基于改進(jìn)YOLOv8的工廠行人檢測(cè)算法

摘" 要： 針對(duì)工廠中行人檢測(cè)算法精度不足，存在誤檢、漏檢等問題，提出一種基于改進(jìn)YOLOv8的工廠行人檢測(cè)算法。首先，在YOLOv8的C2f模塊中引入卷積塊注意力機(jī)制模塊（CBAM），以幫助主干網(wǎng)絡(luò)聚焦于關(guān)鍵特征并抑制非關(guān)鍵特征，從而提升模型對(duì)遮擋物和小目標(biāo)的檢測(cè)準(zhǔn)確度；其次，在Neck網(wǎng)絡(luò)中將卷積神經(jīng)網(wǎng)絡(luò)Conv模塊替換成CoordConv模塊，以充分利用該模塊的定位能力，從而解決目標(biāo)檢測(cè)中的定位準(zhǔn)確性問題，提升模型對(duì)空間位置的感知能力；最后，采用Inner?IoU損失函數(shù)替代原始的CIoU損失函數(shù)，來提高目標(biāo)檢測(cè)邊界框的回歸精度。在自制的工廠行人圖像數(shù)據(jù)集（3 600張圖像）上進(jìn)行了訓(xùn)練和測(cè)試，實(shí)驗(yàn)結(jié)果表明：相較于基礎(chǔ)YOLOv8算法，改進(jìn)YOLOv8算法在平均精度均值（mAP）和每秒幀率（FPS）方面分別提高了2.26%和35.6 f/s，驗(yàn)證了改進(jìn)算法在檢測(cè)性能上的提升。

關(guān)鍵詞： 行人檢測(cè)； YOLOv8算法； 深度學(xué)習(xí)； 卷積塊注意力機(jī)制模塊（CBAM）； CoordConv； Inner?IoU損失函數(shù)

中圖分類號(hào)： TN911.73?34" " " " " " " " " " " " "文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " " " "文章編號(hào)： 1004?373X（2024）24?0160?07

Factory pedestrian detection algorithm based on improved YOLOv8

CHEN Sihan， LIU Yong， HE Xiang

（1. School of Automation and Information Engineering， Sichuan University of Science and Engineering， Yibin 644000， China;

2. Artificial Intelligence Key Laboratory of Sichuan Province， Yibin 644000， China）

Abstract： A factory pedestrian detection algorithm based on improved YOLOv8 is proposed to address the issues of insufficient accuracy， 1 positives， and missed detections in pedestrian detection algorithms in factories. The convolutional block attention mechanism （CBAM） module was introduced into the C2f module of YOLOv8 to help the backbone network focus on key features and suppress non key features， thereby improving the model′s detection accuracy for occlusions and small targets. The convolutional neural network Conv module is replaced by the CoordConv module in the Neck network to make full use of the positioning ability of the module， so as to solving the positioning accuracy in object detection and improve the model's perception of spatial position. The Inner IoU loss function is used to replace the original CIoU loss function to improve the regression accuracy of object detection bounding boxes. A self?made pedestrian image dataset in a factory （3 600 images） are trained and tested. The experimental results show that in comparison with the basic YOLOv8 algorithm， the improved YOLOv8 algorithm can improve the average accuracy of the average mAP （mean average precision） and the frame rate FPS （frame rate per second） by 2.26% and 35.6 f/s， respectively， which can verify the improvement of the detection performance of the improved algorithm.

Keywords： pedestrian detection; YOLOv8 algorithm; deep learning; convolutional block attention mechanism module; CoordConv; Inner?IoU loss function

0" 引" 言

近年來，目標(biāo)檢測(cè)作為深度學(xué)習(xí)中的一個(gè)重要應(yīng)用領(lǐng)域，在各行各業(yè)中都被廣泛應(yīng)用。行人檢測(cè)作為目標(biāo)檢測(cè)領(lǐng)域的一項(xiàng)基本任務(wù)，在安防監(jiān)控、智能交通、人機(jī)交互等方面有著廣泛的應(yīng)用[1?3]。隨著工業(yè)自動(dòng)化和智能化程度的不斷提高，工廠中自動(dòng)化設(shè)備逐漸增多，然而設(shè)備按照既定指令進(jìn)行工作時(shí)，對(duì)工廠行人存在安全隱患。對(duì)工廠行人的及時(shí)檢測(cè)能保證行人生命安全，進(jìn)而保障設(shè)備正常運(yùn)作。

