简介：本资源是面向计算机视觉开发者与AI安全系统研究者的专业摔倒检测数据集，专用于行人姿态识别、智能监控预警及辅助机器人跌倒响应等场景，适合具备目标检测基础的中高级学习者开展模型训练与算法优化。压缩包共2000个文件，包含5740张JPG格式原始图像与4576个配套XML标注文件，总大小288.95MB；其中XML文件完整记录了每张图中行人边界框坐标、摔倒状态标签及关键关节位置（如头、肩、膝、踝），支撑YOLO、Faster R-CNN等主流检测框架的端到端训练。已有4832人学习下载，实际应用中可直接划分训练/验证/测试集，并结合数据增强策略快速构建鲁棒模型。资源命名规范（如people(1672).xml）、标注一致性高，且覆盖平地、楼梯、碰撞等多种摔倒类型，显著降低数据预处理成本，助力高效复现与工程落地。
摔倒数据集标注5000+张，我把从采数据到质控的全流程踩过的坑都写在这了
做摔倒检测的人应该都有同感：公开数据集一搜一大把，但真正拿去训练完一测，在公开测试集上看着还行，落地到你自己的摄像头视角里就原形毕露。我之前接过一个智慧养老的项目，需要识别老人从床上滚落、在卫生间滑倒、从轮椅上下滑这类非常具体的摔倒姿态，翻遍了公开数据集，要么摔倒样本太少，要么全是固定视角、正常人主动摔倒的摆拍，根本没有覆盖真实场景里的复杂遮挡和非常规动作。最后只能自己动手做数据集，从采集到标注，目前累计完成5000+张已标注图像，配合YOLOv8 pose做关键点检测，整套流程跑下来，想把这些真正能落地的东西分享出来。这篇文章不聊算法调参，专讲数据侧怎么做——采集、清洗、标注工具选型、关键点规范、质控流程、格式转换，全是实操记录。
1. 摔倒检测为何要自建数据集：公开数据集的坑与5000张的价值
1.1 公开数据集普遍存在的三个问题
先说结论：不是公开数据集不能用，而是你没法指望它直接满足你的业务场景。我遇到的最典型问题有三个。
第一是样本分布极度不平衡。很多公开摔倒数据集里，摔倒样本只占几百张，而日常行走、坐下、弯腰这类负样本占了几千甚至上万张。用这种数据训练出来的模型，对“摔倒”这个正类的召回率会非常难看。做行为识别的人都清楚，摔倒是小概率事件，但恰恰是小概率事件要求模型有极高的敏感度，漏检一次可能就是事故。
第二是摔倒姿态的同质化严重。公开数据集里的摔倒大多是“正向跌倒”“侧向跌倒”这种比较标准的角度，背景也相对干净。但真实场景是什么？是老人从床上滚落时身体蜷缩、腿搭在床沿，是卫生间里扶着洗手台慢慢滑坐下去，是轮椅上前倾滑落时头部过冲、身体折叠。这些姿态在公开数据里几乎找不到。你拿同质化的数据训练，模型自然只能学会“标准摔倒”。
第三是视角与摄像头参数的差异。公开数据集的拍摄高度、焦距、俯仰角千差万别，你落地时的摄像头装在墙角2.8米高处、用大广角、画面有畸变，这时候直接拿公开集训练再迁移，效果一定打折扣。自建数据集可以从源头模拟你的部署视角。
1.2 自建数据集的定位：不是替代而是补充
我自建这个数据集的目标很明确：不是完全抛开公开数据，而是让自建数据成为模型在目标场景下真正“见过世面”的那部分。5000+张听上去不多，但关键是每张都跟业务强相关。我的做法是“公开数据打底，自建数据精修”。先用公开集预训练一个基础模型，再用自建数据集做针对性微调。这样既避免了从零开始采集的数据量压力，又保证了模型在目标场景下的表现。
如果你也想做类似的事，建议先问自己三个问题：部署场景的摄像头视角用什么样？需要识别哪些摔倒子类型？哪些负样本最容易误报？这三个问题的回答，就是自建数据集的选材清单。我自己的清单是：床沿滚落、床边坐空、卫生间滑倒、轮椅前倾/侧滑、起身跌倒、站立摔倒等6类正样本，另加行走、坐下、躺下、弯腰、蹲下、被遮挡人体等6类负样本。5000张里正负样本比例大概4:6，正样本2000张出头，负样本3000张左右。实测下来，这个比例比纯正样本堆量要稳得多。
2. 采集与清洗：决定模型上限的第一道关口
2.1 视频抽帧策略与样本覆盖
很多人做数据集上来就找图片，但我建议优先找视频，因为视频可以按帧抽，不仅效率高，而且天然能获得同一动作的连续过渡帧，对pose检测特别重要。我采集的视频来源主要有三块：一是自己搭的测试场景里请人模拟摔倒（注意安全，铺好软垫）；二是从开源视频片段中筛选许可协议允许的素材；三是和本地养老机构合作拍摄的真实非隐私模拟场景。
