改进YOLOv11的模糊监控异常检测算法

来源：电子测量技术杂志2026年第3期北京时间：

作者：刘玉蕾，褚丽莉，李波

单位：辽宁工业大学电子与信息工程学院 锦州 121000

摘要：针对模糊监控与复杂路况导致的异常行为检测精度不足的问题，本文提出一种多模块协同优化的YOLOv11改进模型。首先，采用Dynamic Sample替代颈部网络的传统上采样，提升目标定位与识别精度；其次，在骨干网络末层集成重新设计的多窗口注意力机制，增强模糊视频中异常特征的捕捉能力并抑制噪声干扰；最后，引入轻量型网络ShuffleNetV2作为主干网络，在保持特征表达能力的同时，将模型参数量显著降低。实验结果表明，在UCF101和UCF Crime数据集上，通过引入Dynamic Sample模块与多窗口注意力机制，本文模型比原始YOLOv11模型的mAP50、mAP50.95分别提高8.5%、13.1%，有效减少漏判与误判现象；结合轻量化ShuffleNetV2，成功将模型参数量从2.58 M压缩至0.82 M。综合结果显示，改进后的YOLOv11模型能够更好地满足交通监控等实时场景需求，兼顾检测效率与准确性，具备广泛的应用潜力。

关键词：YOLOv11;异常行为检测;窗口注意力;ShuffleNetV2;轻量化

基金资助：辽宁省教育厅高等学校基本科研项目（JYTMS20230862）资助