（3）选择模型：系统支持从本地选择权重文件切换当前检测模型，并在切换后同步刷新类别信息与可视化配色，使不同模型的输出差异更易对比。模型热切换强调“即选即用”的体验，便于在同一段素材上快速试验不同版本与不同规模模型。常用配置（如标题文本、主题样式与阈值偏好）可本地持久化，减少重复设置成本。

（4）图片检测：导入单张图片或图片序列后，系统可在主显示区实时叠加检测框，并以类别名与置信度标注关键结果，便于人工复核。用户可直接调节置信度阈值与IoU阈值来控制检出数量与框的稳定性，并支持对某个目标进行选择与高亮查看细节。检测表格会同步记录类别、位置、置信度与用时等信息，为后续统计与导出提供一致的数据来源。

（5）文件保存：系统支持将检测结果一键导出为结构化表格与带框可视化文件，既可用于复核追溯，也便于二次分析与报表汇总。导出文件采用时间戳命名并保持统一的归档规则，方便按批次管理与快速定位复查；对于连续帧结果可按序保存为视频以保留过程信息。关键记录可同步写入本地数据库，保证“任务—结果—导出物”的对应关系在离线环境下也可稳定追溯。

---

2. 绪论

2.1 研究背景及意义

跌倒是老年人伤害事件中最常见、后果也最严重的一类意外之一，往往与骨折、长期卧地、继发感染乃至死亡风险相关，因此“早发现、快响应”的监测与预警具有明确的公共健康价值。1 (World Health Organization)

从工程落地角度看，跌倒检测通常面向养老机构、社区居家、医院走廊与公共空间等视频监控场景，系统需要在复杂背景、遮挡与姿态剧烈变化下稳定工作，并在边缘端保持较低延迟以缩短告警链路。2 (MDPI)

基于深度学习的视觉检测方案一方面可以通过“可视化框选+置信度”提供更直观的解释性输出，降低人工复核成本，另一方面也便于与桌面端交互软件融合，形成“输入源接入—推理—结果回看—导出归档—数据闭环”的完整流程，从而更适合在一线运维与护理流程中持续使用与迭代。

2.2 国内外研究现状

围绕“行人跌倒”这一目标事件，研究难点集中体现在：跌倒过程伴随人体形变与长宽比突变，导致单帧外观差异大且类内方差高；多人场景下遮挡与密集目标使得漏检风险上升；不同摄像机高度与俯仰角带来强视角变化；跌倒样本天然稀缺，数据分布呈现明显长尾与难例占比高等特征。2 在此背景下，学界与工业界形成了“检测器直接识别跌倒状态”“先人后姿态/动作识别”“多模态融合”等多条技术路线并行推进。2 (MDPI)

从通用目标检测框架看，两阶段检测器以候选区域为核心，通常具备较强的定位与分类能力，但在端到端实时性与部署复杂度上存在压力。3 单阶段检测器通过密集预测提升吞吐，SSD与RetinaNet分别代表了多尺度密集回归与“难例重加权”的典型范式，并在工程中长期作为速度与精度权衡的基线。4 近年来，EfficientDet等工作进一步强调可伸缩结构与高效特征融合，使得轻量化检测在边缘端部署更具可行性。[6]

在跌倒检测任务中，YOLO 系列因其良好的实时性与训练部署生态，成为“直接将跌倒视为类别进行检测”的主流选择之一。[12] 针对跌倒场景的形变、遮挡与尺度变化问题，国内已有研究在YOLOv5上引入可变形卷积、注意力与解耦头等改进以提升细节表达与回归质量，并报告了相对基线的 mAP 提升。[19] 面向更轻量的端侧应用，也有工作在YOLOv8框架上替换骨干模块以降低计算量并增强特征复用，旨在兼顾室内复杂光照与遮挡条件下的精度与实时性。[20] 在更系统的对比上，针对工业环境的YOLOv8变体对比研究强调了不同结构改动在 mAP 与推理速度之间的差异，为“模型选择—部署形态”提供了可复现的经验参考。[22] (Ultralytics Docs)

