WAD-YOLO: A Lightweight Fall Detection Algorithm for Visual Sensor Systems Based on Wavelet Transform and Dynamic Convolution

Zhongyu He

doi:10.3390/s26134199

WAD-YOLO: A Lightweight Fall Detection Algorithm for Visual Sensor Systems Based on Wavelet Transform and Dynamic Convolution

2026-07-03

0

OA

AI

DOI：10.3390/s26134199

原文链接

原文求助

摘要

En 中文

老年人及弱势群体的跌倒事件构成严峻的公共卫生挑战，基于摄像头的视觉传感器系统已成为持续跌倒监测的有前景的非侵入式解决方案。然而，在资源受限的边缘传感器节点上部署准确的跌倒检测仍因模型复杂度与检测性能之间的权衡而面临困难。本文提出WAD-YOLO，一种基于小波变换和动态卷积的轻量化、高效跌倒检测算法，专为视觉传感器系统设计。首先，引入小波变换卷积（WTConv）模块，通过级联小波分解扩展视觉特征提取器的感受野，使传感器驱动模型能更好捕捉低频跌倒相关模式，同时避免参数爆炸。其次，在检测头中融合动态上采样（DySample）算子，通过生成动态偏移实现内容感知的灵活上采样，保持适合实时传感器数据处理的计算效率。第三，集成自适应下采样（ADown）模块，在降低空间分辨率的同时保留语义信息，进一步减轻嵌入式传感器平台的计算负担。在公开的跌倒检测数据集上的实验表明，与基线YOLOv11n相比，所提方法将精度P提高3.8%，mAP50提高3.7%，并将参数量减少3.0×10⁵。相较于YOLOv11n的减少参数量和匹配的GFLOPs表明，WAD-YOLO是边缘传感器平台上轻量化、高精度跌倒检测的理论可行候选方案。

Keyword:

fall detection

visual sensor system

wavelet transform

dynamic convolution

lightweight network

edge deployment

YOLOv11

WAD-YOLO: A Lightweight Fall Detection Algorithm for Visual Sensor Systems Based on Wavelet Transform and Dynamic Convolution

摘要

期刊

机构

引用论文