摘要：该数据集面向基于计算机视觉的人体跌倒检测研究，由多个公开跌倒检测数据源整合构建，包含跌倒与非跌倒两类视频样本，并配套人体姿态关键点数据，可用于视频行为识别、人体姿态分析和智能监控等研究任务。
数据集概述
Fall Video Dataset整合了Fall Vision基准视频数据集、29名受试者2017个活动样本的视频跌倒检测数据以及多摄像头跌倒数据集，覆盖跌倒行为、正常活动和多种容易与跌倒混淆的动作场景。其中，多摄像头数据包含24个场景，并由8台IP摄像机进行记录。数据集同时保留原始视频和由姿态估计算法提取的人体关键点信息，为跌倒检测模型的训练、验证和性能评估提供了较为丰富的数据基础。
数据结构与关键特征
数据集按照Fall和No_Fall两类进行组织，每一类均包含Raw_Video原始视频目录和Keypoints_CSV人体关键点目录。对于每个视频文件，数据集生成对应的关键点CSV文件，逐帧记录17个人体关键点的二维坐标及检测置信度，主要字段包括Frame、Keypoint、X、Y和Confidence。其关键特征在于同时包含视频视觉信息和结构化姿态数据，能够支持基于单帧姿态、连续动作变化、人体骨架几何关系及时间序列特征的多种跌倒检测方法。
应用价值与研究方向
该数据集可应用于人体跌倒检测、行为识别、姿态估计、老年人安全监护、居家养老监控和公共场所异常行为分析等领域。研究方向可进一步扩展到基于YOLO-Pose、MediaPipe等姿态模型的骨架特征提取，结合LSTM、Transformer、时序卷积网络或状态机进行连续动作判定，也可研究多摄像头融合、误报抑制、复杂背景适应、实时检测以及边缘设备部署等问题，为非接触式智能跌倒预警系统的设计与实现提供数据支持。。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-858
文件大小：14.9G
原创声明：本数据集为整理作品