除“直接检测跌倒”外，基于姿态估计与骨架动作建模的路线通过关键点序列表达人体几何结构，通常对衣着纹理与背景干扰更不敏感，并天然便于引入时序信息。[9] 高分辨率姿态网络在关键点定位精度上表现稳定，为下游动作判别提供了更可靠的骨架输入。[10] 在动作识别侧，基于时空图卷积的骨架建模方法能够在关键点图结构上进行时序关系学习，适合刻画“站立—失衡—倒地”的动态过程。[11] 这一路线的局限在于对关键点质量、遮挡与小目标分辨率更敏感，且端侧实时性往往受制于“检测/姿态—时序模型”的级联开销。[9]

随着检测器结构演进，实时检测正呈现“两条趋势并行”：一类是以YOLO为代表持续强化高效特征融合、解耦头与注意力模块的组合，另一类是以DETR及其改进为代表推进端到端、弱化或消除NMS依赖以降低后处理开销。[7] 例如RT-DETR通过高效混合编码器与查询选择机制在COCO上给出兼顾速度与精度的结果，为实时端到端检测提供了工程可用的范式。[8] 在YOLO家族内部，YOLOv10强调端到端与NMS-free训练以降低推理延迟并减少冗余计算。[16] 面向注意力机制的进一步引入，YOLOv12在保持实时性的同时强调注意力建模能力，并给出了在T4等硬件上的延迟与mAP对比数据。[18] (arXiv)

为便于将上述研究脉络与本文系统选型对应，表1给出若干代表性方法在范式、改进点与指标侧重上的对照（指标以原文报告为准，便于追溯）。

表1 代表性检测/跌倒检测方法对比（摘取关键范式与原文指标示例）

方法名称	范式/家族	数据集（原文）	关键改进技术（概括）	优势与局限性（面向跌倒场景）	关键性能指标（原文示例）
Faster R-CNN	两阶段/Region-based	PASCAL VOC/COCO等	RPN生成候选框并联合训练	精度强但端侧实时与部署成本较高	提出RPN并形成两阶段主流范式3
RetinaNet	单阶段/Anchor-based	COCO	Focal Loss缓解前景-背景不均衡	对长尾与难例友好但仍依赖NMS与密集锚框	提出Focal Loss并形成强基线5
RT-DETR	Transformer/DETR改进	COCO	混合编码器+查询选择，端到端NMS-free	后处理开销低但训练与调参复杂度较高	AP 53.1%，T4上108 FPS（R50）[8]
YOLOv6	单阶段/YOLO	COCO	工业场景导向的结构与训练策略	速度优势突出，适合作为实时基线	YOLOv6-N：35.9% AP，T4上1234 FPS[13]
YOLOv12	单阶段/YOLO（注意力）	COCO	注意力为中心的实时结构设计	兼顾实时与表征能力，适合复杂姿态变化	YOLOv12-N：40.6% mAP，T4延迟1.64 ms[18]
C2D-YOLO（跌倒）	单阶段/YOLOv5改进	跌倒数据集（原文）	可变形卷积+注意力+解耦头等	针对形变与遮挡提升明显	mAP0.5提升3.2pt，mAP0.5:0.95提升6.5pt[19]
ESD-YOLO（跌倒）	单阶段/YOLOv8改进	自建/整合跌倒数据（原文）	动态卷积+动态检测头+难例损失	对密集与遮挡等复杂场景更稳健	mAP0.5=88.7%，mAP0.5:0.95=62.5%[21]

(arXiv)

2.3 要解决的问题及其方案

本文面向“基于深度学习的行人跌倒检测系统”落地，核心要解决的问题概括为：（1）在复杂室内外场景下兼顾检测准确性与实时性，避免遮挡、形变与密集人群导致的误检漏检。（2）在跨摄像头视角、光照变化与数据长尾条件下保持模型的环境适应性与泛化能力。（3）在桌面端交互层提供直观的可解释结果展示与便捷的参数调节，使用户能够快速定位关键帧并完成复核。（4）在批量处理、记录追溯与本地存储安全之间取得平衡，形成可复用的数据闭环与工程化流程。

