点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID计算机视觉研究院学习群扫码在主页获取加入方式https://pmc.ncbi.nlm.nih.gov/articles/PMC12948984/pdf/41598_2026_Article_39527.pdf计算机视觉研究院专栏Column of Computer Vision Institute本文提出YOLOv11-SEFA可解释轻量化跌倒检测系统在悉尼 Rochfort 文物展馆完成实地落地实现低延迟、低功耗、高精准的跌倒预警完美适配文物建筑的监测需求。PART/1文物展馆跌倒监测的 “特殊考场”全球 60 岁以上人口 2050 年将达 21 亿老人跌倒每年致 68.4 万人死亡是意外伤害致死第二大原因。文物展馆作为特殊公共空间跌倒监测面临三重核心困境环境复杂灯光从自然光到射灯多变、玻璃展柜反光干扰、人流密度波动大基建受限文物保护规定禁止打孔、布线等破坏性改造无法部署重型设备传统方案失效可穿戴设备老人依从性差、环境传感器成本高易受干扰、普通视觉方案算力与隐私不达标。PART/2模型革新YOLOv11-SEFA轻量又精准研究团队以YOLOv11n为基线做两项针对性优化打造适配展馆的轻量化检测模型1.无参 SimAM 注意力模块不增加参数量与算力聚焦人体跌倒关键区域抵抗背景干扰2.P2 检测头stride4捕捉小目标、远距离跌倒姿态解决展馆广角监控下的漏检问题。最终形成BackboneNeck 四检测头的多尺度感知结构兼顾精度与算力。性能对比显示模型F1 值 83.99%、mAP50 达 88.60%仅 6.6GFLOPs 算力、2.67MB 参数全面超越 YOLOv5n/8n/10n/11n。PART/3系统落地四层架构 四级风险可解释更安全系统采用感知 — 边缘 — 传输 — 云四层架构实现端边云协同同时做到分级预警与决策可解释1.四层架构2MP PoE 摄像头采集画面→边缘端Jetson AGX Orin本地推理→TLS 加密 MQTT 传输告警→云端融合去重不上传原始视频保护隐私2.四级风险分级提取姿态面积比、倾斜角等 6 维特征通过随机森林划分安全 / 低风险 / 中高风险 / 高风险4 级预警3.SHAP 可解释验证模型决策核心为倾斜角、姿态比完全符合人体跌倒的安全逻辑无伪相关干扰。PART/4实地验证展馆实测性能全达标团队在悉尼 1920 年代老建筑改造的Rochfort 展馆完成 72 小时连续实测核心指标全部满足落地要求误报率极低高峰时段 0.4 次 / 小时多为拍照蹲姿触发夜间仅 0.05 次 / 小时低延迟实时性稀疏场景端到端延迟 265ms密集人群 312ms边缘端稳定 14.8FPS零漏检验证20 次模拟跌倒全部检出适配遮挡、弱光等复杂场景低功耗适配边缘设备功耗≤60W兼容展馆弱电流基建。PART/5结语本系统兼顾文物保护、隐私合规、边缘算力限制为文物展馆、博物馆等公共文化空间提供了可落地的老人跌倒监测方案。未来团队将融入时序感知、多模态传感进一步提升极端场景适配性让智能安全守护覆盖更多文化公共空间。有相关需求的你可以联系我们END转载请联系本公众号获得授权计算机视觉研究院学习群等你加入ABOUT计算机视觉研究院计算机视觉研究院主要涉及深度学习领域主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架提供论文一键下载并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程让大家真正体会摆脱理论的真实场景培养爱动手编程爱动脑思考的习惯往期推荐YOLO-TLA一种基于 YOLOv5 的高效轻量级小目标检测模型ViT-YOLO基于Transformer的用于目标检测的YOLO算法SSMA-YOLO一种轻量级的 YOLO 模型具备增强的特征提取与融合能力适用于无人机航拍的船舶图像检测LUD-YOLO一种用于无人机的新型轻量级目标检测网络Gold-YOLO基于聚合与分配机制的高效目标检测器Drone-YOLO一种有效的无人机图像目标检测「无人机AI」“空中城管”无人机AI光伏巡检自动化解决方案无人机视角下多类别船舶检测及数量统计机场项目解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题2PCNet昼夜无监督域自适应目标检测附原代码YOLO-S小目标检测的轻量级、精确的类YOLO网络大改Yolo框架 | 能源消耗极低的目标检测新框架附论文下载改进的检测算法用于高分辨率光学遥感图像目标检测
