1. 概述

跌倒是一個(gè)重大問(wèn)題，特別是對(duì)老年人和有疾病的人來(lái)說(shuō)，因?yàn)樗鼈兛赡軐?dǎo)致嚴(yán)重傷害甚至死亡。墜落探測(cè)系統(tǒng)旨在迅速識(shí)別此類(lèi)事件，確保及時(shí)提供援助并減少造成嚴(yán)重后果的風(fēng)險(xiǎn)。隨著人工智能和機(jī)器學(xué)習(xí)的進(jìn)步，跌倒檢測(cè)變得更加準(zhǔn)確和可靠。

在我之前的博客中，“開(kāi)始使用Jetson Nano開(kāi)發(fā)工具包”和“在Jetson Nano 4GB上運(yùn)行YOLOv12：綜合指南”，我們探索了設(shè)置Jetson Nano和運(yùn)行YOLOv12模型進(jìn)行對(duì)象檢測(cè)的基礎(chǔ)知識(shí)。在此基礎(chǔ)上，我們現(xiàn)在將深入定制YOLOv8，專(zhuān)門(mén)用于Jetson Nano上的跌倒檢測(cè)。

YOLOv8(你只看一次，版本8)。是一種最先進(jìn)的物體檢測(cè)模型，以其速度和準(zhǔn)確性而聞名。它能夠快速準(zhǔn)確地實(shí)時(shí)識(shí)別物體，使其成為跌倒檢測(cè)應(yīng)用的理想選擇。通過(guò)定制YOLOv8，我們可以訓(xùn)練模型專(zhuān)門(mén)識(shí)別墜落事件，提高其檢測(cè)和響應(yīng)此類(lèi)事件的有效性。

Jetson Nano是NVIDIA開(kāi)發(fā)的一款功能強(qiáng)大但價(jià)格實(shí)惠的邊緣人工智能平臺(tái)，是部署基于yolov8的跌倒檢測(cè)系統(tǒng)的絕佳選擇。其緊湊的尺寸、低功耗和強(qiáng)大的GPU功能使其非常適合在邊緣運(yùn)行復(fù)雜的人工智能模型。這種組合可以實(shí)現(xiàn)實(shí)時(shí)跌倒檢測(cè)和即時(shí)警報(bào)，確保及時(shí)援助并提高各種環(huán)境中的安全性。

在這篇博文中，我們將探索為跌倒檢測(cè)定制YOLOv8并將其部署在Jetson Nano上的過(guò)程，為構(gòu)建一個(gè)有效和高效的跌倒檢測(cè)系統(tǒng)提供全面的指導(dǎo)。

2.準(zhǔn)備數(shù)據(jù)集

在本教程中，我們使用Roboflow數(shù)據(jù)集，如圖所示。

下載具有所需格式的數(shù)據(jù)集，如下圖所示。

該數(shù)據(jù)集組織良好，包括以JSON格式注釋的圖像，分為三類(lèi)：訓(xùn)練、測(cè)試和有效。它具有三個(gè)類(lèi)(站立，跌倒和跌倒)，這對(duì)于訓(xùn)練跌倒檢測(cè)模型至關(guān)重要。YAML文件和其他文本文件提供了配置設(shè)置和說(shuō)明，以方便在機(jī)器學(xué)習(xí)工作流程中使用數(shù)據(jù)集。

3.訓(xùn)練模型

要培訓(xùn)YOLOv8或更高版本(因?yàn)閅OLOv8是Ultralytics的產(chǎn)品)，Ultralytics文檔提供了更多關(guān)于培訓(xùn)的詳細(xì)信息。在自定義數(shù)據(jù)上定制YOLOv8，就像在跌倒檢測(cè)教程中一樣，意味著用特定的目標(biāo)數(shù)據(jù)集訓(xùn)練YOLOv8。

3.1. 準(zhǔn)備數(shù)據(jù)集：

要為跌倒檢測(cè)定制YOLOv8，您需要針對(duì)您的應(yīng)用程序定制一個(gè)特定的數(shù)據(jù)集。在本教程中，我們專(zhuān)注于一個(gè)數(shù)據(jù)集，其中包括不同狀態(tài)的人的圖像：站立，摔倒和摔倒。

確保數(shù)據(jù)集組織良好，將圖像分為訓(xùn)練集、測(cè)試集和驗(yàn)證集。注釋?xiě)?yīng)該采用JSON格式，數(shù)據(jù)集應(yīng)該使用YAML配置文件進(jìn)行結(jié)構(gòu)化，以便于設(shè)置。

3.2. 數(shù)據(jù)集注釋:

數(shù)據(jù)集中的每個(gè)圖像都應(yīng)該有相應(yīng)的注釋來(lái)指定邊界框和類(lèi)標(biāo)簽。對(duì)于墜落檢測(cè)，有三種類(lèi)型：站立、墜落和墜落。

3.3. 配置培訓(xùn)環(huán)境：

使用提供的YAML文件配置訓(xùn)練參數(shù)。該文件將包括計(jì)算機(jī)上數(shù)據(jù)集的路徑、類(lèi)的數(shù)量和其他必要的設(shè)置。

一個(gè)示例YAML配置可能如下所示：

3.4. 訓(xùn)練模型

3.5.秋天架構(gòu)

下圖說(shuō)明了跌落檢測(cè)架構(gòu)。它包括通過(guò)凍結(jié)某些層的權(quán)重來(lái)微調(diào)預(yù)訓(xùn)練的YOLOv8模型，并將輸出通過(guò)密集層進(jìn)行墜落運(yùn)動(dòng)分類(lèi)。

3.6.訓(xùn)練模型

4. 評(píng)估模型的性能

評(píng)估結(jié)果表明，平均精密度(mAP)為94%，精密度為90%，召回率為91.9%。這些圖提供了我們的模型性能的可視化，說(shuō)明了它在通過(guò)訓(xùn)練結(jié)果圖和混淆矩陣檢測(cè)跌倒方面的魯棒性。

5. 推理

5.1. 圖像推理

5.2. 視頻推理

6.硬件設(shè)置

下圖展示了Jetson Nano硬件設(shè)置，其中包括：

?Jetson Nano開(kāi)發(fā)工具包

?顯示器與HDMI輸入能力

?鍵盤(pán)和鼠標(biāo)用于用戶交互

?用于拍攝視頻的攝像機(jī)

?相機(jī)支架，用于在使用過(guò)程中穩(wěn)定相機(jī)

7. 部署在Jetson Nano上

要在Jetson Nano上部署YOLOv8，我建議您查看我之前的文章。按照相同的步驟在Jetson Nano上部署YOLOv12，但是您將使用預(yù)訓(xùn)練的YOLOv8模型進(jìn)行跌倒檢測(cè)，而不是使用YOLOv12。

你需要激活名為y8的Python虛擬環(huán)境，并運(yùn)行位于Documents中的fall-detection-i.py腳本，按照以下步驟操作：

?使用$ source y8/bin/ Activate激活虛擬環(huán)境

?使用$ cd Documents導(dǎo)航到Documents目錄

?通過(guò)運(yùn)行$ python fall-detection-i.py來(lái)執(zhí)行腳本

結(jié)論

總之，在Jetson Nano上定制YOLOv8為跌倒檢測(cè)等實(shí)時(shí)人工智能應(yīng)用開(kāi)辟了新的可能性。這次演示不僅突出了嵌入式人工智能系統(tǒng)的潛力，還展示了這些解決方案在安全和監(jiān)控方面的強(qiáng)大和高效。

本文編譯自hackster.io