针对上述问题，本文拟采用的总体方案为：（1）以YOLO系列为主线构建对比与选型框架，并以更高效的实时结构作为部署侧重点，通过多模型评测在精度与延迟之间做可解释取舍。[18]（2）结合数据增强、迁移学习与难例挖掘等策略缓解长尾与视角变化带来的泛化风险，并在训练过程中引入更贴合回归目标的IoU族损失以提升定位质量。[23]（3）通过桌面端将推理结果以“框+类别+置信度”的方式实时叠加展示，并提供阈值调参、结果回看与导出，降低使用门槛并提升人机协同效率。（4）以结构化记录管理推理日志与导出产物，配合本地数据库完成账户、历史与结果的持久化，确保可追溯与可审计。

(arXiv)

2.4 博文贡献与组织结构

本文的主要贡献概括为：（1）围绕行人跌倒检测的真实需求，梳理并对比“检测器直接识别”“姿态/动作建模”“端到端实时检测”等关键路线，给出与工程落地相关的取舍依据。（2）构建YOLOv5–YOLOv12的训练、推理与评测对比思路，面向同一任务输出可复现的指标体系与分析框架。（3）给出桌面端一体化系统的交互闭环设计思路，使检测、回看、导出、归档与复核形成可持续使用的工作流。（4）强调数据与工程的双向闭环：以记录与导出驱动误检样本回流，支撑后续迭代优化与持续部署。

全文组织结构如下：第2章介绍研究背景、现状、问题与方案；后续章节将依次展开数据集处理与标注规范、模型原理与结构设计、对比实验与结果分析，以及桌面端系统的总体架构与关键流程实现，最后总结全文并讨论未来可扩展方向。

---

3. 数据集处理

本系统使用的行人跌倒检测数据集共包含 1770 张经筛选的图像样本，类别采用单类标注，统一映射为“跌倒”（即 fall → 跌倒），便于界面端展示与结果导出时保持语义一致。样例可见数据覆盖室内与室外、不同机位视角与不同人群密度，并包含摔倒、俯卧、半跪等与跌倒外观相近的干扰姿态，这类“类内差异大、易混淆姿态多”的特点决定了标注需要尽量贴合人体轮廓的可见区域，尤其在遮挡、身体蜷缩与多人重叠时保持框的一致性，从而减少训练中回归目标的噪声。标签及其对应中文名如下：

Chinese_name = {'fall': "跌倒"}

数据划分采用训练集 1110 张、验证集 330 张、测试集 330 张，比例约为 62.7% / 18.6% / 18.6%，以保证模型既能学习到足够多的姿态变化，又能在验证与测试阶段对泛化能力进行稳定评估。结合标注框分布统计图可以观察到：目标中心多集中于画面中部但仍存在明显的边缘分布，框的尺度跨度较大且长宽比变化明显，这与跌倒场景中“人体横向伸展、占据画面面积突增”高度吻合；因此在划分与采样时需要尽量保持不同尺度、不同场景与不同姿态阶段在三份数据中的覆盖均衡，避免仅在训练集出现“大目标俯卧”，而在测试集集中出现“远景小目标跌倒”导致评测偏差。

在预处理与增强方面，系统建议将图像统一到固定输入尺度并采用等比例缩放与填充以减少几何畸变，同时对标注框进行边界裁剪与合法性校验，剔除极端小框、重复样本与明显错误标注以提升标签质量。增强策略可围绕跌倒任务的主要难点展开：通过随机仿射与尺度抖动覆盖“远近变化与姿态形变”，通过亮度/对比度/色彩扰动模拟“室内外光照差异与反光干扰”，并适度引入水平翻转与局部遮挡增强来提升“多人遮挡、肢体缺失”条件下的鲁棒性；这些处理能在不改变事件语义的前提下扩大分布支持，从而降低误检漏检并提升实际部署中的稳定性。

---

4. 模型原理与设计

本文将行人跌倒检测建模为单阶段目标检测任务：给定输入图像 $I$，网络直接回归目标框 $\mathbf{b}=(x_{\min },y_{\min },x_{\max },y_{\max })$ 并输出类别置信度 $s$，从而在一次前向中完成“定位+判别”。在桌面端应用场景里，用户更关心“是否及时发现跌倒”与“结果是否便于复核”，因此模型不仅要在多人遮挡、姿态剧烈变化、远近尺度差异下保持稳定检出，还要能在接近实时的延迟预算中运行。基于这一取舍，本文默认以 YOLOv12 作为主线：其核心目标是在保持实时性的前提下引入更强的注意力建模能力，并给出与主流实时检测器对比的精度与延迟结果作为选型依据。(arXiv)

