企业官网建设流程全解析

简介：面向人工智能项目实践与姿态识别初学者的摔倒检测完整项目包，采用YOLOv5人体检测与OpenPose姿态估计相组合，能够支撑行人安全监控原型开发、姿态分类研究以及跌倒异常事件分析。压缩包内共183个文件，大小约40.24MB，内容以Python脚本、深度学习配置文件、jpg/jpeg训练图片、pt/jit模型权重为主，同时包含少量txt/xml标注、容器构建文件等，目录划分清晰，便于按模块查阅。项目中的关键点生成脚本可输出人体关键点图，并作为后续.jit模型训练数据；目标检测脚本先完成YOLO人体定位，再根据目标框宽高比做初步过滤，随后将截取的人体区域送入OpenPose进行姿态识别；动作分类训练脚本支持自定义姿势数据集，因而可方便地扩展到摔倒之外的更多动作。目前已有1064人学习/下载，特别适合希望快速上手目标检测与姿态估计组合应用的开发者，能够完整理解从数据准备、关键点生成、模型训练到实时摔倒判别的全流程。

1. 摔倒检测不是玄学：yolov5 框人、openpose 找骨头，双阶段才有得改

做监控报警的同事丢给我一个需求：养老院走廊摄像头要能自动报摔倒。市面上现成的摔倒检测案例不少，但多数要么只能框人，要么只给姿态，真正把 yolov5 人体检测和 openpose 姿态检测串成一条完整流水线的并不多。这份项目实践把两段接了起来：yolov5 先把画面里的人和框一起拿出来，再用 openpose 提人体关键点，摔倒、站立、行走这类动作最后由 action.jit 分类。检测和姿态分开，意味着你可以不动姿态模型就换掉检测器，也可以单独重训动作分类。适合正在做安防监控、老人看护，以及对 yolo 检测、姿态估计、摔倒检测三个方向都想上手跑一遍的人。

2. 为什么拆两段：yolov5 与 openpose 的职责边界和 .jit 部署形态

第一次拆这个项目的时候，我一度怀疑为什么要用两个模型，直接拿一个 pose 模型不是也能做摔倒检测吗？跑完一轮就明白了，摔倒检测看起来是一个任务，实际是两个子问题：人得先被找到，才有可能谈姿势。两个模型分开，每个模型的负担都小，出问题也好定位。

2.1 职责边界：yolo 管见人，openpose 管骨头

yolov5 是 one-stage 检测器，anchor 机制，一次前向就能回归出目标框、类别和置信度。它的优势在结构和后处理都很成熟，检测人这种类别根本不用专门训练，用预训练权重就行，推理也快。如果你看过 yolov5 的网络结构图，会发现它由 Backbone、Neck、Head 三段组成，Backbone 提取多尺度特征，Neck 做特征融合，Head 输出三个尺度的预测。对做摔倒检测来说，你不需要动这些结构，只需要知道人框从哪个输出拿，以及置信度怎么过滤。训练阶段才需要关心 yolov5 超参数，推理阶段真正影响结果的是 conf-thres 和 iou-thres 两个值。

openpose 走的完全是另一条路，核心是部分亲和场 PAF（Part Affinity Fields），网络输出的是关键点的置信度热图和部件关联向量场，要经过后处理才能解析成 18 点或 25 点骨架。所以你看到项目里的 openpose.jit，它不是直接给你坐标的普通分类模型，输出维度比分类模型大很多。工程上你不需要被这些细节吓到，.jit 文件已经把网络部分封装好了，你只需要把后处理的两三个函数调通。

把这两个模型串起来，摔倒检测才有可调的空间。单阶段端到端方案不是不能做，而是摔倒这个类别的视觉变体太多：遮挡、角度、光线、不同身材的人摔倒姿势差异很大，一个端到端模型要见够这些样本，训练成本高。拆成两段后，yolo 只负责“人在哪”，openpose 负责“姿势长什么样”，最后动作分类只看骨架图。任何一个环节效果不对，替换对应模型就行，不用整个推倒重来。

