Fall Detection Dataset
Jeu d’images annotées avec labels de posture humaine (chute, marche, assis), adapté à l'entraînement de modèles de vision pour la sécurité ou la surveillance.
485 images (.jpg, .png) + 485 fichiers d’annotation (.txt), formats simples, utilisables directement
Open Database + contenu ouvert
Description
Ce dataset propose une collection d’images annotées pour la détection automatique de chutes humaines. Les images sont réparties en deux dossiers (train et val) et chaque image est associée à un fichier de labels indiquant la posture (chute, marche, assis). Les annotations ont été réalisées via la plateforme makesense.ai avec des bounding boxes autour des personnes.
À quoi sert ce dataset ?
- Entraîner des modèles de vision par ordinateur pour détecter les chutes dans les environnements de surveillance.
- Développer des systèmes d’alerte pour la sécurité des personnes âgées à domicile ou en maison de retraite.
- Expérimenter des algorithmes de classification et de détection d’activité humaine dans des vidéos ou images fixes.
Peut-on l’enrichir ou l’améliorer ?
Oui, il est possible de compléter ce dataset avec des vidéos, d’ajouter de nouvelles postures (ex. allongé, debout immobile), ou encore d’enrichir les annotations avec des degrés de gravité des chutes. Le format étant simple (.txt), il est aussi facile à adapter ou convertir vers COCO ou YOLO.
🔎 En résumé
🧠 Recommandé pour
- Développeurs de systèmes de sécurité
- Chercheurs en vision par ordinateur
- Projets IA santé
🔧 Outils compatibles
- YOLOv5/v8
- TensorFlow Object Detection
- OpenCV
- Ultralytics
💡 Astuce
Pour de meilleurs résultats, combiner ce dataset avec des vidéos réelles et appliquer un léger data augmentation (flips, blur, etc.).
Questions fréquemment posées
Ce dataset peut-il être utilisé pour la détection en temps réel ?
Oui, il peut servir à entraîner un modèle YOLO ou SSD pour la détection temps réel de chutes dans des flux vidéo.
Existe-t-il des vidéos associées ou uniquement des images fixes ?
Ce dataset ne contient que des images fixes. Cependant, il peut être adapté à des scénarios vidéo avec des algorithmes de suivi.
Les annotations sont-elles compatibles avec les frameworks classiques comme YOLO ou COCO ?
Les annotations sont simples (format texte), mais peuvent être converties facilement vers les formats YOLO ou COCO avec des scripts.