从结构上看，YOLOv12 延续“Backbone–Neck–Head”的经典组织方式：骨干负责多尺度特征抽取，颈部负责跨尺度融合与语义增强，检测头在多个尺度上进行分类与回归预测。与传统 YOLO 更偏 CNN 的路径不同，YOLOv12 在关键层引入注意力模块以提升全局依赖建模能力，其基本形式可写为
$$\mathrm{Attn}(\mathbf{Q},\mathbf{K},\mathbf{V})=\mathrm{Softmax}!\left(\frac{\mathbf{Q}{\mathbf{K}}^{\top }}{\sqrt{d}}\right)\mathbf{V},$$
其中 $\mathbf{Q},\mathbf{K},\mathbf{V}$ 分别为查询、键和值，$d$ 为通道维度；在实践中为降低代价，模型采用“区域化”的注意力思想，将特征图按空间维度划分为若干区域并在区域内完成注意力交互，以在保持大感受野的同时控制计算与访存开销，并可结合 FlashAttention 等优化实现更好的吞吐。(Ultralytics Docs) 同时，YOLOv12 通过 R-ELAN 等聚合结构强化梯度流与特征复用，并在注意力分支中引入“位置感知”的卷积组件（例如更大核的可分离卷积）来补足位置编码的表达需求，从而在跌倒这类“人体形状与朝向突变显著”的任务上更有利于稳定回归与判别。网络整体架构图如下图所示：

在损失函数与任务建模上，本文沿用目标检测的多任务联合优化思想，将总损失写为
$$\mathcal{L}={\lambda }_{\text{box}}\mathcal{L}\ast \text{box}+\lambda \ast \text{cls}\mathcal{L}\ast \text{cls}+\lambda \ast \text{obj}\mathcal{L}\ast \text{obj},$$
其中 $\mathcal{L}\ast \text{box}$ 约束边界框回归，$\mathcal{L}\ast \text{cls}$ 约束类别判别，$\mathcal{L}\ast \text{obj}$ 则用于建模前景存在性（在单类“跌倒”场景里，它与分类分支共同决定最终置信度的排序）。边界框回归通常以 IoU 族损失为核心：令 $\mathrm{IoU}=\frac{|B\cap B^{gt}|}{|B\cup B^{gt}|}$，常用的 CIoU 可写为
$${\mathcal{L}}_{\text{CIoU}}=1-\mathrm{IoU}+\frac{{\rho }^2(\mathbf{c},{\mathbf{c}}^{gt})}{d^2}+\alpha v,$$
其中 $\mathbf{c}$ 与 ${\mathbf{c}}^{gt}$ 为预测框与真值框中心点，$\rho (\cdot )$ 为欧氏距离，$d$ 为最小外接矩形对角线长度，$v$ 与 $\alpha$ 用于刻画长宽比一致性并自适应加权；在跌倒样本中，人体横向伸展会导致长宽比变化剧烈，CIoU/EIoU 这类“同时约束重叠、中心距离与尺度形状”的设计更容易让回归目标收敛到稳定框，从而减少“框漂移”带来的误判与复核成本。(arXiv)

在训练与正则化要点上，本文遵循“统一输入尺度、增强覆盖难例、阈值可控输出”的工程原则：训练端通常采用固定分辨率（例如 640×640）的等比例缩放与填充以保持几何一致性，配合适度的仿射、颜色扰动与遮挡增强来覆盖光照变化、密集遮挡与姿态形变等关键难点；优化端可使用余弦退火学习率、EMA 等稳定策略，缓解注意力模块带来的训练波动风险。推理端通过置信度阈值 ${\tau }_c$ 与 NMS 阈值 ${\tau }_{\text{iou}}$ 控制误检与漏检的平衡：NMS 的核心筛除规则可表述为“若 $\mathrm{IoU}(B_i,B_j)>{\tau }_{\text{iou}}$ 则抑制低分框”，其物理意义是在多人场景里避免同一跌倒目标产生多框重复，而置信度阈值则决定“宁可多报还是漏报”的策略边界；在跌倒告警任务中，实践上更倾向于在可接受的误报范围内降低漏检，因此阈值往往需要与场景（监控高度、距离、拥挤程度）联动调节，并在桌面端以可视化方式让用户快速复核与回溯，从而形成“模型输出—人工确认—数据回流”的持续迭代闭环。

