简介针对老龄化社会跌倒监测需求跌倒检测数据集压缩包面向计算机视觉、模式识别和机器学习领域的研究者与开发者专为跌倒检测算法的训练、验证和对比评测而设计。压缩包共2000个文件包含1440个XML标注文件和560张JPG图像整体大小65.27MBXML文件细致记录了跌倒起始时间、结束时间、方向等关键信息JPG图像则覆盖了不同角度、光照条件下的跌倒场景。数据集目录以“Annotations”和“images”两个文件夹区分标注与图像内容结构清晰可直接用于监督学习的数据装载与预处理。目前已有611人学习下载对需要高质量真实标注数据的研究团队来说这份资源能有效减少数据采集成本同时有助于评估算法在不同场景下的鲁棒性和泛化能力。整体标注信息完整导入主流深度学习框架后即可完成训练与验证。 上个月接手一个社区独居老人监护项目团队把三个方案翻来覆去比了一周最后卡在一个谁都没想到的地方没有能直接拿来训练的跌倒检测数据集。从公开渠道找来的数据多以zip文件打包解压后目录结构、标注格式、命名规则五花八门有的压缩包里的文件名还因为编码问题变成乱码。把这一整套流程理顺之后我才意识到做跌倒检测的人真正该花时间研究的不是模型结构而是数据从zip到训练格式之间的那条完整链路。这篇内容就把我的实操过程完整拆开从跌倒检测为什么必须用专用数据集讲起再到zip解压的编码坑、目录与标注格式盘点、COCO/VOC转YOLO的标准化方法最后补上第一次训练必须处理的几个细节。适合准备做跌倒检测、老人监护或异常行为识别项目的工程师也适合刚接触目标检测数据集的新手。1. 跌倒检测数据集的门槛模型能不能用七成输在数据准备1.1 为什么COCO的person类解决不了跌倒问题很多人的第一反应是跌倒检测不就是检测到人然后判断状态吗用COCO数据集训练一个YOLO模型检测到person框再根据框的宽高比判断横躺还是直立不就行了这个思路在理论上成立但实测下来会发现两个致命问题。第一COCO的person类别只负责标出“这里有人”标注框是紧密包围站立或行走中的人体一旦人倒地身体姿态发生剧烈变化框的宽高比、关键点可见性与正常站立完全不同COCO模型对这类形态的响应本身就弱。第二跌倒是一个时间过程站立-失重-摔倒-躺地单帧检测框的形态判断只能覆盖“已经躺在地上”这个末端状态完全无法捕捉跌倒瞬间。所以真正意义上的跌倒检测数据集必须按事件或状态来组织而不只是标注“有人”。这也是为什么你在找数据集时看到的往往不是现成的COCO格式而是一堆由视频抽帧构成的序列帧目录。这种组织方式本身就是为时序建模准备的跟普通的单帧目标检测数据集有本质差异。1.2 两条技术路线对应两类标注格式跌倒检测领域目前主流有两条路线姿态估计路线输入是人体骨骼关键点序列COCO 17关键点或MPII格式用LSTM、Transformer或图神经网络对关键点轨迹做分类。这条路线对标注要求最高需要每个跌倒样本都有连续帧的关键点标注标注成本非常惊人。检测框路线输入是图像或短片段输出是目标框加上类别跌倒/正常/其他。这条路线直接复用YOLO、Faster R-CNN等成熟检测器标注工作量相对可控也是我实际采用的方案。我最终选择检测框路线除了标注成本原因还有一个关键考虑跌倒在单帧视觉特征上并不总是清晰可辨但目标检测模型可以捕捉到“人体突然由垂直变成水平”这类明显的形态变化。相比之下关键点在某些遮挡严重的跌倒姿态下比如脸朝下趴着会丢失大量关节信息反而不如检测框稳定。数据准备也因此围绕“跌倒”和“正常”两类框标注展开。2. 拿到zip包先别急着解压交付形态和文件系统的几个坑2.1 数据集为什么偏爱zip打包几乎所有的学术数据集和开源数据集都以zip格式分发这并不是偶然。一方面数据集通常包含大量小文件特别是视频帧序列的场景目录层级深、文件数量动辄几万个直接下载会遭遇慢速连接和文件丢失问题zip打包后单文件传输稳定得多。另一方面标注文件JSON、XML、txt的文本压缩比非常高整体压缩率可能达到3倍以上对带宽友好。但zip不是万能的。常见的数据集压缩包动辄几个GB解压前务必确认磁盘空间是否充足。我建议养成一个习惯解压前先做三件事。用压缩工具的预览功能查看zip内部文件列表确认顶层目录结构避免解压后一堆文件散落一地。查看说明文件README、README.md、DATA.md。核对压缩包大小与网站标注的哈希值是否一致如果网站只给了文件大小也要至少确认字节数能对上。很多人在解压时跳过这些步骤结果训练到一半发现数据缺了某个类别整个流程推倒重来这才是最耗时间的。2.2 解压后文件名乱码的根因和解法我在处理一批公开数据时踩过一个典型坑压缩包解压后一部分目录和图片文件名显示为乱码。