目標(biāo)檢測(cè)技術(shù)主要分為傳統(tǒng)方法和基于深度學(xué)習(xí)的方法[4]。傳統(tǒng)行人檢測(cè)算法通過提取圖像不同區(qū)域的特征并使用分類算法進(jìn)行分類來實(shí)現(xiàn)目標(biāo)檢測(cè)。但傳統(tǒng)方法依賴于人工進(jìn)行特征提取，當(dāng)背景變化時(shí)難以使用統(tǒng)一的檢測(cè)模型，導(dǎo)致檢測(cè)效果較差。近年來，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法[5]變得流行，主要分為兩類：兩階段目標(biāo)檢測(cè)算法和單階段目標(biāo)檢測(cè)算法。在行人檢測(cè)方面，針對(duì)被遮擋問題，文獻(xiàn)[6]基于Faster RCNN提出一種IterDet迭代方案，同時(shí)利用遞歸金字塔結(jié)構(gòu)來提升模型特征提取能力。文獻(xiàn)[7]在Cascade RCNN的基礎(chǔ)上對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改進(jìn)，使得算法能夠更好地利用深層和淺層特征信息。對(duì)于密集場(chǎng)景，文獻(xiàn)[8]提出一種改進(jìn)YOLOv5的紅外行人檢測(cè)算法，利用RF?gnConv模塊來增強(qiáng)模型對(duì)各種復(fù)雜場(chǎng)景的行人檢測(cè)能力。文獻(xiàn)[9]則提出一種改進(jìn)的YOLOv7擁擠行人檢測(cè)算法，引入了BiFormer視覺變換器和改進(jìn)的高效層聚合網(wǎng)絡(luò)模塊。兩階段檢測(cè)算法通常具有更高的檢測(cè)精度，但速度較慢；而單階段檢測(cè)算法速度較快，適用于對(duì)實(shí)時(shí)性要求較高的行人檢測(cè)場(chǎng)景。

2023年，Ultralytics團(tuán)隊(duì)提出YOLOv8算法，該算法在實(shí)時(shí)性和檢測(cè)精度上性能良好，適用于對(duì)工廠行人檢測(cè)進(jìn)行針對(duì)性改進(jìn)。因此，本文以YOLOv8算法為基礎(chǔ)，通過優(yōu)化措施提升其檢測(cè)精度。具體優(yōu)化包括以下三個(gè)方面：首先，在YOLOv8的C2f模塊中引入卷積塊注意力機(jī)制模塊（CBAM），以幫助主干網(wǎng)絡(luò)聚焦于關(guān)鍵特征并抑制非關(guān)鍵特征，從而提升模型對(duì)遮擋物和小目標(biāo)的檢測(cè)準(zhǔn)確度；其次，在Neck網(wǎng)絡(luò)中將卷積神經(jīng)網(wǎng)絡(luò)Conv替換為CoordConv模塊，充分利用其定位能力提高目標(biāo)檢測(cè)的定位準(zhǔn)確性，提升模型對(duì)空間位置的感知能力；最后，采用Inner?IoU損失函數(shù)[10]替代原始的CIoU損失函數(shù)，以提高目標(biāo)檢測(cè)邊界框的回歸精度。

1" YOLOv8算法結(jié)構(gòu)

YOLO算法是一種單階段目標(biāo)檢測(cè)算法，旨在實(shí)現(xiàn)實(shí)時(shí)對(duì)象檢測(cè)。在YOLO系列中，YOLOv1相較于兩階段目標(biāo)檢測(cè)算法具有更快的檢測(cè)速度。YOLOv2采用Draknet19網(wǎng)絡(luò)架構(gòu)，從預(yù)測(cè)準(zhǔn)確性、速度和對(duì)象識(shí)別能力三個(gè)方面進(jìn)行了改進(jìn)。YOLOv3引入了特征金字塔（FPN）結(jié)構(gòu)和空間池化金字塔（SPP）模塊，提高了語義信息的獲取效率。YOLOv4[11]采用Mosaic數(shù)據(jù)增強(qiáng)方法，提升了模型對(duì)復(fù)雜場(chǎng)景和遮擋目標(biāo)的識(shí)別能力。YOLOv5采用輕量型的模型結(jié)構(gòu)，易于部署。YOLOv6[12]選用EfficientRep作為骨干網(wǎng)絡(luò)，并構(gòu)建了Rep?PAN結(jié)構(gòu)以精確定位。YOLOv7[13]引入擴(kuò)展高效層聚合網(wǎng)絡(luò)（E?ELAN）和重新參數(shù)化卷積，增強(qiáng)了網(wǎng)絡(luò)的學(xué)習(xí)能力?，F(xiàn)今，YOLO算法已經(jīng)發(fā)展到Y(jié)OLOv8版本。相較于之前的版本，YOLOv8在檢測(cè)精度、計(jì)算量和參數(shù)量等方面均有提升。