---

5. 实验结果与分析

本章实验以行人跌倒单类检测为目标，数据集划分为训练 1110 张、验证 330 张、测试 330 张；评测指标采用 Precision、Recall、F1、mAP@0.5（记为 mAP50）与 mAP@0.5:0.95（记为 mAP50-95），并统计端到端耗时（Pre/Inf/Post）以衡量桌面端实时性。默认对比的轻量模型集合为 yolov5nu、yolov6n、yolov7-tiny、yolov8n、yolov9t、yolov10n、yolo11n、yolo12n，同时给出 s 规模模型作为补充参照；所有时间均在 NVIDIA GeForce RTX 3070 Laptop GPU（8GB）上测得，便于与系统部署侧的交互帧率预期直接对应。

表 5-1 汇总了 n 规模模型的核心结果。整体上，YOLOv9t 在精度与定位两方面表现最强，取得最高的 F1=0.800 与 mAP50=0.850，且在更严格的 mAP50-95 上也达到 0.477，说明其在高 IoU 区间的框回归更稳定；YOLOv11n 的 Precision 达到 0.843，同时 F1=0.794、mAP50=0.836，属于“精度与速度更均衡”的方案。速度侧需要注意“参数量/算力并不完全决定延迟”，例如 YOLOv9t 参数仅 2.0M 但推理耗时（InfTime=16.51ms）明显高于 YOLOv8n（6.83ms），这通常与算子形态、特征融合路径与显存访问模式有关；若以端到端总耗时衡量，YOLOv8n 与 YOLOv6n 均在约 10ms 级别，能为 30FPS 视频留出充足的 UI 绘制与 I/O 裕量，而 YOLOv7-tiny 尽管为轻量模型，实际 InfTime 与 PostTime 偏大且精度显著落后，更适合作为“速度优先但精度要求不高”的下限参照。

表 5-1 n 规模模型在测试集上的精度与速度对比（RTX 3070 Laptop）

Model	Params (M)	FLOPs (G)	Pre+Inf+Post (ms)	Precision	Recall	F1	mAP50	mAP50-95
YOLOv5nu	2.6	7.7	10.94	0.813	0.736	0.772	0.824	0.430
YOLOv6n	4.3	11.1	10.34	0.740	0.679	0.708	0.743	0.371
YOLOv7-tiny	6.2	13.8	21.08	0.593	0.534	0.562	0.543	0.233
YOLOv8n	3.2	8.7	10.17	0.785	0.795	0.790	0.815	0.446
YOLOv9t	2.0	7.7	19.67	0.830	0.773	0.800	0.850	0.477
YOLOv10n	2.3	6.7	13.95	0.740	0.744	0.742	0.780	0.430
YOLOv11n	2.6	6.5	12.97	0.843	0.750	0.794	0.836	0.465
YOLOv12n	2.6	6.5	15.75	0.768	0.795	0.782	0.839	0.456

从曲线层面看，PR 曲线与平均 PR 曲线能够更直观地呈现“高召回区域的精度下滑速度”，这与跌倒任务中“半蹲/趴伏/抱摔等相似姿态”造成的难例密切相关。以单类任务的阈值选择为例，F1–Confidence 曲线给出的最优点大约在置信度 0.55 左右（F1≈0.76），意味着若追求综合指标最优，可将默认 conf 设在 0.5–0.6 区间；但在真实告警场景中往往更关注漏检成本，因此桌面端更合理的策略是以稍低阈值换取更高 Recall，并依赖“带框可视化+记录回看”降低误报带来的人工复核压力。