2.2 部署形态：openpose.jit 与 action.jit 的角色分工

项目里真正跑推理的不是训练脚本，而是 openpose.jit 和 action.jit 这两个 TorchScript 序列化模型。.jit 文件就是把训练好的模型和计算图打包在一起，加载时不依赖原来的 Python 类定义和训练代码，跨环境移动很省事。这是这套项目能给人最大便利的地方，换机器、换解释器版本，都不需要把训练代码一起搬走。

import cv2 import torch # 打开项目后先确认两个 .jit 文件的位置 pose_model = torch.jit.load("openpose.jit", map_location="cpu") action_model = torch.jit.load("action.jit", map_location="cpu") pose_model.eval() action_model.eval() # 假设你有一张从视频帧里抠出来的 ROI 图 roi = cv2.imread("roi.jpg") # 预处理成 openpose 要求的尺寸和通道顺序，这里用占位函数示意 tensor = preprocess(roi) # 常见做法是 BGR->RGB、HWC->CHW、归一化、加 batch 维 with torch.no_grad(): pose_out = pose_model(tensor) # pose_out 需要按项目里的后处理解析成关键点坐标 keypoints = postprocess(pose_out)

代码说明：torch.jit.load 的两个模型都在 CPU 上加载，map_location 参数可以避免 GPU 环境下报显存错误；eval() 切到推理模式，关闭 dropout 和 batchnorm 的统计更新。preprocess 和 postprocess 函数名是示意，具体实现以项目里的工具函数为准，openpose 的输入尺寸和归一化方式直接决定关键点精度，不要随意改动。

要注意的是 torch.jit.load 出来的模型对 torch 版本有点敏感，跨大版本加载容易报错。项目里带了一个 Dockerfile，作用就是锁定环境，你在自己机器上复现遇到 torch 版本对不上，优先看它里面锁的是哪个版本。另外一个 labels.cache 是之前训练动作分类时留下的缓存文件，标注没变的情况下留着不影响推理。

2.3 三份核心文件的阅读顺序

yolov5.iml 是 IDE 模块文件，用来把项目结构索引起来，不用管它。真正要读的是 runOpenpose.py 和 detect.py：前者是数据准备和可视化入口，后者是联调主流程。学习顺序建议先 runOpenpose.py 再 detect.py，因为前者产出的关键点图，既给 action.jit 训练当数据，也让你肉眼检查 openpose 到底提没提对骨头。

提示：动代码之前先跑一遍原装流程，确认环境通、模型能加载，再开始改路径和参数。我见过不少人一上来就改 detect.py 的阈值，结果环境根本没好，白折腾半天。

3. 先跑通 runOpenpose.py：把原始帧变成可训练的人体关键点图

runOpenpose.py 做的事情可以概括为三行：读图、加载 openpose.jit、把关键点画出来保存。别小看这一步，它同时承担两个任务：验证姿态模型是否正常工作，以及为后面的 action.jit 准备训练数据。这一步跑不通，后面 detect.py 的联调就无从谈起。

3.1 单图推理：runOpenpose.py 的输入输出

单张图片跑关键点提取，核心流程是固定的：读图、预处理、推理、后处理、画骨架、存图。项目里简化后的逻辑可以写成下面这样，函数名以你手里的实现为准，但流程就是这条线。

import cv2 from pathlib import Path def run_single(image_path, save_dir="data/test"): img = cv2.imread(str(image_path)) if img is None: # 图片读失败直接跳过 print(f"skip {image_path}") return # 预处理到 openpose.jit 要求的尺寸和通道顺序 tensor = preprocess(img) # BGR->RGB, HWC->CHW, 归一化 with torch.no_grad(): out = pose_model(tensor) # openpose.jit 推理 # 后处理：把置信度热图解析成关键点坐标 keypoints = postprocess(out) # draw_skeleton 负责画点和连线，最终存成 jpg canvas = draw_skeleton(img.copy(), keypoints) out_path = Path(save_dir) / f"{Path(image_path).stem}_kp.jpg" cv2.imwrite(str(out_path), canvas)

代码说明：draw_skeleton 是 pose.py 里的画图函数，它只负责把关键点画到图上，真正控制保存位置的是调用它的地方。preprocess 和 postprocess 是项目的核心工具函数，openpose.jit 输入尺寸大小直接影响推理速度和精度，一般项目里会固定写一个 resize 尺寸，你如果要改，两个模型相关的地方都要同步改。

如果你是自己找的测试图，建议先挑一张人比较正、没有遮挡的全身照，能正常出骨架再换复杂场景。一张侧身、被桌子挡了一半的图跑出来骨架是残缺的，这不代表模型坏了，而是输入本身不适合。

3.2 保存路径和 159 行限制：动手前先改这两个地方

踩坑最多的是保存路径。pose.py 里 draw 方法最下面决定了关键点图存到哪，摘要里也点名了这一点。常见做法是在 draw 方法末尾加一个 save 参数，默认落到 data/test。如果你跑完发现什么也没存，先查这个位置，八成是目录不存在，或者写死成了某个绝对路径。

