改进YOLOv8的密集人群口罩检测算法

来源：电子测量技术杂志2025年第1期北京时间：

作者：伍锡如，梁诗意

单位：桂林电子科技大学电子工程与自动化学院 桂林 541004

摘要：针对公共场合密集人群场景下由于人群遮挡导致的信息缺失及检测目标较小、分辨率低导致人脸佩戴口罩检测算法检测困难的问题，提出了一种改进YOLOv8的密集人群口罩检测算法。采用 GD机制代替YOLOv8中FPN结构解决跨层信息传输中信息丢失的问题，GD使用一个统一的模块收集和融合所有层级的信息，实现网络跨层信息的无损传输，增强了网络特征提取能力。在GD机制中插入ODconv模块对GD传输的信息沿4个维度进行学习，提高模型低分辨目标和小目标的检测精度。此外，引入了一种轻量化检测头SCSBD，对占比过高的YOLOv8检测头进行轻量化处理，平衡模型大小。实验结果表明，改进后的网络在精确率、召回率和平均精度上分别提升了13.6%、1.5%和6.9%,对人脸口罩的检测精度达到了81.1%，模型权重文件仅为25 MB，模型大小介于YOLOv8s和Gold-YOLO-S之间，达到了大小和精度的平衡。

关键词：密集人群;口罩检测;YOLOv8;GD机制;ODConv;SCSBD;特征提取;轻量化

基金资助：国家自然科学基金(62263005)、广西自然科学基金(2020GXNSFDA238029)、广西高校人工智能与信息处理重点实验室开放基金重点项目(2022GXZDSY004)、桂林电子科技大学研究生教育创新计划项目(2024YCXS119,2024YCXS131)资助