这类问题的根源不在文件损坏而是文件名编码表不匹配。zip格式内部记录文件名时使用创建者操作系统的本地编码Windows中文环境下常为GBK作者如果使用其他语言环境压缩写入的可能就是对应语言的编码。解压工具默认按UTF-8解码时如果实际编码不是UTF-8文件名就会变成一堆乱码。顺带说一句这类问题在一些国外公开数据集里格外常见尤其是作者用本地语言命名文件、又没有在压缩前做统一改名的。网上有网友提到“zip包用306压缩软件解压后里面以韩文命名的文件会显示为乱码”现象一致。处理办法有几种使用带编码选择功能的压缩工具如Bandizip或部分国产工具解压前在选项中指定文件名编码例如“中文(GBK)”“日语(Shift-JIS)”或“韩文(EUC-KR)”。命令行方式更直接Linux下用unzip -O指定编码解压。unzip -O EUC-KR FallDataset.zip -d FallDatasetPython方式最灵活适合已经解压完但文件名已乱码的情况可以按编码尝试转回正确文件名后批量重命名。import os, shutil src_dir FallDataset for root, dirs, files in os.walk(src_dir): for name in files: # 假设原编码是EUC-KR当前被错误解释为GBK fixed name.encode(gbk, errorsignore).decode(euc-kr, errorsignore) if fixed ! name: shutil.move(os.path.join(root, name), os.path.join(root, fixed))这个脚本的核心思路是先把当前乱码字符串按错误的编码还原成原始字节再按正确的编码解码。需要重点提醒的是重命名前一定要先确认原编码是什么否则越改越乱。文件名乱码不影响文件内容本身图片像素、标注框坐标都不会因此损坏所以不用慌张。2.3 zip内容与说明文档不一致的情况另一个我反复遇到的坑是README里写的目录结构和实际压缩包内容对不上。有的数据集版本更新后作者重新打包但忘了更新文档有的则是训练集和验证集混在同一个目录里划分方式依赖一个单独的txt列表文件。遇到这种情况最稳妥的做法是以说明文档和实际结构差异为准先跑一个数据盘点脚本把真实情况摸清楚再进入标注分析阶段。3. 目录结构和标注格式剖析别让数据集骗了你3.1 一份典型跌倒检测数据集的内部结构不同数据集的目录结构差异极大但以视频抽帧方式组织的跌倒检测数据集通常长这样FallDataset/ ├── README.md ├── classes.txt ├── images/ │ ├── train/ │ │ ├── scene_01/ │ │ │ ├── frame_0001.jpg │ │ │ └── frame_0002.jpg │ │ └── scene_02/ │ └── val/ ├── annotations/ │ ├── train.json │ └── val.json └── labels/ └── train/scene_xx代表从同一个视频片段抽出的连续帧这个信息非常关键训练集和验证集必须按场景划分而不能简单按文件随机划分否则同一个视频的相似帧会同时出现在训练和验证集中评估指标虚高。3.2 标注格式的三种可能形态打开annotations目录后你会遇到目标检测领域最常见的三种标注格式后缀/结构关键信息典型工具链COCO JSONtrain.json顶层有images、annotations、categoriesbbox为[x,y,width,height]绝对像素坐标Detectron2、MMDetectionVOC XML每个图片一个xml文件bbox为xmin,ymin,xmax,ymax标注工具产出常为这种格式YOLO txt每张图一个txt文件一行一个目标class_id cx cy w h相对坐标归一化Ultralytics YOLO系列这三种格式之间没有谁好谁坏取决于你要用的训练框架。但我强烈建议拿到数据后第一步不是急着转换而是先做一个统计盘点搞清楚数据集的真实体量和质量。3.3 快速盘点数据集状态的实用脚本一个简单的Python脚本就能完成统计图片总数、每个类别的目标数、每张图片的目标数量分布、目标框面积分布。这些维度能快速暴露数据问题。