Un método ligero basado en YOLOv8n para la detección de posturas humanas anómalas

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Ingeniería Biomédica

Sus antecedentes:

• La detección de posturas humanas anómalas es crucial para la atención médica inteligente, la seguridad pública y el cuidado de ancianos.
• Los métodos existentes se enfrentan a desafíos como la oclusión, la variación de la pose, el desequilibrio de datos y los grandes tamaños de modelo, lo que dificulta el rendimiento en tiempo real.

Objetivo del estudio:

• Desarrollar un algoritmo ligero y preciso para la detección de posturas humanas anómalas.
• Abordar las limitaciones de los métodos actuales en escenarios complejos y entornos con recursos limitados.

Principales métodos:

• Se propone el algoritmo PSD-YOLOv8n basado en YOLOv8n, que incorpora un módulo PoseMSA con atención espacial y de canal.
• Se utilizaron convoluciones separables y cuellos de botella residuales para una extracción de características eficiente.
• Se introdujo un módulo de sobremuestreo KA-Sample sensible a los puntos clave y una cabeza de detección Detect-PSA para mejorar la modelización de las relaciones espaciales.

Principales resultados:

• PSD-YOLOv8n logró un 97,8% de mAP@0,5 y un 75,8% de mAP@0,5:0,95 en el SSHDataset.
• Superó a los modelos base YOLOv8n y a modelos avanzados como YOLOv9-T, YOLOv10n y YOLOv11n.
• El modelo cuenta con un recuento compacto de 2,07 millones de parámetros y un tamaño de peso de 4,5 MB, lo que demuestra capacidades ligeras y de alta precisión.

Conclusiones:

• PSD-YOLOv8n ofrece una solución eficiente y fiable para la detección de posturas humanas anómalas.
• El algoritmo muestra robustez en entornos complejos y posturas diversas.
• El diseño ligero lo hace adecuado para aplicaciones en tiempo real en la monitorización de la atención médica inteligente y la seguridad.