改进YOLOv8的非机动车违规行为检测方法

来源：电子测量技术杂志2025年第22期北京时间：

作者：李强，南新元，蔡鑫，杨仕伟

单位：1.新疆大学电气工程学院 乌鲁木齐 830017; 2.新疆大学智能科学与技术学院 乌鲁木齐 830017

摘要：针对当前检测算法在非机动车不规范驾驶行为检测容易出现漏检误检的问题，提出一种改进YOLOv8的非机动车违规行为检测方法YOLO-CSSM。首先在Backbone和Neck中构建了SPD-Conv网络模块，以提高对微小目标的学习能力，加强模型在复杂背景条件下的特征提取能力；其次分别在Backbone和Neck网络中引入DCNv2和SegNext Attention注意力机制模块，重新设计了C2f-DCNv2，突出非机动车和驾驶人重要特征信息，提高模型特征融合能力；最后使用WIoU损失函数的思想改进MPDIoU，将原CIoU替换为Wise-MPDIoU，用来解决正负样本不均衡带来的问题。该算法在自建非机动车不规范驾驶行为数据集上进行验证，实验结果显示，改进后的YOLOv8算法在自建非机动车不规范行为驾驶数据集上的精确率P、召回率R和平均精度均值mAP@0.5为89.4%、90.0%和93.6%，比传统的YOLOv8算法分别提升了3.3%、5.4%和4.5%，取得了更好的检测精度和效果。并以非机动车违规行为检测算法为基础，使用PyQT5设计开发了非机动车违规行为识别检测系统。

关键词：YOLOv8;DCNv2;Wise-MPDIoU;非机动车不规范行为;注意力机制;特征融合

基金资助：中央引导地方科技发展资金(ZYYD2025CG06)、国家自然科学基金(62303394)、新疆维吾尔自治区自然科学基金(2022D01C693)、新疆维吾尔自治区高校基本科研业务费科研项目(XJEDU2023P025)资助