import json from collections import Counter with open(annotations/train.json, r) as f: coco json.load(f) # 类别名称映射 cat_id2name {c[id]: c[name] for c in coco[categories]} cat_counter Counter() per_img_counter Counter() area_list [] # 图片id到文件名 img_id2name {img[id]: img[file_name] for img in coco[images]} for ann in coco[annotations]: cat_counter[cat_id2name[ann[category_id]]] 1 per_img_counter[ann[image_id]] 1 area_list.append(ann[area]) print(类别统计:, cat_counter) print(单张图片目标数分布:, per_img_counter.most_common()) print(面积分布(min/median/max):, min(area_list), sorted(area_list)[len(area_list)//2], max(area_list))我拿到一份数据集时通过这个脚本立刻发现它存在严重的长尾问题“跌倒”类只有800个框“正常”类有2万个框。这种情况下直接送进YOLO训练模型大概率会把所有样本都预测成“正常”因为正常类别占了绝对多数。后面细说怎么处理。4. 标配转换链路从原始标注到YOLO可训练格式4.1 为什么统一成YOLO格式Ultralytics YOLOv5/YOLOv8的生态目前对新手最友好训练、验证、导出一条龙网上资料也最多。它要求的标注格式是YOLO txt每个图片同名一个txt文件每行表示一个目标。# class_id x_center y_center width height (相对坐标归一化到0~1) 0 0.512345 0.628901 0.234567 0.198765这种格式的好处是简洁不需要解析JSON训练时按图片路径直接读同名txt加载速度极快。坏处是缺少COCO格式的元信息如是否遮挡、是否裁剪但对跌倒检测这种场景来说这些信息本来就用不上。所以不管原始数据给的是COCO JSON还是VOC XML我都建议先转成YOLO格式后面换模型、做增强都方便。4.2 转换脚本的核心实现COCO JSON转YOLO的脚本核心逻辑遍历每一张图片找到该图片下所有目标框把绝对坐标转为归一化相对坐标。需要注意三点类别ID从0开始连续编号、输出文件与图片同名同路径、忽略没有任何标注的图片。import json import os def coco_to_yolo(coco_path, img_root, label_root): with open(coco_path) as f: coco json.load(f) # 建立原始类别id到连续id的映射 cat_id2idx {} for i, cat in enumerate(coco[categories]): cat_id2idx[cat[id]] i img_id2info {img[id]: img for img in coco[images]} anns_by_img {} for ann in coco[annotations]: anns_by_img.setdefault(ann[image_id], []).append(ann) for img_id, anns in anns_by_img.items(): img_info img_id2info[img_id] img_path os.path.join(img_root, img_info[file_name]) if not os.path.exists(img_path): continue img_w, img_h img_info[width], img_info[height] txt_name os.path.splitext(os.path.basename(img_path))[0] .txt txt_path os.path.join(label_root, txt_name) lines [] for ann in anns: cat_idx cat_id2idx[ann[category_id]] x, y, w, h ann[bbox] # COCO bbox: [x, y, width, height] # 归一化并限制在0~1之间 cx min(max((x w / 2) / img_w, 0), 1) cy min(max((y h / 2) / img_h, 0), 