Human-Falling-Detect-Tracks:AlphaPose + ST-GCN + SORT-源码.zip

【实例简介】
人体跌倒检测与追踪 使用Tiny-YOLO oneclass检测帧中的每个人，并使用获取骨骼姿势，然后使用模型从每个人跟踪的每30帧中预测动作。 现在支持7种动作：站立，行走，坐着，躺下，站起来，坐下，跌倒。 先决条件 Python> 3.6 火炬> 1.3.1 原始测试运行在：i7-8750H CPU @ 2.20GHz x12，GeForce RTX 2070 8GB，CUDA 10.2 数据 该项目已经训练了一个新的Tiny-YOLO oneclass模型，以仅检测人的物体并减小模型的大小。 使用旋转增强的人员关键点数据集进行训练，以在各种角度姿势中更可靠地检测人员。 对于动作识别，使用来自跌倒检测数据集（，家庭）的数据，通过AlphaPose提取骨骼姿势，并手动标记每个动作帧，以训练ST-GCN模型。 预训练模型 Tiny-YOLO oneclass- ， SPPE
【实例截图】
【核心代码】
16359647669953760836.zip
└── Human-Falling-Detect-Tracks-master
├── ActionsEstLoader.py
├── Actionsrecognition
│   ├── Models.py
│   ├── train.py
│   └── Utils.py
├── App.py
├── CameraLoader.py
├── Data
│   ├── create_dataset_1.py
│   ├── create_dataset_2.py
│   └── create_dataset_3.py
├── Detection
│   ├── Models.py
│   └── Utils.py
├── DetectorLoader.py
├── fn.py
├── main.py
├── Models
│   ├── sppe
│   │   └── _.txt
│   ├── TSSTG
│   │   └── _.txt
│   └── yolo-tiny-onecls
│   └── _.txt
├── PoseEstimateLoader.py
├── pose_utils.py
├── pPose_nms.py
├── README.md
├── sample1.gif
├── SPPE
│   ├── LICENSE
│   ├── README.md
│   └── src
│   ├── main_fast_inference.py
│   ├── models
│   │   ├── FastPose.py
│   │   ├── hg-prm.py
│   │   ├── hgPRM.py
│   │   ├── __init__.py
│   │   └── layers
│   │   ├── DUC.py
│   │   ├── __init__.py
│   │   ├── PRM.py
│   │   ├── Residual.py
│   │   ├── Resnet.py
│   │   ├── SE_module.py
│   │   ├── SE_Resnet.py
│   │   └── util_models.py
│   ├── opt.py
│   └── utils
│   ├── dataset
│   │   ├── coco.py
│   │   ├── fuse.py
│   │   ├── __init__.py
│   │   └── mpii.py
│   ├── eval.py
│   ├── img.py
│   ├── __init__.py
│   └── pose.py
└── Track
├── iou_matching.py
├── kalman_filter.py
├── linear_assignment.py
└── Tracker.py

15 directories, 50 files