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

  1. 系统源码 + 部署教程
  2. 训练好的模型和数据集
  3. 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>

标签

跌倒检测 YOLO DeepSeek Qwen 行为识别 目标检测 深度学习 计算机视觉

相关推荐
一起学安全技术10 分钟前
拆大模型 11|大模型面试拷问:12 问逐层拆
人工智能·ai·语言模型·面试·职场和发展·求职招聘
学无止境小袁同学13 小时前
LangGraph 深度指南
语言模型·框架·agent·并发·上下文·langgraph·长期记忆
一起学安全技术16 小时前
拆大模型 10|结构化输出:让模型返回数据,而不是一段话
人工智能·语言模型·json
Dawson Zhu3 天前
【分布式训练⑧】通信优化:NCCL、Ring AllReduce与计算通信重叠
人工智能·语言模型·架构·aigc·agi
jay神3 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
Dawson Zhu5 天前
【分布式训练④】张量并行与序列并行:把单层参数切碎分到多张卡
人工智能·语言模型·架构·aigc·agi
如夏倾城5 天前
百度文心(容易被忽略的好用AI)使用方式
人工智能·python·百度·语言模型·dubbo
xiaoye-duck5 天前
《C++ 项目:手写大模型接入 SDK》会话模块整合:内存 SessionManager 与 DataManager 持久化联动
开发语言·数据库·c++·语言模型
syyjhchou5 天前
自己搭企业内部中转站,怎么让请求更容易命中缓存
人工智能·后端·语言模型·aigc
jay神6 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计