1) nw min(max(w / img_w, 0), 1) nh min(max(h / img_h, 0), 1) lines.append(f{cat_idx} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}) if lines: with open(txt_path, w) as f: f.write(\n.join(lines)) # 调用 coco_to_yolo(annotations/train.json, images/train, labels/train)脚本里把坐标limit到0~1这段是一个防御性处理。有些数据集的标注框边缘会轻微超出图像范围如果不截断训练时YOLO会报错或者loss异常波动。VOC XML转YOLO的核心逻辑类似只是把xmin,ymin,xmax,ymax换算一次中心点和宽高。4.3 训练集/验证集划分与data.yaml配置划分数据集时务必按视频片段层级切分场景级别划分不要按帧级别随机划分。同一视频连续帧之间高度相似如果同时出现在训练集和验证集里模型相当于开卷考试评估结果会给你虚假的自信。先拿到所有scene_xx目录列表按目录为单位随机分配到train/val然后生成对应图片路径列表。Ultralytics的data.yaml配置很简单train: /data/FallDataset/images/train val: /data/FallDataset/images/val nc: 2 names: [fall, normal]这里的names顺序必须和标注txt里的class_id严格对应顺序错一个位置模型学到的就完全是另一回事。我见过不止一次因为改类别顺序忘了同步转换脚本导致模型训练出来把“跌倒”和“正常”搞反的事故。5. 第一次喂给模型前必须处理的三个细节5.1 类别不均衡问题怎么破回到刚才那个“跌倒800框正常20000框”的数据集。直接训练的话YOLO的默认loss对多数类有天然偏向最终结果很可能是所有目标都被预测为“正常”mAP看着还行实际完全不可用。我的处理思路分三步第一步是欠采样正常类把正常样本控制在跌倒样本的3到5倍以内。这里的平衡不是按图片数而是按目标框数。第二步是数据增强补足跌倒类。Ultralytics默认开Mosaic和MixUp对跌倒检测也有用但我额外加了小角度旋转±30度和轻微透视变换模拟不同摄像头角度的变化。跌倒形态本身姿态差异极大增强强度可以比其他检测任务激进一些。第三步是给loss加类别权重在YOLOv8的训练配置中可以用cls参数调整但通常前两步做完就够了权重调太大会让正常行为的误检率上升。5.2 图像尺寸和anchor的取舍跌倒检测的目标框通常只占整幅图像的5%到15%属于中小目标。输入尺寸我建议直接用640起如果算力允许可以尝试在1280下微调几轮。小尺寸输入会丢失倒地姿态的细节特别是穿深色衣服的人在地面阴影里目标框稍微小一点特征就糊成一片。关于anchorYOLOv8已经是anchor-free设计不需要手动设定anchor尺寸这点比YOLOv5省心。但有一个和检测头相关的经验仍然适用训练前在验证集上统计目标框的宽高比分布。跌倒样本的框通常呈现明显的横向拉伸宽大于高正常站立的框则是纵向拉伸高大于宽。如果类别混淆严重可以用这个先验知识做后处理修正。5.3 评估指标怎么读别只看mAP跌倒是典型的“漏检不可接受误检也不可接受”场景。系统漏报一次跌倒可能直接导致老人得不到及时救助而误报率高用户会把报警当狼来了同样失去作用。所以评估时我从来不只看mAP重点看两个数跌倒类别的召回率Recall所有真实跌倒框里模型找回了多少目标是最少达到90%以上。混淆矩阵里的两类错误跌倒被预测成正常这是漏检最致命正常被预测成跌倒这是误报影响用户体验。训练完直接跑一次验证集把混淆矩阵拿出来看这两个格子。另外一个实用技巧不要单帧评估。视频序列中单帧的检测噪声很大一个合理的做法是后处理时采用“多帧投票连续确认”策略连续5帧中有4帧检测到跌倒才触发报警。这样单帧的漏检和误检都能被大幅平滑掉系统稳定性远比只看单帧指标要好。我最后再多说一句数据准备阶段做扎实了后面训练几乎不会有大坑。我处理这批数据集时解压和格式转换花了两天但正式训练只花了半天就达到了可部署的指标。很多人觉得数据处理是体力活急于跳过最后在训练和调参上反复折腾时间反而花得更多。数据集的解压、盘点、转换、划分这套链路值得每一个做跌倒检测的人完整走一遍因为模型能不能在真实场景里真正发挥作用从你解压那个zip文件的瞬间就已经注定了。本文还有配套的精品资源点击获取 跌倒检测数据集实战：从ZIP解压到YOLO训练的完整链路