抽帧不能贪多，否则相邻帧太相似，反而降低数据多样性。我采用的策略是先按5fps抽帧，然后用感知哈希算法做相似度去重，保证同一段动作里取到的帧不会连续三帧都几乎一样。具体落地可以写个简单脚本，先隔帧抽，再用pHash计算相邻帧汉明距离，超过阈值才保留。这比直接每隔固定帧数抽样效果好得多，既能保留动作连续性，又能避免冗余。
另一个关键是场景覆盖。我特意把视频素材拆成了不同光照、不同时段、不同背景：白天强光、傍晚暗光、夜间红外、日光灯、暖光灯、有窗帘逆光、有风扇遮挡、有家具遮挡都尽量包含。因为摔倒检测的常见部署地就是卧室、卫生间、客厅，这些环境的光线和遮挡模式差异非常大。抽帧之后会产生一个原始图池，我大约抽了两万多张原图，最后经过清洗只保留了一部分。
2.2 清洗时最容易漏掉的干扰场景
清洗是最容易被人忽视、但影响极大的环节。很多标注项目翻车，就是因为脏数据没去掉，标注员费了大力气标了一堆模型没法学的东西。
我总结清洗要重点关注四类图。
一是过度模糊和运动拖影的图。人在摔倒瞬间动作速度极快，视频抽帧很容易抽到模糊帧。这类图如果用YOLOv8 pose标关键点，标注员只能靠“猜”，标出来的关键点位置根本不可信。我人工清洗时看到模糊到无法准确看到手肘或膝盖位置，直接删除，不要手软。
二是人物占比过小的图。如果画面里人只占几十个像素，关键点标注基本没意义。除非你明确要做远景检测，否则建议裁掉或删除。标注规范里我设了一条硬线：人体高度小于画面高度1/10的图不入库。
三是异常形变和极端视角的图。比如顶视角向下拍摄的人，或者被栏杆、床栏、玻璃严重遮挡的人，标注难度极大，而且普通矩形框和关键点都很难表达。这类图要么单独分类标注，要么先排除。
四是最容易被忽略的“假负样本”。比如人在画面里但被大范围遮挡，模型很容易误判成未检出。清洗的时候不能因为“看不全”就把图删掉，有些应该作为困难负样本保留。我的做法是单独开一个“困难场景”文件夹，专门存放遮挡严重、光照反常、低分辨率的图，这些在训练时能帮助模型学会不误报。
我清洗两万多张原图后剩下约8500张质量合格的图，再经过标注后筛选，最终保留5000+张。这中间每一步都需要人工介入，工作量不小，但这是保模型下限的关键。
3. 标注工具选型与团队协作工作流
3.1 主用工具Labelme的配置与部署
数据标注工具我前前后后试过不少，包括Labelme、Label Studio、Makesense、X-AnyLabeling，还有在线标注平台。最后主力工具定为Labelme，原因很简单：全本地化部署，离线可用，不用把数据传到第三方服务器，对隐私场景友好；支持polygon和关键点标注；导出格式是json，容易转成各种训练格式。
Labelme的部署没什么难度，pip install labelme就可以，但我建议用conda单独建环境，避免依赖冲突。我的环境一般是Python 3.9 + labelme 5.5.4。启动时有一个很实用的参数：labelme --autosave --labels labels.txt。--autosave会在每次切换下一张图时自动保存json，避免标注员忘记保存；--labels指定预定义标签文件，避免每次手输标签，也防止不同人标签写法不一致。
预定义标签文件很重要，比如：
fall_from_bed fall_in_bathroom fall_from_wheelchair fall_standto_ground sitting walking lying squatting bending person_occluded有了这个文件，标注员双击标签就能选中类别，不会因为输入法大小写、空格问题导致同一个类出现多个写法。我见过太多团队栽在这种细节上，一个Fall和fall就够训练脚本烦半天。
3.2 Label Studio在行为分段标注中的优势
虽然标注图片主力用Labelme，但有一个环节我用Label Studio，那就是视频行为分段标注。摔倒检测不只是单帧分类，很多时候需要输出一个动作序列，比如“行走-后仰-摔倒-躺地”。这个序列对时间边界要求很高。Label Studio对视频标注支持得很好，可以按时间轴打标签，把每一段时间标记为某个动作类别。我们标完视频片段后，再根据标签的时间范围去抽帧，抽出来的帧就有了“动作阶段”的上下文信息。比如同一段摔倒在“后仰”阶段和“躺地”阶段的关键点姿态差异很大，模型如果只知道“摔倒”这一个标签，压力会非常大。
