基于边界特征与多尺度特征的车辆目标检测

来源：电子测量技术杂志2025年第16期北京时间：

作者：李天林，安毅，陈岩

单位：1.新疆大学电气工程学院 乌鲁木齐 830017;2.大连理工大学控制科学与工程学院 大连 116024

摘要：车辆目标检测技术在智能驾驶、智能交通和公共安全领域中具有重要意义。然而，真实环境中存在背景干扰、小目标检测难度大以及车辆密集时出现相互遮挡的问题。针对以上问题，提出一种基于边界特征与多尺度特征融合改进YOLOv8的车辆目标检测方法EM-YOLO。首先，设计了一种边界引导的多尺度特征块，以结合边界特征与多尺度特征，用于改进原始的骨干网络，增强抑制背景干扰的能力。其次，特征在网络流动的过程中会出现细节信息的损失，而小目标车辆能够提取到的有效特征较少，加重了细节信息的损失。为此提出细节特征增强块，通过充分结合不同层级的特征，缓解细节信息的损失，进而改善小目标问题。随后，分析了车辆相互遮挡导致检测性能下降的原因，并针对此问题提出了一种检测头。最后，结合PIoU、Focaler-IoU和WIoU，构造了WPF-IoU，以优化训练过程，进而提升检测性能。经实验验证，改进后模型的精度和召回率相比原始模型分别提升了1.9%和4.1%，mAP50和mAP50∶95分别提升了4.4%和3.3%。与其他方法相比，本文提出的方法在各项性能指标上表现更优，具有一定的实际应用价值。

关键词：车辆目标检测;小目标;多尺度特征;细节信息;损失函数

基金资助：辽宁省自然科学基金计划项目（2023-MS-093）、国家自然科学基金项目（62173055）、山西省科技重大专项揭榜项目（20191101014）、新疆维吾尔自治区重大科技专项项目（2023A01005-1）资助