简介针对老龄化社会跌倒监测需求跌倒检测数据集压缩包面向计算机视觉、模式识别和机器学习领域的研究者与开发者专为跌倒检测算法的训练、验证和对比评测而设计。压缩包共2000个文件包含1440个XML标注文件和560张JPG图像整体大小65.27MBXML文件细致记录了跌倒起始时间、结束时间、方向等关键信息JPG图像则覆盖了不同角度、光照条件下的跌倒场景。数据集目录以“Annotations”和“images”两个文件夹区分标注与图像内容结构清晰可直接用于监督学习的数据装载与预处理。目前已有611人学习下载对需要高质量真实标注数据的研究团队来说这份资源能有效减少数据采集成本同时有助于评估算法在不同场景下的鲁棒性和泛化能力。整体标注信息完整导入主流深度学习框架后即可完成训练与验证。 上个月接手一个社区独居老人监护项目团队把三个方案翻来覆去比了一周最后卡在一个谁都没想到的地方没有能直接拿来训练的跌倒检测数据集。从公开渠道找来的数据多以zip文件打包解压后目录结构、标注格式、命名规则五花八门有的压缩包里的文件名还因为编码问题变成乱码。把这一整套流程理顺之后我才意识到做跌倒检测的人真正该花时间研究的不是模型结构而是数据从zip到训练格式之间的那条完整链路。这篇内容就把我的实操过程完整拆开从跌倒检测为什么必须用专用数据集讲起再到zip解压的编码坑、目录与标注格式盘点、COCO/VOC转YOLO的标准化方法最后补上第一次训练必须处理的几个细节。适合准备做跌倒检测、老人监护或异常行为识别项目的工程师也适合刚接触目标检测数据集的新手。1. 跌倒检测数据集的门槛模型能不能用七成输在数据准备1.1 为什么COCO的person类解决不了跌倒问题很多人的第一反应是跌倒检测不就是检测到人然后判断状态吗用COCO数据集训练一个YOLO模型检测到person框再根据框的宽高比判断横躺还是直立不就行了这个思路在理论上成立但实测下来会发现两个致命问题。第一COCO的person类别只负责标出“这里有人”标注框是紧密包围站立或行走中的人体一旦人倒地身体姿态发生剧烈变化框的宽高比、关键点可见性与正常站立完全不同COCO模型对这类形态的响应本身就弱。第二跌倒是一个时间过程站立-失重-摔倒-躺地单帧检测框的形态判断只能覆盖“已经躺在地上”这个末端状态完全无法捕捉跌倒瞬间。所以真正意义上的跌倒检测数据集必须按事件或状态来组织而不只是标注“有人”。这也是为什么你在找数据集时看到的往往不是现成的COCO格式而是一堆由视频抽帧构成的序列帧目录。这种组织方式本身就是为时序建模准备的跟普通的单帧目标检测数据集有本质差异。1.2 两条技术路线对应两类标注格式跌倒检测领域目前主流有两条路线姿态估计路线输入是人体骨骼关键点序列COCO 17关键点或MPII格式用LSTM、Transformer或图神经网络对关键点轨迹做分类。这条路线对标注要求最高需要每个跌倒样本都有连续帧的关键点标注标注成本非常惊人。检测框路线输入是图像或短片段输出是目标框加上类别跌倒/正常/其他。这条路线直接复用YOLO、Faster R-CNN等成熟检测器标注工作量相对可控也是我实际采用的方案。我最终选择检测框路线除了标注成本原因还有一个关键考虑跌倒在单帧视觉特征上并不总是清晰可辨但目标检测模型可以捕捉到“人体突然由垂直变成水平”这类明显的形态变化。相比之下关键点在某些遮挡严重的跌倒姿态下比如脸朝下趴着会丢失大量关节信息反而不如检测框稳定。数据准备也因此围绕“跌倒”和“正常”两类框标注展开。2. 拿到zip包先别急着解压交付形态和文件系统的几个坑2.1 数据集为什么偏爱zip打包几乎所有的学术数据集和开源数据集都以zip格式分发这并不是偶然。一方面数据集通常包含大量小文件特别是视频帧序列的场景目录层级深、文件数量动辄几万个直接下载会遭遇慢速连接和文件丢失问题zip打包后单文件传输稳定得多。另一方面标注文件JSON、XML、txt的文本压缩比非常高整体压缩率可能达到3倍以上对带宽友好。但zip不是万能的。常见的数据集压缩包动辄几个GB解压前务必确认磁盘空间是否充足。我建议养成一个习惯解压前先做三件事。用压缩工具的预览功能查看zip内部文件列表确认顶层目录结构避免解压后一堆文件散落一地。查看说明文件README、README.md、DATA.md。核对压缩包大小与网站标注的哈希值是否一致如果网站只给了文件大小也要至少确认字节数能对上。很多人在解压时跳过这些步骤结果训练到一半发现数据缺了某个类别整个流程推倒重来这才是最耗时间的。2.2 解压后文件名乱码的根因和解法我在处理一批公开数据时踩过一个典型坑压缩包解压后一部分目录和图片文件名显示为乱码。