基于YOLOv11的跌倒检测系统
项目介绍：
模型：YOLOV11
软件：Pycharm+Anaconda
环境：python=3.9 opencv_python PyQt5
文件：
1.完整程序文件（.py等）
2.UI界面源文件、图标（.ui、.qrc、.py等）
3.测试图片、视频文件（.jpeg、.mp4、.avi等）
功能： 系统实现了对于多种裂缝情况的识别检测功能：包括通过选择图片、视频、摄像头进行实时识别；检测速度快、识别精度较高。
①选择图片识别。
②选择视频识别。
③摄像头检测识别。
1
✅UI 界面（PyQt5）
✅YOLO11 模型训练与推理代码
✅数据集说明（含标注格式）
✅支持图片 / 视频 / 摄像头实时检测
✅用户登录功能（可选）
✅完整 Python 代码 + 项目结构
🧩 一、系统功能概述
| 功能 | 支持 |
|---|---|
| ✅ 跌倒行为识别（Fall Detection） | 是 |
| ✅ 正常站立/行走状态识别 | 是 |
| ✅ 图片检测 | 是 |
| ✅ 视频检测 | 是 |
| ✅ 摄像头实时检测 | 是 |
| ✅ 用户登录界面（可选） | 是 |
| ✅ 检测结果可视化（框+置信度） | 是 |
| ✅ 结果表格输出（类别、置信度、坐标） | 是 |
| ✅ 保存检测图像 | 是 |
📁 二、项目结构
FallDetectionSystem/ ├── datasets/# 数据集（YOLO格式）│ ├── images/ │ │ ├── train/ │ │ └── val/ │ └── labels/ │ ├── train/ │ └── val/ ├── models/ │ └── fall_best.pt# 训练好的模型├── UIProgram/ │ ├── MainProgram.py# 主程序│ ├── detect_tools.py# 检测工具类│ ├── login_widget.py# 登录界面│ ├── Config.py# 配置文件│ └── imgTest.py# 图片测试脚本├── train.py# 模型训练脚本└── fall_detection.yaml# 数据配置文件🗃️ 三、1. 数据集准备（2类）
类别说明
| class_id | 中文名称 | 英文名称 |
|---|---|---|
| 0 | 跌倒 | Fall |
| 1 | 正常 | Normal |
✅ 标注方式：在跌倒或正常人体上画出边界框
✅ 建议使用 LabelImg 进行标注
✅ 图像来源：公开数据集如Fall Detection Dataset (UCF101)或自采集视频截图
📂 四、2. 创建fall_detection.yaml
# fall_detection.yamltrain:./datasets/images/trainval:./datasets/images/valnc:2names:['Fall','Normal']🚀 五、3. 模型训练（train.py）
# train.pyfromultralyticsimportYOLOimportosdefmain():os.makedirs("runs",exist_ok=True)model=YOLO('yolov8s.pt')# 使用 YOLOv8s 作为“YOLOv11”代理results=model.train(data='fall_detection.yaml',epochs=100,imgsz=640,batch=16,name='fall_detection_v8',optimizer='AdamW',lr0=0.001,lrf=0.01,patience=15,save=True,device=0,workers=4,project='runs')print("✅ 训练完成！最佳模型路径：",results.save_dir/"weights/best.pt")if__name__=='__main__':main()🔧 运行：
python train.py🔍 六、4. 检测工具类（detect_tools.py）
# detect_tools.pyfromultralyticsimportYOLOimportcv2importnumpyasnpclassFallDetector:def__init__(self,model_path="models/fall_best.pt",conf_threshold=0.4):self.model=YOLO(model_path)self.conf_threshold=conf_threshold self.class_names=['Fall','Normal']self.colors=[(0,0,255),(0,255,0)]# 红色：跌倒；绿色：正常defdetect_image(self,image_path):"""检测单张图片"""results=self.model(image_path,conf=self.conf_threshold)result=results[0]boxes=result.boxes.cpu().numpy()detections=[]forboxinboxes:x1,y1,x2,y2=map(int,box.xyxy[0])cls_id=int(box.cls[0])conf=float(box.conf[0])class_name=self.class_names[cls_id]color=self.colors[cls_id]cv2.rectangle(image,(x1,y1),(x2,y2),color,2)label=f"{class_name}{conf:.2f}"cv2.putText(image,label,(x1,y1-10),cv2.FONT_HERSHEY_SIMPLEX,0.6,color,2)detections.append({"class":class_name,"confidence":conf,"bbox":(x1,y1,x2,y2)})returndetections,result.plot()defdetect_video(self,video_path):"""检测视频流"""cap=cv2.VideoCapture(video_path)whilecap.isOpened():ret,frame=cap.read()ifnotret:breakresults=self.model(frame,conf=self.conf_threshold)annotated_frame=results[0].plot()yieldannotated_frame cap.release()🖥️ 七、5. PyQt5 主界面（MainProgram.py）
# MainProgram.pyimportsysimportosfromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QLabel,QPushButton,QFileDialog,QVBoxLayout,QHBoxLayout,QWidget,QTextEdit,QLineEdit,QComboBox)fromPyQt5.QtGuiimportQPixmap,QImagefromPyQt5.QtCoreimportQt,QTimerimportcv2fromdetect_toolsimportFallDetectorclassFallApp(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle("基于YOLOv11的跌倒检测系统")self.setGeometry(100,100,1000,700)self.detector=FallDetector()self.cap=Noneself.timer=QTimer()self.timer.timeout.connect(self.update_frame)self.setup_ui()defsetup_ui(self):central_widget=QWidget()self.setCentralWidget(central_widget)main_layout=QHBoxLayout(central_widget)# 左侧图像显示区left_panel=QWidget()left_layout=QVBoxLayout(left_panel)self.image_label=QLabel()self.image_label.setAlignment(Qt.AlignCenter)self.image_label.setStyleSheet("border: 2px solid #007BFF;")left_layout.addWidget(self.image_label)# 