简介本资源是专为YOLOv5目标检测任务设计的行人跌倒检测数据集面向计算机视觉初学者、算法工程师及智能安防领域开发者解决跌倒行为识别这一典型安全监控场景下的模型训练与验证需求。数据集严格遵循YOLOv5目录结构组织含训练集7609张800×800 RGB图像对应txt标签与验证集1902张图像标签共9511张图像及9511个标注文件另附1个可视化脚本show.py可一键加载任意图片并绘制五类目标person、fall等边界框支持即开即用。压缩包内共2000个文件以1999个标准YOLO格式txt标签文件为主辅以1个轻量级Python可视化工具整体大小438.48MB目录层级清晰、无需额外转换。已有403人学习下载提供完整可用的数据闭环从原始图像、规范标注到快速可视化验证显著降低跌倒检测项目的数据准备门槛。 本人最近在做一个安防场景下的行人跌倒检测项目手里正好整理了一套5类别的YOLOV5格式数据集。先说结论数据集本身不难做难的是把类别定义、目录结构、标注规范、训练闭环全部对整齐。很多人拿了一个开箱即用的数据集训练却报错或者说指标很差多半不是在算法上而是在数据这个环节埋了雷。这篇博文就从我这次整理数据集的全过程出发把YOLOV5目录格式、5类标注思路、实际训练验证的坑一次说透给正准备做行人跌倒检测、或者想规范自己的目标检测数据集流程的朋友一个可直接参考的版本。1. 项目定位为什么做“5类行人跌倒检测”数据集1.1 跌倒检测场景与现实意义行人跌倒检测在智慧养老、医院病房、地铁站、工地安全等场景里都是刚需。独居老人跌倒后如果长时间无人发现后果会很严重所以监控系统里需要一个能自动识别“这个人摔倒了”的模型。但在实际落地中单纯只检测“跌倒”这一瞬间其实是很难做稳的因为跌倒是一个连续动作不是单帧图像上的一个静态特征。模型如果只见过“倒地”的图片没有见过“站立”“行走”“蹲坐”“躺卧”这些容易混淆的姿势误报率就会极高。也正因为如此我构建的数据集没有只标一个“fall”而是把行人状态拆成了5类站立、行走、蹲坐、跌倒、躺卧。这么做不是给自己加工作量而是为了让模型真正学会“区分”而不是“死记”。当模型见过足够多的五类样本后它会理解“蹲坐和跌倒之间的边界”“躺卧和跌倒之间的区别”这种区分能力在监控画面中非常关键。1.2 5个类别到底该怎么定类别定义这件事我在项目早期吃过亏最开始把“蹲坐”和“跌倒”合并成一类结果模型在检测时经常把正常坐在椅子上的人报警成跌倒。后来改成5类准确率才上来。5类分别是standing站立walking行走squatting蹲坐falling跌倒lying躺卧可能有人会问行走和站立有必要分开吗我的答案是非常有必要。如果模型的目标是报警跌倒那么“站立”和“行走”都应该算正常状态。但如果不拆开模型学习到的特征会变得很模糊——它可能把“两条腿交叉的静止姿态”和“正在迈步的姿态”混在一起导致在动态场景下误判。还有一点要注意跌倒和躺卧在视觉上很相似两者最核心的区别在于“这个人是刚从直立状态摔下来的还是一直躺着的”。所以我在标注规范里明确要求如果图片中人物的姿态是延展且贴近地面、有明显的水平方向占优但画面上下文无法判断摔倒过程时优先标为lying如果能看到人物正处于失控下坠、身体倾斜且重心明显偏移的瞬间则标为falling。这个规则需要标注入员严格遵守否则类别之间的边界会变得不可控。1.3 为什么目录格式必须跟随YOLOV5关于目录格式最省心的选择就是YOLOV5官方约定的那条路径组织方式。它的特点是图片和标签分离存放、按train/val拆分、标签为与图片同名的txt文件、每行一个目标。这种格式最大的好处是生态兼容性强。你可以直接用YOLOV5官方仓库训练也可以把同样的数据丢给YOLOV8、YOLO11只需要在yaml里做一行数据配置即可。用过COCO或者VOC格式的朋友应该知道COCO的json标注转换起来很费劲VOC的xml文件在超大批量时也相对低效。而YOLO的txt标注一行就是一个目标读取快、修改方便、配合程序做自检也简单。所以我最终确认了这套数据集的核心定位面向YOLOV5及后续系列模型5类别行人状态识别目录严格采用官方格式帮助使用者跳过数据整理这一步直接进入模型训练。2. 数据集目录结构与标注格式逐层拆解2.1 标准目录一张图看懂数据组织先看目录结构这是YOLOV5训练的基础。