混淆矩阵的归一化结果也反映了该权衡：仍有一部分真实跌倒被判为背景（漏检），提示后续优化应优先针对遮挡、小目标与模糊帧建立更强的鲁棒性。

在训练收敛性方面，训练/验证的 box_loss、cls_loss 与 dfl_loss 随 epoch 稳定下降，precision 与 recall 逐步抬升并在中后期进入平台区，mAP50 约收敛在 0.81 附近、mAP50-95 在 0.44 左右波动上升，整体呈现“无明显过拟合、后期收益递减”的典型形态；这说明当前数据划分与增强策略能够支撑模型学习到较稳定的外观与几何特征，但要继续提升 mAP50-95（更严格 IoU 下的定位质量），往往需要更精细的标注一致性、更高分辨率训练或更强的难例挖掘。结合可视化样例，误检多出现在“俯身系鞋带、跪地扶人、体育对抗倒地、远景躺卧”等与跌倒外观相近的状态，漏检则集中在“多人遮挡、人体被家具/护栏遮蔽、夜间低照度、强运动模糊与极小目标”等条件；对应的改进方向更偏工程可落地：其一是在训练集中显式加入上述“相似非跌倒姿态”的硬负样本以拉开决策边界，其二是对视频流引入轻量时序一致性约束或关键帧缓存复核机制，其三是在不牺牲帧率的前提下提高输入分辨率或采用分辨率自适应策略，以改善远景小目标与遮挡场景的召回。

---

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交互与深度学习推理的协同关系，整体可划分为表现与交互层（Qt 客户端）、业务与会话管理层、推理与任务调度层、数据持久化层四部分。表现与交互层承担多源输入选择、阈值调参、结果可视化与导出触发等人机交互职责，并以“左侧源与阈值控制—中央检测画面—右侧目标详情—底部记录与进度条”的布局将关键状态持续暴露给用户，使得检测、复核与追溯在同一界面内闭环完成。业务与会话管理层在交互事件与推理任务之间提供一致的控制语义，负责会话状态、源互斥、参数同步、记录编排与导出策略，保证同一批次任务在模型、阈值与统计口径上保持一致。

推理与任务调度层以事件驱动的帧流作为核心组织方式，将“媒体接入与帧分发—预处理—YOLO 推理—后处理—坐标还原”串联为可复用的流水线。对于图片输入，系统以单帧任务方式完成即时推理并返回结构化结果；对于视频与摄像头输入，系统以帧序列任务方式驱动推理队列，确保源切换互斥、停止与继续可控，并在界面端以进度条与用时统计反馈处理状态。为兼顾实时性与稳定性，系统在跨层通信中强调参数一致性（Conf/IoU 的实时同步）、输出一致性（统一的框格式与坐标还原）、以及异常恢复能力（源中断、模型切换、导出失败等情况下的可恢复状态），从而避免界面卡顿或记录错位影响用户复核体验。

数据持久化层同时服务“可追溯”和“可复查”两类需求：一方面将账户与会话相关的配置、历史记录与统计信息写入本地数据库，保证多用户在同一设备上的数据隔离与安全；另一方面将可视化产物与结构化表格按统一归档规则保存，采用时间戳命名降低冲突并便于批量管理。系统还将模型权重管理视为横切能力：权重选择后触发推理引擎热切换，并同步刷新类别信息与配色方案，使用户能够在同一素材上快速完成多模型对比；同时保留日志与监控接口用于定位推理延迟、导出耗时与异常堆栈，支撑后续的性能调优与部署验证。

图 6-1 系统流程图：
图注：系统自初始化到多源输入，完成 640×640 预处理、YOLO 推理、Conf/IoU 过滤与 NMS、坐标还原与界面叠加显示，并在“继续获取下一帧”分支中形成事件驱动的帧流闭环；同时联动底部记录、进度条与 CSV/PNG/AVI 的时间戳导出。

图 6-2 系统设计框图：
图注：框图体现四层架构的模块边界与数据流向：Qt 客户端负责交互与显示，业务层负责会话与参数一致性，调度层负责帧流与推理流水线，数据层负责 SQLite 记录、CSV 导出与文件归档，并在权重管理与日志接口上提供可扩展支点。

6.2 登录与账户管理 — 流程图

图 6-3 登录与账户管理流程图：
图注：流程覆盖登录、注册、口令校验、个性化配置载入与进入主界面，并支持注销与切换账号，使账户体系与主检测流程在“配置继承、记录追溯与权限隔离”层面形成稳定衔接。