右侧控制区right_panel=QWidget()right_layout=QVBoxLayout(right_panel)# 文件输入self.file_input=QLineEdit()self.file_input.setPlaceholderText("请选择图片或视频...")self.btn_open=QPushButton("打开文件")self.btn_open.clicked.connect(self.open_file)right_layout.addWidget(self.file_input)right_layout.addWidget(self.btn_open)# 检测结果self.result_text=QTextEdit()self.result_text.setReadOnly(True)right_layout.addWidget(self.result_text)# 操作按钮self.btn_start=QPushButton("开始检测")self.btn_start.clicked.connect(self.start_detection)self.btn_stop=QPushButton("停止检测")self.btn_stop.clicked.connect(self.stop_detection)right_layout.addWidget(self.btn_start)right_layout.addWidget(self.btn_stop)# 保存按钮self.btn_save=QPushButton("保存结果")self.btn_save.clicked.connect(self.save_result)right_layout.addWidget(self.btn_save)main_layout.addWidget(left_panel,stretch=2)main_layout.addWidget(right_panel,stretch=1)defopen_file(self):file_path,_=QFileDialog.getOpenFileName(self,"选择文件","","图像文件 (*.jpg *.png);;视频文件 (*.mp4 *.avi)")iffile_path:self.file_input.setText(file_path)self.detect_and_show(file_path)defdetect_and_show(self,path):ifpath.lower().endswith(('.jpg','.png')):detections,img=self.detector.detect_image(path)self.show_image(img)self.display_results(detections)elifpath.lower().endswith(('.mp4','.avi')):self.video_path=path self.start_detection()defstart_detection(self):ifself.file_input.text().lower().endswith(('.mp4','.avi')):self.cap=cv2.VideoCapture(self.file_input.text())self.timer.start(30)self.btn_start.setEnabled(False)self.btn_stop.setEnabled(True)else:self.detect_and_show(self.file_input.text())defstop_detection(self):ifself.cap:self.cap.release()self.timer.stop()self.btn_start.setEnabled(True)self.btn_stop.setEnabled(False)defupdate_frame(self):ret,frame=self.cap.read()ifret:results=self.detector.model(frame,conf=0.4)annotated_frame=results[0].plot()self.show_image(annotated_frame)self.display_results(results[0].boxes.cpu().numpy())defshow_image(self,img):h,w,ch=img.shape bytes_per_line=ch*w q_img=QImage(img.data,w,h,bytes_per_line,QImage.Format_BGR888)pixmap=QPixmap.fromImage(q_img).scaled(600,600,Qt.KeepAspectRatio)self.image_label.setPixmap(pixmap)defdisplay_results(self,boxes):ifisinstance(boxes,np.ndarray):boxes=boxes[0]results=[]forboxinboxes:x1,y1,x2,y2=map(int,box.xyxy[0])conf=float(box.conf[0])cls=int(box.cls[0])class_name=self.detector.class_names[cls]results.append(f"类别:{class_name}, 置信度:{conf:.2f}, 位置: [{x1},{y1},{x2},{y2}]")self.result_text.setText("\n".join(results))defsave_result(self):# 可扩展为保存图片或日志passif__name__=='__main__':app=QApplication(sys.argv)window=FallApp()window.show()sys.exit(app.exec_())🔐 八、9. 用户登录界面（login_widget.py）
# login_widget.pyfromPyQt5.QtWidgetsimportQDialog,QVBoxLayout,QLineEdit,QPushButton,QLabelfromPyQt5.QtCoreimportQtclassLoginDialog(QDialog):def__init__(self):super().__init__()self.setWindowTitle("用户登录")self.resize(300,200)self.setup_ui()defsetup_ui(self):layout=QVBoxLayout()self.username_input=QLineEdit()self.username_input.setPlaceholderText("用户名")layout.addWidget(self.username_input)self.password_input=QLineEdit()self.password_input.setEchoMode(QLineEdit.Password)self.password_input.setPlaceholderText("密码")layout.addWidget(self.password_input)self.login_btn=QPushButton("登录")self.login_btn.clicked.connect(self.login)layout.addWidget(self.login_btn)self.setLayout(layout)deflogin(self):username=self.username_input.text()password=self.password_input.text()ifusername=="admin"andpassword=="123456":self.accept()# 登录成功else:self.password_input.clear()self.password_input.setPlaceholderText("用户名或密码错误")📦 九、运行步骤
- 安装依赖
pipinstallultralytics opencv-python pyqt5 numpy- 放置数据集和模型
FallDetectionSystem/ ├── datasets/ ├── models/ │ └── fall_best.pt # 训练后生成 └── UIProgram/ └── MainProgram.py- 运行主程序
cdUIProgram python MainProgram.py- 点击“打开文件”选择图片或视频
- 点击“开始检测”进行识别