# pose.py draw 方法最下面的保存逻辑示例 def draw(self, img, keypoints, save_dir="data/test"): skeleton_img = draw_skeleton(img, keypoints) save_dir = Path(save_dir) save_dir.mkdir(parents=True, exist_ok=True) # 确保目录存在 out_path = save_dir / f"{Path(self.name).stem}_kp.jpg" cv2.imwrite(str(out_path), skeleton_img) print(f"saved to {out_path}")

代码说明：mkdir(parents=True, exist_ok=True) 是习惯写法，避免目录不存在时 imwrite 静默失败；print 出实际保存路径，比你自己猜存到哪里要省事得多。

runOpenpose.py 第 159 行加的限制也要看一眼。常见做法是过滤掉置信度低于某个阈值的关键点，或者对单张图检测人数做了上限。这些限制直接影响后续 action 训练的数据质量，比如说你把置信度调太高，低对比度帧里很多关键点会被丢掉，出来的骨架图缺胳膊少腿，训练出来的 action.jit 也跟着不准。阈值调太低也不行，背景里的噪点会被当成关键点，骨架图上会多出莫名其妙的线。建议先按默认值跑一批图，看整体效果再动。

3.3 批量生成：给 action 训练备料

单张调试没问题之后，批量跑几十张图片做数据集，核心逻辑就是循环。这个阶段不要追求自动化到底，跑完必须人工抽查，骨架线断得厉害的图直接删掉，这类残缺样本留在训练集里，反而会把动作分类器带偏。

from pathlib import Path image_dir = Path("raw_images") out_dir = Path("data/test") for img_path in sorted(image_dir.glob("*.jpg")): try: run_single(img_path, save_dir=out_dir) except Exception as e: print(f"failed: {img_path}, error: {e}")

代码说明：sorted 保证处理顺序稳定，方便排查某张图失败时按顺序回放；try-except 包住单张处理，避免一张坏图中断整个批任务。批量跑完检查两件事：一是生成数量对不对得上，二是随机抽十张看骨架是否完整。这两步过了，再进训练环节。

4. 再看 detect.py 主链路：yolo 框人、宽高比过滤、姿态判摔倒

detect.py 和 runOpenpose.py 不一样，它先过 yolo。这一步的目的是把画面里可能存在的人框出来，剪裁后再喂 openpose。如果你直接把整张图给 openpose，一是慢，二是背景里的非人物体会产生虚假关键点。yolo 在这里相当于一个守门员，先把画面压缩到“人”的范围内。

4.1 主链路第一棒：yolov5 出人框

加载 yolo 模型，跑一轮前向，拿到 person 类别的框，这是整个 detect.py 的地基。项目里你有现成的加载逻辑，优先复用，下面只是示意常见做法。

import torch # 优先复用项目里现成的 yolo 加载逻辑，下面只是示意 model = torch.hub.load("ultralytics/yolov5", "yolov5s", pretrained=True) model.conf = 0.4 # 置信度阈值，按场景调 model.classes = [0] # COCO 里 person 是第 0 类 results = model(frame) df = results.pandas().xyxy[0] person_boxes = df[df["name"] == "person"][ ["xmin", "ymin", "xmax", "ymax"] ].values

代码说明：model.conf 和 model.classes 是推理阶段最常用的两个参数。conf 设太低会混入大量误检框，设太高会漏掉被遮挡的人；classes=[0] 是 COCO 类别索引，不同权重类别顺序要自己核对一次，别想当然。关于如何用 yolov5 训练模型这种问题，在这个项目里其实不必纠结，人检测部分直接用预训练权重就够了，真正要训练的是动作分类那一层。

拿到框之后，别急着直接往 openpose 里送。先看一眼框的尺寸，太小的框说明人离摄像头很远，就算提关键点也提不准，不如直接过滤掉，给后面省算力。

4.2 169 行的宽高比粗筛：一个阈值省一半算力

拿到框之后到抠图之前，detect.py 里有一行针对宽高比的判断。它解决一个实际问题：站姿人体的框总是高大于宽，摔下去后框会变得宽扁。用这个比值做粗筛，可以直接跳过很多不需要姿态判断的画面。这个方法朴素，但非常管用，尤其在固定摄像头的场景下。

def ratio_filter(box): # box 格式: xmin, ymin, xmax, ymax x1, y1, x2, y2 = box h = y2 - y1 w = x2 - x1 if w < 1: return False # 防止除零 ratio = h / w return ratio, h, w # 示例阈值：小于 0.8 视为疑似摔倒，进入 openpose 环节 for box in person_boxes: ratio, h, w = ratio_filter(box) if ratio < 0.8: roi = frame[int(box[1]):int(box[3]), int(box[0]):int(box[2])] keypoints = run_openpose(roi)