我的数据集按照下面的结构组织fall_detect_dataset/ ├── data.yaml ├── images/ │ ├── train/ │ │ ├── fall_0001.jpg │ │ ├── fall_0002.jpg │ │ └── ... │ └── val/ │ ├── fall_0001.jpg │ ├── fall_0002.jpg │ └── ... └── labels/ ├── train/ │ ├── fall_0001.txt │ ├── fall_0002.txt │ └── ... └── val/ ├── fall_0001.txt ├── fall_0002.txt └── ...这里最容易被忽视的一点是images/train/fall_0001.jpg 必须对应 labels/train/fall_0001.txt文件名可以不同——只要一一对应上就行。但为了省心建议保持同名。我在实际项目里见过很多朋友把数据集下下来就开始训练结果报错要么是“AssertionError: train: No labels in ...”要么是训练loss一直是0。最后查下来都是因为图片和标签的对应关系出了问题比如jpg和JPG后缀不一致、png图片被转换成了jpg但标签没改、或者文件被重命名过导致对不上。这种细节问题非常耗时间检查起来又很烦躁所以我建议在目录结构这一层就做严格规划。关于train/val的划分比例我习惯用9:1因为跌倒场景的样本获取成本高测试集不需要太多但训练集越丰富越好。如果你的数据量很大比如超过5万张那划分成8:2也完全可以。关键是比例确定后目录结构要始终一致。2.2 标签txt里到底写什么YOLOV5的标签格式是每一行代表一个目标由五部分组成类别索引 x_center y_center width height注意后面四个坐标值全部是相对于图片宽度和高度的归一化浮点数而不是像素坐标。举个例子一张1920x1080的图片中一个人体目标的边界框左上角是(480, 270)右下角是(1440, 810)那么框宽度 1440 - 480 960框高度 810 - 270 540x_center (480 1440) / 2 / 1920 0.5y_center (270 810) / 2 / 1080 0.5width 960 / 1920 0.5height 540 / 1080 0.5所以这行标签就是3 0.5 0.5 0.5 0.5如果一张图里有两个人一个站立一个行走那就有两行比如0 0.3215 0.4521 0.1684 0.5328 1 0.7002 0.6613 0.2011 0.5489在制作数据集时我会写一个Python脚本来检查这些归一化坐标是否越界是否出现负数因为这类错误不会在训练启动时报错而是会悄悄影响mAP。2.3 data.yaml配置与类别顺序一致性在使用YOLOV5训练时需要提供一个data.yaml文件。它是训练配置的地基内容如下train: /your/absolute/path/fall_detect_dataset/images/train val: /your/absolute/path/fall_detect_dataset/images/val nc: 5 names: 0: standing 1: walking 2: squatting 3: falling 4: lying这里最容易出问题的地方是类别索引。标签txt文件里的第一个数字是类别索引它们必须和yaml中names的排列顺序完全对应。如果names里把falling放在索引0而标签里跌倒目标的类别索引是3那训练时模型就会彻底混乱检测结果会变得完全不可用。我在构建数据集时会在所有标签文件生成完成后跑一遍全量统计打印出每个类别的目标数量分布以及随机抽样10个txt文件人工检查类别索引是否符合预期。这个小习惯看起来笨但能在一开始就拦下绝大多数低级错误。3. 从零构建一套合格跌倒检测数据集的完整流程3.1 数据来源怎么找、怎么筛跌倒检测数据集的来源通常有三个渠道。第一是公开数据集平移。像UR Fall Detection Dataset、Le2i Fall Detection Dataset、MultiCam Fall Dataset这几个经典数据集都提供了跌倒视频或者抽取帧虽然它们未必是YOLO格式但可以通过脚本把标注转成YOLO格式。需要注意版权和使用许可多数数据集允许学术使用商用前要逐条确认授权条款。第二是自行采集。在办公室、走廊、房间布置摄像头请同事或者志愿者模拟跌倒动作。