基于关键点检测的摔倒识别

首页

基于关键点检测的摔倒识别

热心网友

转载

2025-07-21

该工程基于PaddleDetection实现人员摔倒识别。先通过特定命令预测视频关键点，得到json结果文件和可视化视频；再用source.py中代码判断摔倒，输出摔倒帧对应时间，还会在视频检测框左上角标注结果并保存为output.mp4，示例中检测到78帧摔倒。

基于关键点检测的摔倒识别 - 游乐网

基于PaddleDetection的人员摔倒识别

本工程是基于PaddleDetection人员关键点预测的摔倒识别案例

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

关于PaddleDetection的使用详情请参考github链接 PaddleDetection

1 获取视频关键点预测结果

在PaddleDetection下使用如下命令预测视频结果(相关模型可以从github中model_zoo获取):

python deploy/python/det_keypoint_unite_infer.py --det_model_dir=output_inference/ppyolo_r50vd_dcn_2x_coco/ --keypoint_model_dir=output_inference/hrnet_w32_256x192/ --video_file=./pose_demo/test.mp4  --device=gpu --save_res=True

登录后复制

预测完成后会在当前目录下得到预测结果json文件：det_keypoint_unite_video_results.json, 即此处使用的kpts_results.json文件.

在output目录下得到预测结果可视化文件：test.mp4, 即此处的video.mp4文件.

2 根据关键点结果判断是否摔倒

执行最下面命令行的命令，对关键点预测结果kpts_results.json做摔倒逻辑的判断，摔倒帧对应时间会打印显示。同时会在视频上对应时间的检测框左上角打印fall_down结果，结果视频保存为output.mp4。

逻辑判断代码在source.py文件中In [1]

import osimport sysimport cv2import numpy as npimport jsonimport collectionsfrom source import check_fall_down, videovis

登录后复制 In [3]

#1）脚本第一个参数为关键点预测结果json文件jsonf = "kpts_results.json"with open(jsonf, "r") as rf:    kpts_data = json.load(rf)print("all data length: {}".format(len(kpts_data)))#2）如果需要视频打印摔倒文字，关键点可视化结果文件放在同路径videof = "video.mp4"#3）读取关键点结果后放入判断文件fallframes = check_fall_down(kpts_data)#4）根据检测的摔倒帧在视频显示videovis(videof, kpts_data, fallframes)

登录后复制

all data length: 468fall_down frames: 78time: 5.5s, fall down detectedtime: 6.0s, fall down detectedtime: 6.5s, fall down detectedtime: 7.0s, fall down detectedtime: 7.5s, fall down detectedtime: 8.0s, fall down detectedtime: 8.5s, fall down detectedtime: 9.0s, fall down detectedtime: 9.5s, fall down detectedtime: 10.0s, fall down detectedtime: 10.5s, fall down detectedtime: 11.0s, fall down detectedtime: 11.5s, fall down detectedtime: 12.0s, fall down detectedtime: 12.5s, fall down detectedtime: 18.0s, fall down detectedtime: 18.5s, fall down detectedtime: 19.5s, fall down detectedtime: 20.5s, fall down detectedtime: 21.0s, fall down detectedtime: 21.5s, fall down detectedtime: 23.5s, fall down detectedtime: 25.5s, fall down detectedtime: 26.0s, fall down detectedtime: 29.5s, fall down detectedtime: 30.0s, fall down detectedtime: 32.0s, fall down detectedtime: 32.5s, fall down detectedtime: 33.0s, fall down detectedtime: 35.0s, fall down detectedtime: 35.5s, fall down detectedtime: 36.0s, fall down detectedtime: 38.0s, fall down detectedtime: 38.5s, fall down detectedprint fall down result in video: video.mp4fps: 12, frame_count: 468

登录后复制

来源:https://www.php.cn/faq/1420337.html

免责声明：游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

上一篇：paddle实现食物分类下一篇：百度网盘AI大赛：文档图像摩尔纹消除第二名方案

相关攻略

openclaw在飞书测试报错access not configured.

常见报错解析：“Access Not Configured”故障排除指南许多开发者和团队成员在使用OpenClaw集成飞书时，都曾遭遇过一个典型的中断提示：“access not configured”（访问未配置）。该提示会明确显示您的飞书账户ID及一组唯一的配对验证码，并指出需要联系机器人所有

热心网友

04.02

OpenClaw 常用指令速查

OpenClaw 常用指令大全与使用详解 openclaw status：此命令是查看OpenClaw系统整体健康状态的核心指令，执行后即获取服务运行状况的全面报告，是日常运维的首要诊断工具。 openclaw gateway restart：在修改网关配置后，必须运行此指令以重启网关服务，使配置文

热心网友

04.02