YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别目标检测

YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别目标检测9171期

系统概述

本系统基于 YOLO 目标检测模型 与 DeepSeek/Qwen 大语言模型 ，融合 Vue3、SpringBoot、Flask、Python 等技术，构建了一套完整的跌倒行为识别与预警平台 。系统支持图片、批量图片、视频、摄像头实时检测，适配养老监护、医院看护、公共安全等场景。

系统核心信息

项目	详细说明
检测类别	共 1 类：`跌倒`
核心技术	YOLO + DeepSeek/Qwen + Flask + SpringBoot + Vue3
检测模式	图片检测、批量图片检测、视频检测、摄像头实时检测
系统架构	前后端分离（Vue3 + SpringBoot + Flask + MySQL）
应用价值	1. 养老监护：实时监测老人跌倒行为，及时触发预警。 2. 医院看护：辅助病房、走廊等区域的跌倒风险监测。 3. 公共安全：用于商场、车站等公共场所的跌倒事件检测。 4. AI 建议：结合大语言模型生成跌倒风险处置建议。

技术栈

层次	技术选型
前端	Vue3、Vite、Element Plus、Pinia、Vue Router、ECharts
后端	SpringBoot、Python、Flask、Flask-SocketIO
算法	YOLO 目标检测
AI 接入	DeepSeek、Qwen
标注格式	YOLO txt

系统功能

1. 用户管理

用户登录、注册
个人中心：查看与修改个人信息
用户管理后台（管理员）

2. 多模态检测支持

图片跌倒检测：单张图片上传识别
批量图片检测：批量上传，自动处理与结果导出
视频跌倒检测：上传视频，逐帧分析并输出标注视频
摄像头实时检测 ：连接摄像头，实时输出检测结果

3. 检测结果可视化

检测结果可视化展示
检测记录保存与查询
图片/视频识别记录管理

4. AI 智能建议

支持 DeepSeek / Qwen 生成跌倒风险处置建议
提供详细分析报告

5. 模型管理

支持 YOLO 权重模型切换
支持置信度阈值调整

交付内容

系统源码 + 部署教程
训练好的模型和数据集
简要的项目文档

快速开始（代码示例）

1. 数据集配置文件 (data.yaml)

yaml 复制代码

train: ./dataset/images/train
val: ./dataset/images/val
nc: 1
names: ['fall']

2. YOLO 训练代码

python 复制代码

from ultralytics import YOLO

model = YOLO('yolo11n.pt')
model.train(
    data='data.yaml',
    epochs=100,
    imgsz=640,
    batch=16,
    device=0
)

3. Flask 推理服务（含 SocketIO 实时推送）

python 复制代码

from flask import Flask, request, jsonify
from flask_socketio import SocketIO, emit
from ultralytics import YOLO
import cv2
import numpy as np

app = Flask(__name__)
socketio = SocketIO(app, cors_allowed_origins="*")
model = YOLO('runs/detect/train/weights/best.pt')

@app.route('/detect', methods=['POST'])
def detect():
    file = request.files['image']
    img = cv2.imdecode(np.frombuffer(file.read(), np.uint8), cv2.IMREAD_COLOR)
    results = model(img)
    detections = []
    for box in results[0].boxes:
        detections.append({
            'class': model.names[int(box.cls[0])],
            'confidence': float(box.conf[0]),
            'bbox': box.xyxy[0].tolist()
        })
    return jsonify(detections)

@socketio.on('process_video')
def process_video(data):
    # 视频逐帧处理逻辑
    pass

if __name__ == '__main__':
    socketio.run(app, host='0.0.0.0', port=5001, debug=True)

4. Vue3 前端检测页面

vue 复制代码

<template>
  <div class="detector-container">
    <el-upload action="/api/detection/image" :on-success="handleSuccess">
      <el-button type="primary">上传图片</el-button>
    </el-upload>
    <div v-if="resultImage" class="result-area">
      <img :src="resultImage" alt="Detection Result" />
      <el-table :data="detections" border>
        <el-table-column prop="class" label="类别" />
        <el-table-column prop="confidence" label="置信度" />
      </el-table>
      <el-button @click="generateAISuggestion">生成AI建议</el-button>
    </div>
  </div>
</template>

YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别 目标检测

YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别 目标检测9171期