README.md

metadata

title: Fall Detection Demo
emoji: '!'
colorFrom: blue
colorTo: red
sdk: gradio
sdk_version: 5.50.0
app_file: app.py
pinned: false
license: mit
hardware: zero-a100

Fall Detection Demo

YOLOv11-Pose + ST-GCN 2-stage 파이프라인을 사용한 실시간 낙상 감지 데모입니다.

파이프라인 구성

• Stage 1: Pose Estimation - YOLOv11m-pose

  • 입력: 비디오 프레임
  • 출력: 17개 COCO keypoints (x, y, confidence)

• Stage 2: Temporal Classification - ST-GCN

  • 입력: 60 프레임 슬라이딩 윈도우 (2초 @ 30fps)
  • 출력: Fall/Non-Fall 확률

사용법

1. 비디오 파일을 업로드합니다 (MP4, AVI, MOV 지원)
2. 필요시 고급 설정에서 파라미터를 조정합니다
3. "분석 시작" 버튼을 클릭합니다
4. 결과 비디오와 확률 그래프를 확인합니다

파라미터 설명

• 낙상 판정 임계값 (Fall Threshold): 이 값 이상의 확률이면 낙상으로 판정 (기본값: 0.85, 권장: 0.8-0.9)
• 키포인트 표시 (Keypoint Mode):
  • all: 전체 17개 키포인트 표시
  • major: 주요 9개 키포인트만 표시 (코, 어깨, 엉덩이, 무릎, 발목)

모델 정보

모델	용도	파라미터
YOLOv11m-pose	Pose Estimation	~25M
ST-GCN	Temporal Classification	~3M

성능

• Latency: ~2초 (60 프레임 윈도우 기준)
• Accuracy: 99.6% (AI Hub 검증 데이터셋)

로컬 실행

# 의존성 설치
pip install -r requirements.txt

# 앱 실행
python app.py

참고자료

• YOLOv11 (Ultralytics)
• ST-GCN Paper
• AI Hub 낙상사고 위험동작 영상-센서 쌍 데이터