跌倒检测和识别1：跌倒检测数据集(含下载链接)

news2025/1/13 13:06:37

跌倒检测和识别1：跌倒检测数据集(含下载链接)

1. 前言

2. 跌倒姿态：站立-弯腰(蹲下)-躺下

3. 跌倒检测数据集：

（1）Fall-Down-Det-v1

（2）Fall-Down-Det-v2

4. 跌倒分类数据集

（1）Fall-Down-Cls-v1

（2）Fall-Down-Cls-v2

（3）Fall-Down-Cls-v3

5. 跌倒检测数据集下载

6. Pytorch实现跌倒检测识别

1. 前言

这是项目《跌倒检测和识别》系列文章之《跌倒检测数据集(含下载链接)》。

网上有很多跌倒（摔跤，躺下）检测的数据，在CSDN下载那一搜一大堆，但下载下来，真是不尽人意，质量参差不齐，说多了都是泪呀，都是血泪史的教训。很多数据都十分不完整，要么只标注跌倒的人体，要么只标注站立的人体，标注格式还不统一。

本篇，我们将分享几个可用于跌倒检测和分类识别的数据集；跌倒检测数据集（Fall-Down-Detection-Dataset）收集了两个：Fall-Down-Det-v1和Fall-Down-Det-v2，总共约4000张图片；跌倒分类数据集（Fall-Down-Classification-Dataset）收集了三个：分别为Fall-Down-Cls-v1，Fall-Down-Cls-v2和Fall-Down-Cls-v3，总共26000+张图片。数据质量较高，可用于深度学习跌倒检测和识别的项目模型算法开发。

【尊重原则，转载请注明出处】 https://blog.csdn.net/guyuealian/article/details/130184256

更多项目《跌倒检测和识别》系列文章请参考：

跌倒检测和识别1：跌倒检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/130184256
跌倒检测和识别2：YOLOv5实现跌倒检测(含跌倒检测数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/130250738
跌倒检测和识别3：Android实现跌倒检测(含源码，可实时跌倒检测)：https://blog.csdn.net/guyuealian/article/details/130250824
跌倒检测和识别4：C++实现跌倒检测(含源码，可实时跌倒检测)：https://blog.csdn.net/guyuealian/article/details/130250838

2. 跌倒姿态：站立-弯腰(蹲下)-躺下

在跌倒检测和识别算法开发中，我们需要定义跌倒的行为状态，项目将跌倒状态分为三个姿态，分别为：up(站立)，bending(弯腰,蹲下)和down(躺下)，为了便于大家理解，这里给出三个姿态的图示说明

up：如人体站立，走路等姿态

bending：如人体弯腰，蹲下，坐下等姿态

down：如躺下，趴着，平躺等姿态

3. 跌倒检测数据集：

项目已经收集了两个跌倒检测数据集（Fall-Down-Detection-Dataset），Fall-Down-Det-v1和Fall-Down-Det-v2，总共约4000张图片

（1）Fall-Down-Det-v1

Fall-Down-Det-v1跌倒检测数据集，原始图片主要来源于监控视频，大部分是室内房间等场景，十分符合实际的业务场景。

总共约3400张图片，分为两个子集：训练集(Train)和测试集(Test)；其中训练集(Train)总数超过3253，测试集(Test)总数210张，数据标注格式统一为VOC数据格式，标注了人体框的三个姿态：up(站立)，bending(弯腰,蹲下)和down(躺下)，可直接用于深度学习目标检测模型训练。

（2）Fall-Down-Det-v2

Fall-Down-Det-v2跌倒检测数据集，原始图片主要来源于网络爬虫图片检索，部分也是整合网上的数据，背景比较复杂，图片人数较多，可作为通用场景的跌倒检测数据。

总共553张图片，数据标注格式统一为VOC数据格式，所有数据均已经标注了人体检测框，标注了人体框的三个姿态：up(站立)，bending(弯腰,蹲下)和down(躺下)，可直接用于深度学习目标检测模型训练。

4. 跌倒分类数据集

项目已经收集了三个跌倒分类数据集（Fall-Down-Classification-Dataset），分别为Fall-Down-Cls-v1，Fall-Down-Cls-v2和Fall-Down-Cls-v3，总共26000+张图片

（1）Fall-Down-Cls-v1

Fall-Down-Cls-v1跌倒分类数据集，是在Fall-Down-Det-v1跌倒检测数据集上，裁剪人体区域图片，制作的跌倒分类数据集，裁剪的图片存放在up(站立)，bending(弯腰,蹲下)和down(躺下)三个文件夹中，为增强泛化性，每个人体框区域分别按照外扩1.0，1.1和1.2倍裁剪三张图片；分为两个子集：训练集(Train)和测试集(Test)；其中训练集(Train)总数超过9000+，测试集(Test)总数600张；所有照片都已经按照其所属类别存放于各自的文件夹下，可直接用于深度学习分类模型训练。

bending	down	up

（2）Fall-Down-Cls-v2

Fall-Down-Cls-v2跌倒分类数据集，是在Fall-Down-Det-v2跌倒检测数据集上，裁剪人体区域图片，制作的跌倒分类数据集，裁剪的图片存放在up(站立)，bending(弯腰,蹲下)和down(躺下)三个文件夹中，为增强泛化性，每个人体框区域分别按照外扩1.0，1.1和1.2倍裁剪三张图片，总共6000+张图片；所有照片都已经按照其所属类别存放于各自的文件夹下，可直接用于深度学习分类模型训练。

bending	down	up

（3）Fall-Down-Cls-v3

Fall-Down-Cls-v3跌倒分类数据集，原始图片主要来源于网络爬虫图片检索，整合网上的现有的跌倒分类数据，并进行了数据清洗。分为两个子集：训练集(Train)和测试集(Test)；其中训练集(Train)总数超过8000+，测试集(Test)总数700+；所有照片都已经按照其所属类别存放于各自的文件夹下，可直接用于深度学习分类模型训练。