关键特征感知并行细粒度特征提取的密集行人检测

来源：计算机工程与应用杂志2026年第1期北京时间：

作者：齐向明, 刘晓暄, 王子键

单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125100

摘要：针对密集行人检测中存在目标密集且相互遮挡问题，提出一种关键特征感知并行细粒度特征提取的密集行人检测算法。以YOLOv8n为基线网络，在vision Transformer中再次加入自注意力机制得到DS-ViT（dual search）深度感知全局关键特征，优化CBS使用3个3×3Conv，设计双支路加入空间注意力机制得到FE-Conv（feature enhance）增强空间和通道双重特征提取局部细粒度，DS-ViT与FE-Conv并行重构主干网络，增强多尺度特征提取能力；颈部网络输入端嵌入空间注意力机制，增强多层次特征融合；检测网络新增三个卷积层，删减20×20检测头，降低漏检和错检率。在自制数据集上做消融实验和对比实验，与基线网络对比，mAP、Precision、Recall、IoU和FPS分别提高5.4个百分点、4.9个百分点、6.4个百分点、6.2个百分点和6.2，Parameters值仅增加1×105，表明该算法有良好表现。在公开数据集WiderPerson上做泛化实验，较基线网络平均检测精度提升1.6个百分点，表明该算法具备较好鲁棒性。

关键词：密集行人检测,关键特征深度感知,细粒度特征双重提取,YOLOv8n,视觉变换器（ViT）,CBS