代码说明：ratio 是框的高宽比，不是宽高比，这点容易看反。站姿时 h/w 明显大于 1，摔倒后小于 1，所以 0.8 这个阈值是按 h/w 算的。具体阈值要根据摄像头俯仰角调：俯视视角下，站姿的高宽比没有平视那么大，躺平的框也会被拉长，建议先采样几十帧真实画面看一眼比值分布，再定阈值，别照抄。

表格说明：这只是经验值，实际场景里人斜靠着、弯腰捡东西，比值都会落到“接近 1”的区域。所以宽高比只负责粗筛，它的价值是让 openpose 少跑空，而不是代替姿态判断。

4.3 抠图进 openpose：关键点把摔倒做实

过了粗筛的框，才算真正进入姿态环节。把原图 ROI 按框裁剪，resize 到 openpose.jit 输入尺寸，推理出关键点坐标。这时候光看框已经不够了，要结合关键点的几何关系做判断。我一般会算髋、膝、踝三个关键点的夹角，加上髋关节中心的实时高度，两个信号一起看。

import math def angle_at(a, b, c): # a: 髋, b: 膝, c: 踝，算的是膝盖处的夹角 ba = (a[0] - b[0], a[1] - b[1]) bc = (c[0] - b[0], c[1] - b[1]) len_ba = math.hypot(ba[0], ba[1]) len_bc = math.hypot(bc[0], bc[1]) if len_ba < 1e-6 or len_bc < 1e-6: return 180.0 # 关键点重合时给一个安全值 cos_a = (ba[0]*bc[0] + ba[1]*bc[1]) / (len_ba * len_bc) cos_a = max(-1.0, min(1.0, cos_a)) # 钳位到 [-1, 1] return math.degrees(math.acos(cos_a)) hip = keypoints["hip"] knee = keypoints["knee"] ankle = keypoints["ankle"] knee_angle = angle_at(hip, knee, ankle) # 膝关节角度突然变小 + 髋关节中心高度快速下移，两个信号同时触发才报摔倒 if knee_angle < 100 and hip_height < threshold: alarm()

代码说明：math.hypot 算向量长度，省得手写平方根；acos 前的钳位是为了防止浮点误差导致 cos_a 超出 [-1,1] 范围，这是角度计算里最常见的数值翻车点。膝关节角度变小说明腿在弯曲，髋关节高度下降说明重心已经在地面附近，两个条件同时满足，误报率会低很多。action.jit 在这种场景里派上用场，它把关键点图直接分类成你定义好的动作类别，相当于给宽高比和角度判断加了一层更稳的兜底。

5. 从复现到落地：yolo+openpose 避坑与常见问题排查

这套流程整体不难，但我实际复现时踩掉的坑一个没少。挑五个最常见的记录在这，都是现象、原因、解决一条线说清。每一条都是真实环境里会遇到的，不是理论推演。

5.1 现象：data/test 输出目录是空的

runOpenpose.py 跑完没有任何报错，控制台正常结束，但 data/test 里一张关键点图都没有。这问题我一开始以为是代码没执行到保存逻辑，打断点看了才发现保存路径根本不是我以为的那个目录。

原因：draw 方法末尾的保存路径没有生效，多数是目录不存在，或者代码里写死成了别的绝对路径。更隐蔽的情况是代码里用了相对路径，而你是从项目根目录以外的地方启动的脚本，路径就指歪了。

解决：先手动确认 data/test 存在，再在 pose.py 的 draw 方法最下面加一行 print，把实际的 out_path 打出来，看它落到了哪里。路径不对就直接改成绝对路径，或者按上一章给的方式改成由参数传入。

5.2 现象：.jit 加载直接报错

torch.jit.load("openpose.jit") 抛出类似“Can't load script module”的错误。这个报错信息很模糊，第一次遇到时我查了半天，最后发现是 torch 版本问题。

原因：本地 torch 版本和导出 .jit 时的版本差太多，TorchScript 的序列化格式跨大版本不保证兼容，小版本差异通常没大事，但主版本不一致大概率翻车。

解决：看 Dockerfile 里锁的 torch 版本，装一个同主版本的环境，或者干脆把 .jit 用你当前环境重新导出一次。如果你只是想在另一台机器上快速验证，直接在 Docker 容器里跑更省心。