我这里说的模拟不是随便躺下而是要有动作的连贯性——站着、走路、然后突然失去重心摔下去。只有把动作视频抽帧后模型才能学到真正的“跌倒”特征而不是“静态躺在画面里的人”。第三是视频抽帧。自己拍摄或找到合法授权的监控视频素材后按每秒5帧到10帧抽帧抽出来的图片再逐张筛选。需要注意相邻帧的画面很相似如果不加间隔地全量抽帧会导致数据集里有大量“孪生样本”训练时模型会把这类重复样本过度学习反而影响泛化能力。筛选标准我总结为三条剔除模糊帧特别是跌倒过程中常见的运动模糊。剔除目标占比过小的图片如果行人高度不足图片高度的10%模型基本学不到有效特征。剔除严重遮挡目标如果目标一半以上被家具遮挡且无法判断具体类别可以直接放弃或者裁剪保留清晰的部分。3.2 标注工具选型与标注规范要点标注这一步是整个数据集中最耗时、也最决定上限的环节。工具上我在不同阶段用过LabelImg、Labelme、CVAT各有适用场景。LabelImg轻量、适合单机小批量标注直接输出YOLO格式新手友好。缺点是大批量标注时效率低且容易误操作。CVAT适合团队协作标注支持在线多人标注、自动保存、导入导出各类格式。它需要部署在服务器上用Docker启动比较方便CVAT较适合几百上千张图片以上的项目。Roboflow可以直接把标注好的数据做增强、格式转换、版本管理非常方便。但要注意免费版限制导出数量。标注规范方面我给自己定了几条硬性要求边界框要贴合人体不要包含太多背景。如果框得太大模型训练时会学到大量无关的周边环境特征如果框得太小又会截断肢体导致特征不完整。类别定义要始终一致。前面提过的falling和lying的区分需要标注人员共同确认。我会在一开始做20张图的试点标注然后大家开会对齐规则再正式铺开。对于遮挡场景如果可见区域仍能明确判断类别就标但不能保证就放弃。还有一个经验是对跌倒检测来说人体姿态的完整性比框的精细度更重要。跌倒瞬间人的四肢常常呈伸展状态如果框卡得太紧把手臂切掉模型反而学不到跌倒时那种“失控展开”的姿态特征。所以对于falling类我允许边界框略微外扩保证肢体完整。3.3 数据增强与样本均衡处理标注完成之后处理类别不均衡是绕不开的事情。在我的数据集中standing和walking的数量通常是最多的falling相对稀少squatting的样本往往也是最少的。如果直接训练模型会对样本量大的类别过拟合对小类别欠拟合导致最终在跌倒检测这个核心任务上效果很差。我处理不均衡的思路有两个而不是只靠复制少数类样本。第一是离线增强。对falling、squatting这两类样本做随机水平翻转、亮度调整、轻微旋转±15度、随机裁剪。这样模型见到的不是同一张图重复几千次而是同一张图的不同变体泛化性会更好。增强后我会重新统计各类别数量目标是让最少类别的样本量达到最多类别的一半以上。第二是场景混合。把目标人物从原图抠出来贴到不同的背景图里。这个办法对跌倒检测特别有效因为模型如果只见过“走廊跌倒”一个场景它会对场景背景过拟合换一个房间可能就检测不出来了。通过场景混合让模型把注意力放在人体姿态上而不是背景地板上。需要提醒的是增强不是越多越好。过度的旋转会让“站立”看起来像“倾倒”反而干扰类别判断。所以在增强参数选择上我严格控制旋转角度不超过15度水平翻转只做50%概率不使用马赛克拼接等破坏人体整体结构的增强方式。4. 训练前的检查清单与首个YOLO实验配置4.1 数据集自检脚本标签、比例、类别数模型跑不起来先查数据这是铁律。我在正式训练前一定会在数据集目录下跑一遍自检脚本主要检查四个方面import os from pathlib import Path for split in [train, val]: img_dir Path(fimages/{split}) label_dir Path(flabels/{split}) img_files list(img_dir.glob(*.jpg)) list(img_dir.glob(*.png)) label_files set(label_dir.glob(*.txt)) missing_labels [] empty_labels [] class_counter {} for img in img_files: label_file label_dir / (img.stem .txt) if label_file not in label_files: