MCFD 正式权重外部测试错误分析

更新日期：2026-07-22

核心发现

跨视角测试共 415 个片段：三条路线共同漏报 46 段，共同误报 50 段，135 段存在路线分歧，18 段只有 YOLO-Pose + ST-GCN++ 判断正确。

方法	Accuracy	Recall	Specificity	F1	Balanced Acc.	ROC-AUC
RTMPose + ST-GCN++	62.41%	60.30%	64.35%	60.61%	62.33%	64.39%
YOLO-Pose + ST-GCN++	60.00%	66.33%	54.17%	61.40%	60.25%	64.84%
YOLO-Pose + CTR-GCN	58.55%	62.81%	54.63%	59.24%	58.72%	61.38%
三路线概率平均	62.17%	65.83%	58.80%	62.53%	62.31%	65.62%
两条 ST-GCN++ 概率平均	62.65%	65.33%	60.19%	62.65%	62.76%	66.87%
三路线多数投票	59.76%	64.82%	55.09%	60.71%	59.96%	59.96%

两条 ST-GCN++ 概率平均略有提升；三路线平均和多数投票没有优势。CTR-GCN 的加入不能自动带来互补收益。

跨视角测试有 12 段 YOLO-Pose 的 64 个采样位置全部无关键点，其中 9 段为 ADL、3 段为跌倒。典型共同误报 case_04 即为 64/64 帧无 YOLO 姿态，但三条路线仍输出高跌倒概率。

系统必须把“无姿态”视为输入质量状态：重试、切换姿态后端或输出 UNKNOWN。不能把全零骨架解释成有效动作，也不能把 UNKNOWN 合并进 ADL。

部分 ADL 片段中人物正在趴卧、翻身或从床垫起身，其外观与跌倒后状态接近。部分跌倒片段的中间位置仍在站立；当前约 31 个源帧被重复采样到 64 个位置，并没有增加真实时间上下文。

下一轮应测试 64/96/128 个真实连续帧滑动窗口，并增加躺下、坐床、弯腰、翻身和从地面起身等困难负样本。