[论文解读] Fall Detection for Industrial Setups Using YOLOv8 Variants

Gracile Astlin Pereira|arXiv (Cornell University)|Aug 8, 2024

Context-Aware Activity Recognition Systems被引用 4

一句话总结

本文提出了一种基于 YOLOv8 变体并结合自定义数据增强流水线的实时跌倒检测系统，适用于工业环境。YOLOv8m 模型在性能与效率之间取得了最佳平衡，实现了 50% IoU 下 0.971 的平均精度（mAP），适用于计算资源受限的部署，同时保持了高检测精度。

ABSTRACT

This paper presents the development of an industrial fall detection system utilizing YOLOv8 variants, enhanced by our proposed augmentation pipeline to increase dataset variance and improve detection accuracy. Among the models evaluated, the YOLOv8m model, consisting of 25.9 million parameters and 79.1 GFLOPs, demonstrated a respectable balance between computational efficiency and detection performance, achieving a mean Average Precision (mAP) of 0.971 at 50% Intersection over Union (IoU) across both "Fall Detected" and "Human in Motion" categories. Although the YOLOv8l and YOLOv8x models presented higher precision and recall, particularly in fall detection, their higher computational demands and model size make them less suitable for resource-constrained environments.

研究动机与目标

• 开发一种针对复杂工业环境的鲁棒、实时跌倒检测系统。
• 评估多种 YOLOv8 变体（n, s, m, l, x）在跌倒与人体运动检测中的性能。
• 通过一种新型数据增强流水线提升数据集的多样性，增强模型泛化能力。
• 识别在准确性、推理速度与计算效率之间实现最佳平衡的 YOLOv8 变体，以适用于工业部署。
• 为高风险工业环境中提升工人安全提供一种可扩展、非侵入式的解决方案。

提出的方法

• 在工业视频序列中使用 YOLOv8 变体（YOLOv8n 至 YOLOv8x）进行目标检测，将实例分类为“检测到跌倒”或“人体运动”。
• 实现了一种自定义数据增强流水线，以增加数据集的多样性，提升模型的泛化能力和鲁棒性。
• 采用交叉熵损失与分布焦点损失相结合的方式训练模型，以稳定训练过程并提升收敛性。
• 通过 50% IoU 下的 mAP、精确率、召回率以及推理时间（YOLOv8x 为每张图像 27.5 ms）评估性能。
• 基于 mAP、模型大小与 GFLOPs 的权衡，选择最适合实际部署的最优模型。
• 采用迁移学习与超参数调优，以优化各变体在工业跌倒检测数据集上的性能。

Figure 1: Industrial Activity Dataset

实验结果

研究问题

• RQ1 在工业跌倒检测中，哪种 YOLOv8 变体在检测准确率与计算效率之间实现了最佳平衡？
• RQ2 所提出的自定义数据增强流水线如何提升模型在多样化工业场景下的泛化能力与 mAP？
• RQ3 各 YOLOv8 变体在工业视频数据上的推理速度与实时性能如何？
• RQ4 不同模型尺寸下，“检测到跌倒”与“人体运动”两类别的精确率与召回率如何变化？
• RQ5 轻量级 YOLOv8 模型能否在保持资源受限环境适用性的同时实现高 mAP？

主要发现

• YOLOv8m 在‘检测到跌倒’与‘人体运动’两类中均实现了 50% IoU 下最高的 mAP（0.971），在整体性能与效率之间表现出最佳平衡。
• YOLOv8l 虽达到最高的 mAP（0.841），但需要显著更高的计算资源（165.4 GFLOPs）与 43.6M 参数。
• YOLOv8n 在跌倒检测中实现了 98% 的精确率，但未能检测到任何‘人体运动’实例，表明该类别召回率极低。
• YOLOv8x 在跌倒检测中表现出最高的精确率与召回率，但推理时间最慢（每张图像 27.5 ms），且模型尺寸最大（68.2M 参数）。
• 自定义数据增强流水线有效促进了训练稳定性，表现为较低的训练损失（0.08659）与验证损失（1.664）。
• YOLOv8m 在 mAP（0.971）与计算成本（79.1 GFLOPs）之间实现了最佳折中，是工业实际部署的理想选择。

Figure 2: Image after random resizing