missing_labels.append(str(img)) continue lines label_file.read_text().strip().splitlines() if len(lines) 0: empty_labels.append(str(img)) else: for line in lines: cls int(line.split()[0]) class_counter[cls] class_counter.get(cls, 0) 1 print(f[{split}] images{len(img_files)} missing_labels{len(missing_labels)} empty_labels{len(empty_labels)}) print(f[{split}] class distribution: {dict(sorted(class_counter.items()))})这个脚本能输出每个分区的图片数量、缺失标签数量、空标签数量和类别分布。我一般要求类别分布中没有0值类别如果某类在val里出现次数极少会导致评估指标不稳定建议回打回重新划分。另外还要检查一下标签坐标范围。我写了一个简单的断言逻辑把解析出来的x_center、y_center、width、height全部落在[0,1]区间任何一个越界就打印出具体文件路径。这类问题常见的源头是标注工具导出设置不当或者转换脚本写错除以的方向。4.2 首次训练的参数设置与快速验证数据集自检通过后先不要直接跑几百个epoch。我的习惯是先用一个很小的配置跑一轮快速验证确认整个链路走通了再说调优的事。具体来说我会这样做python train.py --data data.yaml --weights yolov5s.pt --epochs 1 --batch-size 8 --img 640这里的关键是epochs1。如果这一步能顺利跑完并且loss在下降说明数据读取、标签解析、模型前向传播全部正常。如果这一步报错大多能定位到数据集路径、yaml配置、标签格式这些问题上。等1个epoch能跑通我才会增加epoch和batch-size正式训练。正式训练的参数我一般按如下设置以YOLOV5s为例python train.py --data data.yaml --weights yolov5s.pt --epochs 200 --batch-size 32 --img 640 --patience 30 --workers 8 --cachebatch-size取决于显存大小。8G显存跑yolov5s的话batch-size 32基本是上限如果爆显存就降到16。--cache 表示把图片缓存到内存中能显著加快训练速度但内存小于32G时不建议开启。--patience 30 表示如果连续30个epoch mAP没有提升就提前停止能省不少时间。在训练过程中我还会同时打开TensorBoard或者直接看终端输出的mAP0.5、mAP0.5:0.95、precision、recall这些指标。特别注意如果precision很高但recall很低说明模型偏向保守漏检多这在跌倒检测场景里是不能接受的宁可误报也不能漏报因为跌倒漏检的代价远比误报大。在我的实际训练中200个epoch足够让yolov5s在5000多张图片上收敛到较好的水平。如果你的数据量只有一两千张建议用yolov5s或者更小的nano模型不要直接上yolov5x否则很容易过拟合。4.3 评估指标与模型迭代方向模型训练完不能只看验证集的总mAP要分开看每个类别的表现。我在这个项目里最关注的三个指标是mAP0.5: 判断目标是否被检出的基础指标跌倒检测的mAP0.5建议至少达到0.9以上。各类别的召回率重点是falling和lying因为这两个类别对应着需要报警的场景。类别混淆情况跌倒被识别成蹲坐、躺卧被识别成坐姿这是最需要防控的。如果发现falling的召回率偏低我会回到数据层面补样本专门采集那些摔倒瞬间姿态多样化的图片。如果lying和squatting之间经常混淆我会单独检查标注框看看是不是某些躺卧样本的标注框把头部或者腿部切得太狠导致视觉特征不完整。另外我还会对验证集中被误判的图片做一次人工review。直接用YOLO的val.py跑完它会把置信度低的预测结果以图片形式保存下来我逐个看这些图总结出模型最容易出错的视觉模式再反向指导数据集的补充方向。这个循环比单纯调参有效得多。5. 