YOLOv8-pose 分批次训练与模型集成方案

这篇技术文章复盘了智养舒居项目中，基于YOLOv8-pose实现人体姿态识别模型训练过程中遇到的问题以及解决办法。核心解决个人PC显存不足的痛点，设计分批次训练+动态加权模型集成方案，沉淀可复用的轻量级硬件训练经验。

📌 项目背景与训练目标

本项目聚焦独居老人居家安全场景，核心需求是实现人体姿态精准识别，重点监测跌倒等危险行为，兼顾居家场景中可能出现的2-4人共处情况，避免模型因场景单一导致泛化不足、误判漏判，为智慧养老安全守护系统提供核心算法支撑。

训练目标

1. 精准识别站立（Up）、坐下（Sit）、蹲姿（Down）、跌倒躺卧（Lie）4类核心姿态；
2. 人体17个关键点位检测准确率达标，跌倒行为识别准确率≥95%；
3. 适配个人PC硬件条件，解决显存不足问题，实现模型高效训练与落地；
4. 模型适配边缘端部署，保证实时推理流畅性，满足居家实时监控需求。

📊 数据集全流程构建

数据集是模型性能的核心基础，我们独立完成从采集到划分的全流程处理，为后续训练奠定基础。

场景化数据采集

本次训练共采集7900张居家场景行为图像，核心围绕“真实场景、均衡覆盖”两大核心设计，规避模型泛化缺陷：

1. 视角还原：模拟居家安防摄像头固定视角，覆盖客厅、卧室、卫生间等核心区域，纳入不同光照、不同时段样本，贴合真实居家环境；
2. 人物覆盖：以单人居家样本为主体，补充2-4人多人场景样本，避免多人共处时出现关键点混淆、识别失效问题；
3. 姿态覆盖：均衡覆盖4类核心动作，确保各类别样本分布均匀，为模型精准分类提供数据支撑。
   

规范化关键点标注

采用Labelme工具完成标注，制定严格规范，避免标注混乱导致训练失效：

1. 关键点标注：严格按照COCO数据集标准，手动标注人体17个关键点位，确保标注顺序、序号完全统一，这是姿态识别的核心前提；
2. 标签标注：同步标注4类姿态标签，与关键点信息绑定，生成结构化JSON文件，包含坐标、标签、图像尺寸等核心信息。

标注格式转换（JSON转TXT）

YOLOv8-pose训练需与图片同名的TXT格式标签（归一化坐标），因此自主编写Python脚本，批量完成格式转换，核心功能：

1. 批量读取JSON文件中的关键点坐标、姿态标签、图像宽高；
2. 将绝对像素坐标转换为0-1范围内的归一化相对坐标；
3. 按YOLOv8-pose格式规范，生成TXT文件，确保图像与标签一一对应。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

#json文件转化成txt文件的函数部分
def coco_json_to_yolo_txt(json_file_path, output_txt_dir):
    # 创建输出目录
    os.makedirs(output_txt_dir, exist_ok=True)
    # 读取 COCO JSON 文件
    with open(json_file_path, 'r') as f:
        coco_data = json.load(f)
    # 遍历每个图像
    for image_info in coco_data['images']:
        image_id = image_info['id']
        image_width = image_info['width']
        image_height = image_info['height']
        image_name = image_info['file_name']
        # 找到对应的标注信息
        annotations = [ann for ann in coco_data['annotations'] if ann['image_id'] == image_id]
        # 构建输出 TXT 文件路径
        txt_file_name = os.path.splitext(image_name)[0] + '.txt'
        output_txt_path = os.path.join(output_txt_dir, txt_file_name)
        # 写入 TXT 文件
        with open(output_txt_path, 'w') as f:
**此后代码省略......**

训练环境配置

基于个人PC完成训练，软硬件配置贴合普通开发者场景，无需高端硬件：

1. 硬件：NVIDIA RTX 3060（8GB显存）、16GB运行内存；
2. 软件：Anaconda（Python 3.11）、PyTorch 2.0、Ultralytics YOLOv8官方库；
3. 预训练权重：Ultralytics官方开源的YOLOv8x-pose权重（基于COCO人体姿态数据集训练）。

📈 分批次训练方案

环境搭建后，直接使用全量7790张训练集训练时，出现致命问题：8GB显存无法支撑全量训练，即使将batch-size调至1，仍出现CUDA out of memory报错，训练无法推进。
尝试缩小图像分辨率、降低数据增强强度等方案，均导致模型收敛缓慢、特征学习不充分，精度大幅下降，无法满足项目需求。为此，设计*分批次训练+动态加权模型集成方案，在不升级硬件的前提下，完成全量数据集训练。