5.3 现象：openpose 抠出来的是半个人脸

yolo 框看着没问题，但把框裁出来给 openpose，骨架全贴在半张脸和肩膀上，腿的关键点一个都没有。这种情况在监控视角特别常见，因为人可能被门框、桌子、其他行人挡住一半。

原因：你给的框带进了大量背景，或者裁剪时直接用框坐标而没做边缘扩展，肢体被截断。另一个常见原因是框太小，resize 到 openpose 输入尺寸后，人的细节被拉糊了。

解决：裁剪 ROI 时做一个小扩展，上下左右各加 10 像素左右，再保证输入尺寸和 openpose.jit 训练时一致。同时检查 yolo 框的置信度和宽高比，太小的框直接跳过，别硬送进 openpose。

5.4 现象：蹲下、坐下被误报成摔倒

画面里的人蹲下系鞋带，系统报摔倒；坐在椅子上玩手机，也报摔倒。这是摔倒检测项目里被问得最多的问题，也是宽高比方案最明显的缺陷。

原因：只用了框宽高比，蹲姿和躺姿都会让框变扁，宽高比分辨不了这两种姿势。摔倒的本质是重心失控后的快速姿态变化，而不是单纯的“框变扁了”。

解决：宽高比只做粗筛，摔倒判定必须加关键点角度和高度变化作为第二道闸；action.jit 的输出也不要直接取 argmax 用，给置信度设个阈值，比如概率大于 0.8 才报警。时序信息也很重要，连续三帧都满足条件再触发，能把瞬时蹲下误报压下去。

5.5 现象：换 GPU 推理反而更慢

同一段视频，在 GPU 上跑 detect.py，帧率还不如 CPU 高，很多人遇到这个现象都以为代码写错了，其实不是。

原因：yolov5 和 openpose 都不是大模型，单帧推理的 kernel 启动开销和数据拷贝时间占了很大比例，GPU 并行能力还没发挥就结束了。另外 .jit 模型没有做 TensorRT 加速，GPU 上的收益本来就不明显。在树莓派这类边缘设备上，这个问题会更突出，整图跑 openpose 基本跑不动。

解决：先用 CPU 验证逻辑，确认流程没问题再考虑加速。实时场景优先把 openpose 换成 TensorRT 导出，或者只对 yolo 框内的小图做姿态推理，不要整图喂。边缘设备部署时，尺寸开小一点、置信度阈值调高一点，比堆硬件更实际。

6. 进阶：换姿势就得重训 action.jit，三步走不返工

摔倒检测只是这套代码的默认玩法，换成其他姿态检测，摘要里给了完整三步：收集图片跑 runOpenpose.py 得关键点图，按标签分类放 data/train 和 data/test，再跑 action_detect/train.py。这套流程本质上是“如何用 yolov5 训练模型”的思路在姿态分支上的变体，只不过这里训练的不是 yolo 检测器，而是动作分类器。

6.1 三步重训 action.jit

第一步收集图片，跑 runOpenpose.py 生成关键点图，这一步的数据质量决定最终效果。第二步按标签把关键点图分类放好，目录名就是标签名。第三步训练，命令常见做法是：

python action_detect/train.py --data data/ --epochs 50 --batch-size 16 --lr 1e-3

参数说明：epochs 设 50 是保守值，动作分类网络很小，几十张图每类也能收敛；batch-size 16 在普通显卡上足够，显存不够就降到 8；lr 1e-3 是这类任务比较通用的起点，loss 不降的时候再降到 1e-4。如果 train.py 不接收命令行参数，常见做法是改脚本里的配置变量，效果一样。

6.2 训练前强制检查：标签统一和样本质量

很多人在第二步翻车，不是图片跑不出来，而是目录命名不规范。文件夹名大小写混用，train.py 按目录名生成标签时会当成两个不同类别，评估矩阵直接乱掉。还有一类问题是样本不均衡，fall 500 张、walk 50 张，训练出来的模型大概率把所有动作都判成 fall。

我第一次重训时把 fall 和 Fall 两个目录混着放，训练完看混淆矩阵才发现多了两个标签，数据白跑一轮。从那以后，我每次准备姿态数据都强制走一遍：统一小写命名、逐张目检关键点图、确认每类样本量均衡，再喂给 action_detect/train.py，基本不再返工。这套检查流程花不了十分钟，但能省下后面调模型的半天时间，希望帮到你。

本文还有配套的精品资源，点击获取