计算机工程

作者：宋杰, 徐慧英, 朱信忠, 黄晓, 陈晨, 王泽宇

单位：1. 浙江师范大学计算机科学与技术学院, 浙江 金华 3210042. 浙江师范大学教育学院, 浙江 金华 321004

关键词：目标检测,轻量化,跌倒事件,注意力机制,全维动态卷积

基金：国家自然科学基金(62376252); 浙江省自然科学基金重点项目(LZ22F030003); 国家级大学生创新训练计划重点项目(202310345042)

在室内场景下, 受角度、光线变化等因素的影响, 导致现有目标检测算法检测跌倒事件时检测精度降低、实时性变差。为此, 提出一种基于YOLOv8改进的跌倒检测算法OEF-YOLO。采用全维动态卷积(ODConv)模块改进YOLOv8中的C2f模块, 优化了核空间的4个维度以增强特征提取能力, 而且有效减少了计算负担。同时, 为了捕获更细粒度的特征, 在颈部网络中引入高效多尺度注意力(EMA)模块, 进一步聚合像素级特征, 提高网络在跌倒场景中的处理能力。在CIoU损失函数中融入Focal Loss思想, 使模型对难分类样本给予更多关注, 优化模型整体性能。实验结果表明, 相比YOLOv8n, OEF-YOLO跌倒检测算法在mAP@0.5指标上提升了1.5百分点, mAP@0.5∶0.95提升1.4百分点, 参数量和计算量分别为3.1×106和6.5 GFLOPs, 在图形处理器(GPU)上FPS提高了44, 在提高精度检测跌倒事件的同时, 兼顾了低算力场景下的部署要求。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期