计算机工程

作者：汤静雯, 赖惠成, 王同官

单位：1. 新疆大学计算机科学与技术学院, 新疆 乌鲁木齐 8300002. 华中农业大学信息学院, 湖北 武汉 430070

关键词：行人检测,智慧社区,小目标行人,特征金字塔网络,YOLOv8算法

基金：新疆维吾尔自治区重点研发计划项目(2022B01008); 国家自然科学基金与新疆联合基金重点项目(U1903213)

智慧社区场景下的行人检测需要精准识别行人以应对各类情况的发生, 然而面对遮挡和远距离行人的情景, 现有检测器会出现漏检、误检以及模型过大不易部署的问题。针对以上问题, 提出基于YOLOv8的行人检测算法ME-YOLO。设计一种高效特征提取模块(EM), 使得网络更好地学习行人特征和捕捉行人特点, 在减少网络参数量的同时提高检测精度。设计一个重构的检测头模块, 重新整合后的检测层增强了网络对小目标的识别能力, 有效检测小目标行人。引入双向特征金字塔网络来设计新的颈部网络, 即双向扩张残差-特征金字塔网络(BDR-FPN), 利用扩张残差模块和附权注意力机制来扩展感受野及有所侧重地学习行人特征, 缓解网络对遮挡行人不敏感问题。实验结果表明, 在CityPersons数据集上进行训练和验证, 相比原算法YOLOv8, ME-YOLO算法的AP50提高了5.6百分点, 模型参数量减少了41%, 模型大小压缩了40%, 在TinyPerson数据集上验证算法的有效性和泛化性, AP50提高了4.1百分点, AP50∶95提高了1.7百分点。该算法在大幅度减少模型参数和大小的同时, 有效提高了检测精度, 在智慧社区场景中有较好的应用价值。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期