Fall Detection Dataset

### Content

Initially, I have gathered images from various sources and created our own custom fall detection dataset with two directories of images and labels. Images directories consist of two subdirectories train (374 images) which is used for training and Val (111 images) for validation. Labels directory consists of two subdirectories train and Val here in this directory we have text files with labels of that particular image.

To get labels for the images I used [makesense.ai](https://www.makesense.ai/) website in which I initially uploaded images and created labels, in our case labels are `Fall Detected`, `Walking`, `Sitting`. After uploading images, I made bounding boxes for human images and assigned respective labels to that bounding boxes.


- **Violet – Fall Detected**
- **Blue – Walking**
- **Green – Sitting**

After creating bounding boxes for every image, we finally get labels file which will be corresponding to the image file names which consists of 1 class label and 4 bounding box values for that particular image

### Inspiration

Automated methods to detect and classify human activities.

最初，我搜集了来自不同来源的图像，并构建了我们自有的定制式摔倒检测数据集，该数据集包含两个图像目录和标签目录。图像目录包括两个子目录：train（包含374张图像，用于训练）和Val（包含111张图像，用于验证）。标签目录同样包含train和Val两个子目录，其中我们在此目录下拥有包含特定图像标签的文本文件。为了获取图像的标签，我使用了[makesense.ai](https://www.makesense.ai/)网站，在该网站上，我首先上传了图像并创建了标签，在我们的案例中，标签为“摔倒检测”、“行走”、“坐着”。上传图像后，我为包含人类图像的部分绘制了边界框，并将相应的标签分配给这些边界框。


- **紫色 – 摔倒检测**
- **蓝色 – 行走**
- **绿色 – 坐着**

在为每张图像创建边界框后，我们最终获得了与图像文件名相对应的标签文件，该文件包含一个类别标签和四个对应图像的边界框值。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于跌倒检测的图像数据集，包含485张图像（训练集374张，验证集111张），每张图像都有对应的标签文件，标注了'跌倒检测'、'行走'、'坐下'三个类别及边界框信息。数据集通过makesense.ai工具手动标注，旨在支持自动人类活动检测和分类任务，适用于计算机视觉模型的训练和验证。