人体跌倒检测追踪：AlphaPose + ST-GCN + SORT

简介：
本项目结合AlphaPose姿态估计、ST-GCN时空图卷积网络及SORT目标跟踪技术，构建了高效的人体跌倒检测与追踪系统。 人体跌倒检测与追踪系统采用Tiny-YOLO oneclass模型来识别帧中的每个人，并通过获取骨骼姿势进行动作预测。该模型每30帧预测一次动作，目前支持七种不同的动作：站立、行走、坐下、躺下、站起、坐起和跌倒。 为了确保系统的高效运行，Python版本需要高于3.6，而Torch的最低要求为1.3.1。原始测试环境配置包括i7-8750H CPU @ 2.20GHz x12处理器及GeForce RTX 2070显卡（配备CUDA 10.2）。 该项目训练了一个新的Tiny-YOLO oneclass模型，以优化人体检测并减小模型大小。此新模型通过使用旋转增强的人员关键点数据集进行训练，在各种角度姿势下实现了更可靠的人员检测性能。 对于动作识别部分，则利用跌倒检测数据集中提取的人体骨骼信息（采用AlphaPose技术）来标记每帧的动作，进而对ST-GCN模型进行了训练以实现准确的动作分类。