基于深度学习的人体行为识别 yolo11行为分类算法(数据集+模型+界面)

使用方法

请按以下步骤在您的项目中调用本模型：

1. 环境安装

首先确保已安装ultralytics库（YOLO模型依赖库）：

pipinstallultralytics

▌支持检测的动作类别

calling # 通话中 clapping # 鼓掌 cycling # 骑行 dancing # 跳舞 drinking # 饮水 eating # 进食 fighting # 搏斗 hugging # 拥抱 laughing # 大笑 listening_to_music # 听音乐 running # 奔跑 sitting # 坐姿 sleeping # 睡眠 texting # 发短信 using_laptop # 使用笔记本

2. 模型加载

通过以下代码加载模型并进行图像检测：

fromultralyticsimportYOLO# 加载训练好的模型model=YOLO("./action-11x.pt")# 对图像进行动作检测results=model("image.png")# 可视化检测结果results.show()# 显示带检测框的图片

3. 结果解析

检测结果包含以下信息：

• 边界框坐标
• 动作类别标签
• 置信度分数

可通过以下方式获取结构化数据：

forrinresults:print(r.probs)# 打印包含各动作类别概率的Probs对象print(r.boxes)# 打印检测框坐标信息（可选）

注：

1. 代码块保留原始缩进格式以确保证明文档的可执行性
2. 动作类别采用中英对照注释，便于开发者理解
3. 关键操作步骤使用▌符号进行视觉区隔
4. 结果解析部分新增了boxes属性说明作为扩展参考