如果只是做单帧目标检测，Label Studio比Labelme重，但这个阶段补充上下文对pose任务很有帮助。我团队的流程是先用Label Studio标行为片段，再导出事件列表，后续抽帧时用事件内容自动打上分类标签，再到Labelme里精修关键点。这样两条线互补，效率反而更高。
3.3 多人标注任务的协同与命名规范
5000张图靠一个人标是不现实的，我拉了三人小团队分工。多人在线协作如果直接共享同一个Labelme目录会乱套，我们的做法是：
- 按子任务拆分成多个目录，每个标注员负责一个目录，互不干扰。
- 文件名在采集阶段就统一命名，格式为：
{场景}_{动作类别}_{视频来源}_{序号}.jpg，例如bedroom_fallbed_001_000123.jpg。这个命名后面排重、追溯都靠它。 - 每次标注完成后，标注员把json文件放在
annotations/{标注员姓名}/文件夹下，方便管理人。 - 隔天抽取前一天的标注结果做交叉复核，及时反馈。
这里重点说一下命名规范：不要用frame_0001.jpg这种没信息的名字。你后面清洗、转格式、查错的时候，没有语义信息的文件名会让人崩溃。哪怕这个文件名长一点，也要包含场景和动作信息。
4. YOLOv8 pose摔倒标注的核心细节
4.1 关键点定义与骨架连接逻辑
YOLOv8 pose采用的COCO 17关键点定义：鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕、左髋、右髋、左膝、右膝、左踝、右踝。摔倒检测里，真正起决定性作用的关键点集中在下半身——髋、膝、踝，以及上半身的肩、肘、腕。因为摔倒瞬间的典型特征是髋关节高度快速下降、躯干与地面夹角突变、四肢伸展或蜷缩异常。
我们标注时的原则是“只标可见的关键点”。被遮挡或完全不可见的关键点不要硬标，也不能随便给一个位置。这个和检测框不一样，框可以包住被遮挡的人体，但关键点必须有像素依据。比如一个人侧身倒地，远处的那个肩膀可能被上臂挡住，这时候左肩、左肘、左腕大概率不可见，就直接留空。YOLOv8 pose训练时支持关键点缺失，用-1表示，这比乱标好得多。
还有一个容易踩的坑：关键点的“位置”到底标在关节中心还是关节点外侧？我在标注规范里明确要求标在关节骨性中心的像素位置，例如膝盖就标在髌骨附近，不要标到腿骨边缘。这直接影响模型预测的稳定性。多人标注前，必须先花半天统一标准，用三五张典型图做试标，大家对比讨论差异。
4.2 遮挡、自遮挡与低质量帧的标注规范
摔倒场景的遮挡远比普通行人检测多。常见情况：老人倒在床边，下半身被床栏挡住；从轮椅滑落时，手臂被身体压住；卫生间滑倒后蜷缩，膝盖遮挡了脚踝。遇到这些情况我们的处理规则如下：
- 关键点可见性低于30%的帧，直接不标关键点，只保留检测框类别为“person_occluded”。这类图可以作为检测层的困难负样本，但不会进入pose训练。
- 如果关键点被部分遮挡但轮廓可推断，比如膝关节被裤腿遮挡但能看到腿的走向，这种可以标注，但要在备注列写明“inferred”。
- 自遮挡（比如侧躺时左右髋关节重叠）非常棘手，我们规定此时两个关键点都标在同一像素位置附近，允许重复，但不允许随意选择不存在的“中间点”。如果实在分不清左右，两个点都标到可见的那一侧，同时给该样本打“side-occlusion”标签，后续数据增强时可以考虑对这类样本水平翻转，增加左右混淆的多样性。
低质量帧主要指模糊和运动拖影。我在第2章清洗时删了一部分，但保留了一部分轻微模糊的帧，因为真实摄像头实时推理时必然会出现模糊帧。这类帧的关键点标注策略是：能看清轮廓的标注，看不清的宁可缺省，不要硬猜。硬猜的关键点会让模型学到噪声。
4.3 从Labelme到YOLO格式的转换脚本
Labelme导出的每个json长这样：
{ "version": "5.5.4", "flags": {}, "shapes": [ { "label": "fall_from_bed", "points": [[x1,y1], [x2,y2], ...], "group_id": null, "shape_type": "polygon", "flags": {} }, { "label": "left_shoulder", "points": [[x,y]], "group_id": null, "shape_type": "point", "flags": {} } ], "imagePath": "bedroom_fallbed_001_000123.jpg", "imageData": null }注意Labelme的检测框通常用polygon表示，需要先求外接矩形。关键点都是shape_type为point的shape。转换到YOLOv8 pose格式时，标签文件是txt，每行格式为：