这类问题的根源不在文件损坏而是文件名编码表不匹配。zip格式内部记录文件名时使用创建者操作系统的本地编码Windows中文环境下常为GBK作者如果使用其他语言环境压缩写入的可能就是对应语言的编码。解压工具默认按UTF-8解码时如果实际编码不是UTF-8文件名就会变成一堆乱码。顺带说一句这类问题在一些国外公开数据集里格外常见尤其是作者用本地语言命名文件、又没有在压缩前做统一改名的。网上有网友提到“zip包用306压缩软件解压后里面以韩文命名的文件会显示为乱码”现象一致。处理办法有几种使用带编码选择功能的压缩工具如Bandizip或部分国产工具解压前在选项中指定文件名编码例如“中文(GBK)”“日语(Shift-JIS)”或“韩文(EUC-KR)”。命令行方式更直接Linux下用unzip -O指定编码解压。unzip -O EUC-KR FallDataset.zip -d FallDatasetPython方式最灵活适合已经解压完但文件名已乱码的情况可以按编码尝试转回正确文件名后批量重命名。import os, shutil src_dir FallDataset for root, dirs, files in os.walk(src_dir): for name in files: # 假设原编码是EUC-KR当前被错误解释为GBK fixed name.encode(gbk, errorsignore).decode(euc-kr, errorsignore) if fixed ! name: shutil.move(os.path.join(root, name), os.path.join(root, fixed))这个脚本的核心思路是先把当前乱码字符串按错误的编码还原成原始字节再按正确的编码解码。需要重点提醒的是重命名前一定要先确认原编码是什么否则越改越乱。文件名乱码不影响文件内容本身图片像素、标注框坐标都不会因此损坏所以不用慌张。2.3 zip内容与说明文档不一致的情况另一个我反复遇到的坑是README里写的目录结构和实际压缩包内容对不上。有的数据集版本更新后作者重新打包但忘了更新文档有的则是训练集和验证集混在同一个目录里划分方式依赖一个单独的txt列表文件。遇到这种情况最稳妥的做法是以说明文档和实际结构差异为准先跑一个数据盘点脚本把真实情况摸清楚再进入标注分析阶段。3. 目录结构和标注格式剖析别让数据集骗了你3.1 一份典型跌倒检测数据集的内部结构不同数据集的目录结构差异极大但以视频抽帧方式组织的跌倒检测数据集通常长这样FallDataset/ ├── README.md ├── classes.txt ├── images/ │ ├── train/ │ │ ├── scene_01/ │ │ │ ├── frame_0001.jpg │ │ │ └── frame_0002.jpg │ │ └── scene_02/ │ └── val/ ├── annotations/ │ ├── train.json │ └── val.json └── labels/ └── train/scene_xx代表从同一个视频片段抽出的连续帧这个信息非常关键训练集和验证集必须按场景划分而不能简单按文件随机划分否则同一个视频的相似帧会同时出现在训练和验证集中评估指标虚高。3.2 标注格式的三种可能形态打开annotations目录后你会遇到目标检测领域最常见的三种标注格式后缀/结构关键信息典型工具链COCO JSONtrain.json顶层有images、annotations、categoriesbbox为[x,y,width,height]绝对像素坐标Detectron2、MMDetectionVOC XML每个图片一个xml文件bbox为xmin,ymin,xmax,ymax标注工具产出常为这种格式YOLO txt每张图一个txt文件一行一个目标class_id cx cy w h相对坐标归一化Ultralytics YOLO系列这三种格式之间没有谁好谁坏取决于你要用的训练框架。但我强烈建议拿到数据后第一步不是急着转换而是先做一个统计盘点搞清楚数据集的真实体量和质量。3.3 快速盘点数据集状态的实用脚本一个简单的Python脚本就能完成统计图片总数、每个类别的目标数、每张图片的目标数量分布、目标框面积分布。这些维度能快速暴露数据问题。