常见问题与避坑实录5.1 标签异常导致训练报错我见过最多的问题就是训练启动时报“AssertionError: train: No labels in ...”这个报错的意思是在某个图片目录下找不到任何对应的标签文件。排查路径一般有三步检查标签文件是否真的存在文件名和图片文件名是否完全一致注意大小写。检查标签文件内容是否为空。很多标注工具在导出时会把没有目标的图片生成一个空txt这个文件虽然存在但YOLO不认。检查标签文件的路径是否和data.yaml中指向的目录一致绝对路径有没有写错。还有一种特殊情况就是标签文件里出现了类别索引越界。比如类别是5类索引范围应该是0到4但有些转换脚本会把类别从1开始编号导致写成了1到5。这种情况下训练不会直接报错但loss会非常诡异表现就是loss一直在降但mAP几乎为零非常坑。用我前面的自检脚本扫一遍就能发现。5.2 检测效果差从数据侧排查如果训练正常结束但实际检测效果不好比如大量漏检或者误检我建议按以下优先级去排查图片分辨率是否统一。如果训练时使用了640x640输入但数据集中部分图片本身只有320x240的分辨率模型学到的特征会非常粗糙。标注质量是否过关。找个和训练数据分布相近的测试视频用模型跑一遍把检测结果的视频抽帧出来和标注框对比看看是不是标注本身就有问题。类别定义是否清晰。蹲坐、跌倒、躺卧这三类的边界模糊是误报率高的头号原因。如果你发现模型经常把蹲坐识别成跌倒那就说明训练数据里蹲坐和跌倒的视觉区分度不够需要补充更多“蹲坐但接近地面”的样本让模型学到更细微的姿态差异。在监控场景里还有一类常见问题摄像头高度和角度变化。如果训练数据基本都是平视视角而实际部署是俯视视角模型效果会大打折扣。解决办法是在构建数据集时有意识加入不同高度、不同角度的样本包括俯视和斜视角度下的跌倒姿势。这一点很多公开数据集都做得不够也是自己构建数据集最大的价值所在。5.3 五类混淆的精细化修正建议最后说说我踩过最深的坑类别混淆的精细化修正。在训练初期我发现模型经常把“falling”和“lying”混淆。分析后发现因为很多跌倒瞬间的抽帧人物已经几乎贴地单看一帧确实很难区分是“正在摔倒”还是“已经躺下”。面对这种情况单纯增加样本量已经很难解决了我做了两个改变调整类别定义在标注规范中加入明确的“摔倒过程帧”判断标准。如果画面中人物腿部弯曲但重心还没有完全落地标为falling如果人物已经完全水平延展且没有明显支撑动作标为lying。调整输入策略在推理时不再只依赖单帧检测结果而是加入一个简单的时序判断。如果连续5帧中有至少3帧检测到falling或lying才触发报警。这一点对减少误报非常有帮助。如果你只是在做单帧检测不考虑时序那至少要保证类别定义的边界足够清晰。我的建议是把“falling”定义为核心报警类“lying”作为备选报警类两者在阈值设置上可以分开处理。还有一个小技巧在训练完成后用验证集生成混淆矩阵重点关注falling被误分成squatting、lying被误分成falling的比例。如果某个方向上的混淆超过10%就针对性地去补充对应的难例样本。这个方法比盲目加数据要高效得多。6. 这套数据集的后续扩展方向数据集不是一次做完就结束的东西。在实际项目里我通常在完成第一批5类数据集的训练后还会继续迭代两到三轮。一个很自然的扩展方向是加入“携带物品跌倒”的样本。老人手里拿着拐杖或购物袋时跌倒姿态和空手跌倒差异很大如果模型没见过这类样本部署到真实场景中会漏检。另一个方向是把5类扩充到更细的类别比如把standing拆成standing和walking_with_cane或者把lying拆成lying_front和lying_back。这种细粒度分类在智慧病房场景中很有价值但标注成本也会明显上升建议在基础模型稳定后再考虑。从工程角度来说这套YOLOV5目录格式的数据集天然可以平移到YOLOV8、YOLO11等框架。你只需要在训练脚本里指定数据yaml路径其他代码基本不用改。这意味着你现在花时间沉淀的数据资产未来很长一段时间内都能复用不会因为算法框架迭代而作废。我个人在实际操作中的体会是数据集构建这件事前期把目录格式、类别定义、标注规范这三件基本功做扎实了后面训练和调优能省下大量时间。不要觉得标注枯燥就跳过规范格式混乱带来的返工成本远高于一次性做对的成本。如果你正准备做行人跌倒检测先从一份结构清晰的5类数据集开始跑通一轮训练再根据结果迭代数据这个节奏是最稳的。本文还有配套的精品资源点击获取