class_id x_center y_center width height px1 py1 px2 py2 ... px17 py17 visibility1 visibility2 ... visibility17这里visibility是COCO的可见性标志：0表示未标注，1表示标注但被遮挡，2表示可见。转换的时候，我写了一个脚本，把Labelme的point归类到17个关键点名称，并把可见性设为2；如果有遮挡备注，手动设成1；缺失的关键点，坐标填0，visibility填0。
下面是一个简化版的转换脚本核心逻辑，供参考：
import json import os COCO_KEYPOINT_NAMES = [ "nose", "left_eye", "right_eye", "left_ear", "right_ear", "left_shoulder", "right_shoulder", "left_elbow", "right_elbow", "left_wrist", "right_wrist", "left_hip", "right_hip", "left_knee", "right_knee", "left_ankle", "right_ankle" ] def labelme_to_yolov8_pose(json_path, img_w, img_h, class_map): with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) boxes = [] keypoints_dict = {} for shape in data['shapes']: label = shape['label'] if shape['shape_type'] == 'polygon' or shape['shape_type'] == 'rectangle': pts = shape['points'] if shape['shape_type'] == 'polygon': xs = [p[0] for p in pts] ys = [p[1] for p in pts] x_min, x_max = min(xs), max(xs) y_min, y_max = min(ys), max(ys) else: x_min, y_min = pts[0] x_max, y_max = pts[1] boxes.append((label, x_min, y_min, x_max, y_max)) elif shape['shape_type'] == 'point': pt = shape['points'][0] if label in COCO_KEYPOINT_NAMES: keypoints_dict[label] = (pt[0], pt[1]) # 这里假设每张图只有一个人体目标，如果有多个需要扩展 if len(boxes) == 0: return None label, x_min, y_min, x_max, y_max = boxes[0] class_id = class_map[label] # 归一化检测框 dw = 1.0 / img_w dh = 1.0 / img_h x_center = (x_min + x_max) / 2.0 * dw y_center = (y_min + y_max) / 2.0 * dh w = (x_max - x_min) * dw h = (y_max - y_min) * dh parts = [f"{class_id}", f"{x_center:.6f}", f"{y_center:.6f}", f"{w:.6f}", f"{h:.6f}"] for kp_name in COCO_KEYPOINT_NAMES: if kp_name in keypoints_dict: kx, ky = keypoints_dict[kp_name] parts.append(f"{kx * dw:.6f}") parts.append(f"{ky * dh:.6f}") parts.append("2") else: parts.append("0") parts.append("0") parts.append("0") return " ".join(parts)这段代码只处理单人的简单情况，如果画面里有多人，需要用group_id把同一个人对应的检测框和关键点关联起来。我实际数据集中很多是单人场景，但床沿、轮椅附近也有多人场景，处理多人时我建议直接用Labelme的group_id字段，把每个人的身体部件划分到同一组，转换时按组分别生成一行标注。这一点不写清楚很容易踩坑。