import json from collections import Counter with open(annotations/train.json, r) as f: coco json.load(f) # 类别名称映射 cat_id2name {c[id]: c[name] for c in coco[categories]} cat_counter Counter() per_img_counter Counter() area_list [] # 图片id到文件名 img_id2name {img[id]: img[file_name] for img in coco[images]} for ann in coco[annotations]: cat_counter[cat_id2name[ann[category_id]]] 1 per_img_counter[ann[image_id]] 1 area_list.append(ann[area]) print(类别统计:, cat_counter) print(单张图片目标数分布:, per_img_counter.most_common()) print(面积分布(min/median/max):, min(area_list), sorted(area_list)[len(area_list)//2], max(area_list))我拿到一份数据集时通过这个脚本立刻发现它存在严重的长尾问题“跌倒”类只有800个框“正常”类有2万个框。这种情况下直接送进YOLO训练模型大概率会把所有样本都预测成“正常”因为正常类别占了绝对多数。后面细说怎么处理。4. 标配转换链路从原始标注到YOLO可训练格式4.1 为什么统一成YOLO格式Ultralytics YOLOv5/YOLOv8的生态目前对新手最友好训练、验证、导出一条龙网上资料也最多。它要求的标注格式是YOLO txt每个图片同名一个txt文件每行表示一个目标。# class_id x_center y_center width height (相对坐标归一化到0~1) 0 0.512345 0.628901 0.234567 0.198765这种格式的好处是简洁不需要解析JSON训练时按图片路径直接读同名txt加载速度极快。坏处是缺少COCO格式的元信息如是否遮挡、是否裁剪但对跌倒检测这种场景来说这些信息本来就用不上。所以不管原始数据给的是COCO JSON还是VOC XML我都建议先转成YOLO格式后面换模型、做增强都方便。4.2 转换脚本的核心实现COCO JSON转YOLO的脚本核心逻辑遍历每一张图片找到该图片下所有目标框把绝对坐标转为归一化相对坐标。需要注意三点类别ID从0开始连续编号、输出文件与图片同名同路径、忽略没有任何标注的图片。import json import os def coco_to_yolo(coco_path, img_root, label_root): with open(coco_path) as f: coco json.load(f) # 建立原始类别id到连续id的映射 cat_id2idx {} for i, cat in enumerate(coco[categories]): cat_id2idx[cat[id]] i img_id2info {img[id]: img for img in coco[images]} anns_by_img {} for ann in coco[annotations]: anns_by_img.setdefault(ann[image_id], []).append(ann) for img_id, anns in anns_by_img.items(): img_info img_id2info[img_id] img_path os.path.join(img_root, img_info[file_name]) if not os.path.exists(img_path): continue img_w, img_h img_info[width], img_info[height] txt_name os.path.splitext(os.path.basename(img_path))[0] .txt txt_path os.path.join(label_root, txt_name) lines [] for ann in anns: cat_idx cat_id2idx[ann[category_id]] x, y, w, h ann[bbox] # COCO bbox: [x, y, width, height] # 归一化并限制在0~1之间 cx min(max((x w / 2) / img_w, 0), 1) cy min(max((y h / 