启动应用后系统首先呈现登录界面，用户可选择登录、注册或一次性跳过；当用户无账号时进入注册流程并将账户写入本地数据库，随后回到登录入口完成口令校验并建立会话，登录成功后加载主题、默认模型与最近记录等个性化配置并进入主界面开展多源检测任务。该流程的价值在于将“账户身份—偏好配置—历史记录—导出归档”统一纳入本地持久化管理，使同一设备上的多用户能够在不共享敏感信息的前提下复用系统能力，同时也让主检测流程获得可追溯的会话边界与一致的参数继承关系，便于后续的结果复查与持续迭代。

---

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：

功能效果展示视频：热门实战｜《基于深度学习的行人跌倒检测系统》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. WHO global report on falls prevention in older age[R/OL]. 2008[2025-12-23].
2 MARTÍNEZ-VILLASEÑOR L, PONCE H, BRIEVA J, et al. UP-Fall Detection Dataset: A Multimodal Approach[J]. Sensors, 2019, 19(9): 1988.
3 REN S, HE K, GIRSHICK R, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[C]//Advances in Neural Information Processing Systems. 2015.
4 LIU W, ANGUELOV D, ERHAN D, et al. SSD: Single Shot MultiBox Detector[C]//European Conference on Computer Vision. 2016.
5 LIN T Y, GOYAL P, GIRSHICK R, et al. Focal Loss for Dense Object Detection[C]//Proceedings of the IEEE International Conference on Computer Vision. 2017.
[6] TAN M, PANG R, LE Q V. EfficientDet: Scalable and Efficient Object Detection[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020.
[7] CARION N, MASSA F, SYNNAEVE G, et al. End-to-End Object Detection with Transformers[C]//European Conference on Computer Vision. 2020.
[8] ZHAO Y, LV W, XU S, et al. DETRs Beat YOLOs on Real-time Object Detection[EB/OL]. arXiv:2304.08069, 2023[2025-12-23].
[9] CAO Z, SIMON T, WEI S E, et al. Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017.
[10] SUN K, XIAO B, LIU D, et al. Deep High-Resolution Representation Learning for Human Pose Estimation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019.
[11] YAN S, XIONG Y, LIN D. Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition[C]//AAAI Conference on Artificial Intelligence. 2018.
[12] Ultralytics. Ultralytics YOLOv5 Documentation[EB/OL]. 2025[2025-12-23].
[13] LI C, LI L, JIANG H, et al. YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications[EB/OL]. arXiv:2209.02976, 2022[2025-12-23].
[14] 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[EB/OL]. arXiv:2207.02696, 2022[2025-12-23].
[15] WANG C Y, YEH I H, LIAO H Y M. YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information[EB/OL]. arXiv:2402.13616, 2024[2025-12-23].
[16] WANG A, CHEN H, LIU L, et al. YOLOv10: Real-Time End-to-End Object Detection[EB/OL]. arXiv:2405.14458, 2024[2025-12-23].
[17] Ultralytics. Ultralytics YOLO11 Documentation[EB/OL]. 2025[2025-12-23].
[18] TIAN Y, YE Q, DOERMANN D. YOLOv12: Attention-Centric Real-Time Object Detectors[EB/OL]. arXiv:2502.12524, 2025[2025-12-23].
[19] 朱胜豪, 钱承山, 阚希. 改进YOLOv5的高精度跌倒检测算法[J]. 模式识别与人工智能, 2024(11): 105-114. DOI:10.3778/j.issn.1002-8331.2307-0190.
[20] （作者信息同原文）. 基于YOLOv8改进的室内行人跌倒检测算法FDW-YOLO[J/OL].（期刊信息同原文）2024. DOI:10.3969/j.issn.1007-130X.2024.08.014.
[21] QIN Y, MIAO W, QIAN C. A High-Precision Fall Detection Model Based on Dynamic Convolution in Complex Scenes[J]. Electronics, 2024, 13(6): 1141.
[22] （作者信息同原文）. Fall Detection using YOLOv8 Variants: A Comparative Study in Industrial Environment[EB/OL]. arXiv:2310.11790, 2023[2025-12-23].
[23] ZHENG Z, WANG P, LIU W, et al. Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression[EB/OL]. arXiv:1911.08287, 2019[2025-12-23].