面向复杂场景密集行人检测的YOLOv8改进模型

来源：电子测量技术杂志2024年第14期北京时间：

作者：胡伟超，皮建勇，胡倩，黄昆，王娟敏

单位：贵州大学计算机科学与技术学院公共大数据国家重点实验室 贵阳 550025

摘要：针对当前行人检测面临的环境复杂、目标尺寸多变和严重遮挡等挑战，导致现有检测技术在识别密集行人时容易发生误判和遗漏的问题，本文提出一种高效的面向复杂场景密集行人检测的YOLOv8改进模型。在骨干网络引入DCNv2设计C2f_DCNetv2替换C2f模块，提升骨干网络的特征提取能力；通过在架构中加入小目标检测头，增强模型对小尺寸目标的检测能力，提高对小目标的检测识别精度；基于四检测头改进AFPN设计出AFPN-4H，优化特征层之间的信息融合，提高了模型对不同尺度目标的适应性和检测精度；最后，通过结合Wise-IoU、Focaler-IoU和MPDIoU得到WFM-IoU，进一步提高了目标定位的准确性。实验结果表明，与原始的YOLOv8n模型相比，在P、R、AP50以及AP50:95等关键指标上分别提升1.6%、4.0%、3.6%和3.8%，也优于其他算法。验证了本文改进算法在复杂场景密集行人检测任务中具有较好的性能。

关键词：密集行人检测;YOLOv8;可变形卷积;多尺度特征融合;损失函数

基金资助：贵州省科技支撑计划（黔科合支撑［2023］一般430）项目资助