2) / img_h, 0), 1) nw min(max(w / img_w, 0), 1) nh min(max(h / img_h, 0), 1) lines.append(f{cat_idx} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}) if lines: with open(txt_path, w) as f: f.write(\n.join(lines)) # 调用 coco_to_yolo(annotations/train.json, images/train, labels/train)脚本里把坐标limit到0~1这段是一个防御性处理。有些数据集的标注框边缘会轻微超出图像范围如果不截断训练时YOLO会报错或者loss异常波动。VOC XML转YOLO的核心逻辑类似只是把xmin,ymin,xmax,ymax换算一次中心点和宽高。4.3 训练集/验证集划分与data.yaml配置划分数据集时务必按视频片段层级切分场景级别划分不要按帧级别随机划分。同一视频连续帧之间高度相似如果同时出现在训练集和验证集里模型相当于开卷考试评估结果会给你虚假的自信。先拿到所有scene_xx目录列表按目录为单位随机分配到train/val然后生成对应图片路径列表。Ultralytics的data.yaml配置很简单train: /data/FallDataset/images/train val: /data/FallDataset/images/val nc: 2 names: [fall, normal]这里的names顺序必须和标注txt里的class_id严格对应顺序错一个位置模型学到的就完全是另一回事。我见过不止一次因为改类别顺序忘了同步转换脚本导致模型训练出来把“跌倒”和“正常”搞反的事故。5. 第一次喂给模型前必须处理的三个细节5.1 类别不均衡问题怎么破回到刚才那个“跌倒800框正常20000框”的数据集。直接训练的话YOLO的默认loss对多数类有天然偏向最终结果很可能是所有目标都被预测为“正常”mAP看着还行实际完全不可用。我的处理思路分三步第一步是欠采样正常类把正常样本控制在跌倒样本的3到5倍以内。这里的平衡不是按图片数而是按目标框数。第二步是数据增强补足跌倒类。Ultralytics默认开Mosaic和MixUp对跌倒检测也有用但我额外加了小角度旋转±30度和轻微透视变换模拟不同摄像头角度的变化。跌倒形态本身姿态差异极大增强强度可以比其他检测任务激进一些。第三步是给loss加类别权重在YOLOv8的训练配置中可以用cls参数调整但通常前两步做完就够了权重调太大会让正常行为的误检率上升。5.2 图像尺寸和anchor的取舍跌倒检测的目标框通常只占整幅图像的5%到15%属于中小目标。输入尺寸我建议直接用640起如果算力允许可以尝试在1280下微调几轮。小尺寸输入会丢失倒地姿态的细节特别是穿深色衣服的人在地面阴影里目标框稍微小一点特征就糊成一片。关于anchorYOLOv8已经是anchor-free设计不需要手动设定anchor尺寸这点比YOLOv5省心。但有一个和检测头相关的经验仍然适用训练前在验证集上统计目标框的宽高比分布。跌倒样本的框通常呈现明显的横向拉伸宽大于高正常站立的框则是纵向拉伸高大于宽。如果类别混淆严重可以用这个先验知识做后处理修正。5.3 评估指标怎么读别只看mAP跌倒是典型的“漏检不可接受误检也不可接受”场景。系统漏报一次跌倒可能直接导致老人得不到及时救助而误报率高用户会把报警当狼来了同样失去作用。所以评估时我从来不只看mAP重点看两个数跌倒类别的召回率Recall所有真实跌倒框里模型找回了多少目标是最少达到90%以上。混淆矩阵里的两类错误跌倒被预测成正常这是漏检最致命正常被预测成跌倒这是误报影响用户体验。训练完直接跑一次验证集把混淆矩阵拿出来看这两个格子。另外一个实用技巧不要单帧评估。视频序列中单帧的检测噪声很大一个合理的做法是后处理时采用“多帧投票连续确认”策略连续5帧中有4帧检测到跌倒才触发报警。这样单帧的漏检和误检都能被大幅平滑掉系统稳定性远比只看单帧指标要好。我最后再多说一句数据准备阶段做扎实了后面训练几乎不会有大坑。我处理这批数据集时解压和格式转换花了两天但正式训练只花了半天就达到了可部署的指标。很多人觉得数据处理是体力活急于跳过最后在训练和调参上反复折腾时间反而花得更多。数据集的解压、盘点、转换、划分这套链路值得每一个做跌倒检测的人完整走一遍因为模型能不能在真实场景里真正发挥作用从你解压那个zip文件的瞬间就已经注定了。本文还有配套的精品资源点击获取