还有一个非常容易踩的坑：Labelme保存的图像尺寸和实际图像尺寸不一致。如果你的json是从一个尺寸的图标的，后面换图了，坐标全漂移。我每次转换前都先确认data['imageWidth']和data['imageHeight']，如果和文件名对应的图尺寸不匹配，必须重批或者特判。否则模型训练出来坐标全偏，各种奇葩预测都来了。
5. 5000+标注全流程质控：错误标注如何毁掉模型
5.1 双人复核与抽检机制设计
标注量大之后，错误是不可避免的。常见的错误有关键点位置偏移、类别打错、检测框漏框、明明是负样本却标成正样本。如果不能及时拦截，等训练时再发现就是灾难。
我的质控流程分三层：
第一层是标注员自检。每标完一批，标注员自己用Labelme重新打开图片，把所有关键点都显示出来，检查有没有明显偏离关节的点，比如左脚踝标到了右脚上。这一层能拦掉至少一半的低级错误。
第二层是交叉复核。我要求每张已标注图必须由另一个人复核一次，复核人只负责看，不能直接改，发现了问题在专门的问题记录表里登记：文件名、错误类型、修改建议。每日记录，每周统计错误率。如果某人的错误率超过了5%，就要重新培训，并对这位标注员负责的所有历史数据重新排查。
第三层是AI辅助抽检。训练一版快速模型，用模型正向预测这批标注数据，将预测结果和标注结果做mismatch比对。如果模型预测的关键点与人工标注的关键点相差超过一定像素阈值（比如20像素），就找出来人工确认。这一步能发现人工很难注意的“系统性偏差”——比如某个人习惯把肩关键点标得比实际位置偏外5像素，一个人看不容易发现，AI一对比就现形。
5.2 错误标注对训练loss的影响实例
很多人总问“错误标注会导致模型训练集loss降不下来吗”，答案是会，而且会以非常迷惑的方式出现。
我举一个实际遇到的例子。有一批卫生间滑倒难例，标注员小张习惯把左髋和右髋标在同一水平线上，但真实像素里右侧髋关节明明被水渍和阴影干扰，看起来偏上，于是她就把右髋挪到左髋的高度。结果训练时这个样本的loss始终很高，模型预测的右髋位置老是比标注低一截。表面上是模型学不会，实际上标注本身就是错的，模型反而学得更接近真实位置。
另一次是检测框的问题。有一个“弯腰捡东西”的负样本，标注员不小心把框标成了站立姿态而不是弯腰后的姿态，框内一半是空的，模型学到的特征是“上半身+空白区域=弯腰”，导致推理时大量误检。这类错误比关键点偏移更隐蔽，因为它发生在类别和框的匹配关系上。
我的经验是：如果训练过程中发现某个类别的loss显著高于其他类别，先别急着调权重，立刻去抽查这个类别的标注数据。把loss最高的20张样本可视化出来，对照原图看标注，你会发现至少一半问题出在标注上。还有一个更直接的指标：标注框的宽高比分布。如果发现某个类别框的宽高比方差异常大，大概率是框标错了。
5.3 类别不均衡的处置：摔倒样本为什么必须过采样
5000张图里，正样本（各类摔倒）2000多张，负样本3000张，看似比例还行。但在YOLOv8 pose训练里，真正参与loss计算的只有标注了关键点的人体，也就是说所有负样本里的站立、行走、坐下，如果没有人形框和关键点，它们对pose分支没有贡献。我实际训练时发现了一个问题：如果负样本过多而正样本不足，模型检测框分支会非常保守，倾向于把所有直立人都框出来，但摔倒姿态的框经常漏。
解决方式我用了两种。
一是离线过采样。对摔倒正样本做几何增强，例如水平翻转、小角度旋转、尺度缩放、随机擦除，把正样本数量临时扩充到负样本的1.2倍。生成后的增强样本不会永久加入数据集，只在训练流水线里动态生成，避免同一图像反复出现导致过拟合。
二是Focal Loss配合类别权重。YOLOv8本身支持每个类别的loss weight，我通常把摔倒正类的权重设为1.5~2.0，负类保持1.0。但这只能缓解误分类，不能替代数据层面的均衡。权重只是一个平滑器，真正管用的还是让模型看到更多的摔倒姿态。