训练集批次划分

将7790张训练集均匀划分为10个独立子批次，每批次约550张样本，核心要求：

1. 样本均衡：每个子批次中，4类姿态、单人/多人场景样本分布与总训练集一致，避免数据倾斜；
2. 独立验证：每个子批次配套独立验证集切片（从总验证集中均匀分配），用于单批次训练效果评估与早停触发。

两阶段迁移学习训练流程

每个子批次采用统一的两阶段训练流程，最大化利用预训练权重，降低显存占用，避免过拟合：

1. 预训练权重加载与网络层冻结：加载YOLOv8x-pose预训练权重，冻结骨干网络（Backbone）前80%（250层中的200层），保留低层级特征提取能力，仅更新检测头（Head）及未冻结层参数，大幅降低训练参数量与显存占用；
2. 冻结训练（第一阶段）：固定学习率1e-3，对解冻层迭代100轮，让模型快速适配居家老人姿态数据分布，全程监控验证集损失，规避过拟合；
3. 全解冻微调（第二阶段）：解冻全部网络层，采用余弦退火学习率（初始1e-4，最小1e-6），结合Mosaic数据增强，优化姿态估计损失函数与多尺度检测能力，每批次迭代150轮；加入早停机制，连续10轮验证集损失无下降则终止训练，避免单批次过拟合。
   每个子批次训练完成后，生成该批次最优的best.pt权重文件，10个批次全部完成后，得到10个独立子模型权重。

🧩 动态加权模型集成策略

通过动态加权集成，整合各子模型优势，提升整体性能与场景稳定性，核心分为3个步骤：

子模型性能量化评估

使用统一独立验证集，对10个子模型进行全面评估，核心指标为测试集准确率，同时参考识别召回率，量化每个子模型的泛化能力，为权重分配提供数据支撑。

动态权重分配策略

区别于简单平均集成，采用性能加权分配，核心规则：

1. 子模型测试集准确率越高，预测效果越好，分配权重越大；
2. 子模型测试集准确率越低，权重越小；
3. 所有权重之和为1，保证集成模型输出逻辑稳定，强化优质子模型主导性，弱化劣质子模型影响。

集成模型生成与优化

基于分配好的动态权重，对10个子模型参数进行加权融合，生成最终集成模型。同时进行轻量化优化，在不损失核心精度的前提下，压缩模型体积、优化推理耗时，确保在RTX 3060上推理速度达48FPS，满足居家实时监控需求。

✅ 模型性能验证与效果

从横向对比、分类精度、场景适配三个维度，验证模型性能，确保满足项目需求。

横向对比核心性能指标

基于自制7900张数据集，采用相同训练、预处理、增强策略，对比OpenPose、YOLOv5-pose、YOLOv7-pose模型，验证本方案优越性，结果如下：

📝 落地应用与复盘总结

项目落地成果

训练完成的集成模型，完整集成到智养舒居系统，核心支撑四大功能模块：

1. 老人状态汇报：基于模型识别结果，每小时汇总姿态信息，生成常态化报告；
2. 跌倒紧急告警：检测到Lie姿态（跌倒）时，立即触发警报，同步推送至家属、社区工作人员；
3. 老人信息管理：记录老人基础资料、历史姿态数据，形成完整健康监测档案；
4. 实时监控可视化：结合视频流，实时渲染人体关键点与姿态标签，实现可视化监测。

全流程复盘总结

结合整个训练过程，沉淀4点核心心得，供同类项目参考：

1. 数据集场景覆盖决定泛化上限：补充的多人场景样本，有效解决多人识别失效问题，收益远大于后期调参；
2. 标注规范是姿态识别前提：17个关键点标注顺序必须统一，否则直接导致训练失效，前期需做好标注培训与校验；
3. 分批次训练适配轻量级硬件：无需升级高显存显卡，通过分批次+集成方案，可在个人PC完成万级样本训练，同时提升泛化能力；
4. 动态加权集成优于单模型：整合各子批次优势，复杂场景下表现更稳定，误判率更低，适合居家这类多场景需求。

本方案聚焦YOLOv8-pose分批次训练与集成的核心流程，精简冗余表述，保留关键技术细节与解决方案，若你也遇到显存不足、模型泛化差等问题，可参考本方案落地实践。