另外还有一个小技巧：把摔倒动作的“时序中间帧”当作关键样本单独增强。比如从站立到倒地的过程，第1帧、中间帧、末帧的姿态差异很大，我在采样时特意保证对每个摔倒动作至少保留“前摇、倒地、躺定”三个阶段各5帧，而不是均匀抽帧。这样模型能学到摔倒的动态过程，而不是只记住“躺在地上”这一个静态姿态。这个思路来自行为学视频标注的启发，对时间序列中的动作识别特别重要。
6. 数据集发布前最后一道工序：切分、增强与格式统一
6.1 train/val/test划分的讲究
数据切分看似简单，其实坑很多。最大的坑是“视频泄漏”：如果同一个视频抽出的帧一部分在训练集，一部分在验证集，模型其实已经“看过”同一场景的相邻帧，验证集loss会虚低。这会让模型在真实场景上的表现被严重高估。
我的切分原则是“按视频源分，绝不按帧随机分”。也就是说，一个视频的所有帧只能全部进入train、val或test三者之一。如果视频之间还存在重复场景（比如同一拍摄环境不同时段），也要尽量把相同场景归入同一个集合，避免场景泄漏。
正常比例我按8:1:1划分。但在划分前，我会先做一次“难例集中”处理：把所有困难场景（遮挡、低照度、模糊）单独拎出来，按比例分配到val和test里，保证评估集中困难样本的比例和真实场景接近，而不是全部塞进train里当难度负担。这样训练难度虽然大了，但评估结果更有说服力。
6.2 针对摔倒场景的数据增强策略
YOLOv8训练时默认有mosaic、随机仿射等增强，但有些增强对pose任务并不友好，比如mosaic拼接时如果把人裁切到边缘，关键点坐标可能负值，需要小心处理。
我额外使用的增强策略主要有：
随机水平翻转，但对“左右关键点”的交换逻辑要实现正确。比如翻转前鼻子在中心偏左，翻转后应该变到中心偏右，同时左肩变成右肩。这个映射在数据加载时必须写对。
随机旋转和小角度透视变换。一个小技巧是旋转角度控制在±15度以内，过大旋转会让摔倒姿态失真，比如因为透视原因，人倒地后头部本来就在画面边缘，再旋转30度就出画了。
随机遮挡模拟。摔倒场景里腿被床栏、桌椅遮挡很常见，我用随机矩形遮挡模拟这种情况，但遮挡框不能太大，否则关键点全部失效。我通常限制遮挡区域不超过人体框的20%。
色彩抖动和亮度对比度增强。夜间红外模式下的图像是灰度图，而白天采集的是彩色图。我专门生成了一组“红外模拟图”，把彩色图转灰度再增强噪声，让模型适应夜间模式。这个对智能监控项目尤其有效。
6.3 格式兼容：YOLOv8 pose与COCO的互通
标注完成后，我最终输出的数据集同时提供YOLOv8 pose格式和COCO格式，方便团队在不同框架间切换。YOLOv8的官方格式上文已经写了，COCO格式则需要一个annotation的json文件，包含images、annotations、categories三段。如果后续要做人体姿态估计模型复现，COCO格式更通用。
转换的关键点是COCO里每个annotation的keypoints是一个长度为51的一维数组，顺序是[x0,y0,v0, x1,y1,v1, ..., x16,y16,v16]，num_keypoints字段表示可见关键点数量。我建议写一个双向转换工具，把YOLO txt转成COCO json，然后统一用COCO API做可视化验证。可视化这一步很重要：把所有标注渲染到图上，随机抽查几百张，看关键点是否落在合理位置，检测框是否紧凑。这一步我每次发货前必做，能直观发现很多脚本层面看不出的问题。
关于在线工具：如果你不想本地部署，可以用Makesense.ai快速试标一批，但它的pose关键点标注能力很弱，主要还是检测框。在线标注工具可旋转（比如针对遥感或大图的旋转标注）对于摔倒这种常规图像意义不大，我更推荐本地流程，隐私和稳定性都有保障。至于3D点云标注和遥感图像标注，那是另一套体系，和2D图像标注在工具链上完全不一样，这里就不展开讲了。
最后再分享一个个人经验：数据集做到5000张级别，真正难的其实不是数量，而是“每一张都值得被训练看到”。我中间有段时间为了凑数，把条件不太好的模糊帧也放进来，结果模型收敛速度明显变慢，后来删掉这批，只保留质量中上的，训练反而更稳。所以如果你也在自建摔倒数据集，我的建议是：先保证每个子类别有足够的代表样本，再谈总量。5000张如果分布合理，已经足够YOLOv8 pose做落地级微调了。
本文还有配套的精品资源，点击获取