YOLOv8的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

YOLOv8由Backbone骨干網(wǎng)絡(luò)、Neck頸部網(wǎng)絡(luò)和Head輸出端組成。Backbone骨干網(wǎng)絡(luò)由Conv、C2f和SPPF三個(gè)模塊組成。C2f模塊可以增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的特征融合能力，提高推理速度。在尾部采用SPPF模塊增加感受野以得到更多特征信息。Neck頸部網(wǎng)絡(luò)將C2f模塊與Backbone三個(gè)階段輸出的不同尺寸的特征圖進(jìn)行融合，使得局部特征與深層特征融合。Head部分采用解耦頭結(jié)構(gòu)，將分類和定位預(yù)測(cè)分開，以化解分類和定位關(guān)注信息側(cè)重點(diǎn)不同存在的沖突。在候選框上，YOLOv8采用Ancher?Free替換了以前的Ancher?Base，采用Ancher?Free框架可以提高長(zhǎng)寬不規(guī)則目標(biāo)的檢測(cè)精度。YOLOv8的分類損失函數(shù)為VFL Loss，回歸損失函數(shù)為DFT Loss和CIoU Loss。在樣本匹配方面，YOLOv8由以前的IoU匹配或邊長(zhǎng)比例分配轉(zhuǎn)換為Task?Aligned Assigner匹配方式。

2" YOLOv8算法改進(jìn)

2.1" CBAM

由于工廠中環(huán)境復(fù)雜，為了提高模型對(duì)行人的檢測(cè)能力，在YOLOv8的C2f模塊中引入CBAM。卷積塊注意力機(jī)制模塊（CBAM）是一種用于前饋卷積神經(jīng)網(wǎng)絡(luò)的注意力模塊，它將跨通道信息和空間信息結(jié)合在一起來提取信息特征，有助于模型關(guān)注重要特征并抑制不重要的特征，提高模型的檢測(cè)能力。CBAM可以添加到模型的多個(gè)位置，且不會(huì)帶來過多的計(jì)算量和參數(shù)量。CBAM網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

由于CBAM能讓模型自適應(yīng)地學(xué)習(xí)通道重要程度和空間位置重要程度，幫助模型關(guān)注重要特征并抑制不重要的特征，所以，本文將CBAM引入C2f模塊的Bottleneck中。Bottleneck本質(zhì)由多個(gè)卷積核組成，將CBAM添加到Bottleneck模塊內(nèi)部的卷積操作之后，利用Bottleneck模塊中的特征圖對(duì)不同尺度的特征進(jìn)行注意力加權(quán)，從而提高網(wǎng)絡(luò)對(duì)多尺度信息的感知能力。

在卷積操作之后添加CBAM可以使得通道注意力機(jī)制考慮到更豐富的特征信息，進(jìn)一步優(yōu)化特征圖的表征能力。

2.2" CoordConv坐標(biāo)卷積神經(jīng)網(wǎng)絡(luò)

YOLOv8模型中的卷積神經(jīng)網(wǎng)絡(luò)Conv使用卷積核進(jìn)行運(yùn)算時(shí)，僅能感知到局部信息，無法感知到位置信息，而CoordConv卷積神經(jīng)網(wǎng)絡(luò)通過在輸入特征圖中新增對(duì)應(yīng)的通道來感知位置信息，提高模型的目標(biāo)檢測(cè)能力。

由于工廠環(huán)境的復(fù)雜性，常常會(huì)出現(xiàn)物品或器件遮擋行人，以及行人之間相互重疊等問題，這些情況會(huì)降低檢測(cè)效果。因此，在檢測(cè)過程中，對(duì)目標(biāo)位置信息的感知變得尤為重要。本文將特征融合部分的Conv替換成CoordConv，以提高空間感知能力，與圖3a）卷積神經(jīng)網(wǎng)絡(luò)Conv相比，圖3b）CoordConv增加了額外的兩個(gè)通道，分別是i坐標(biāo)通道和j坐標(biāo)通道，將這兩個(gè)通道與輸入特征圖沿通道維度進(jìn)行拼接，再進(jìn)行卷積操作。在這個(gè)過程中，兩個(gè)坐標(biāo)經(jīng)歷了線性變換，并在[-1，1]區(qū)間內(nèi)進(jìn)行了歸一化處理。

2.3" Inner?IoU損失函數(shù)

IoU是預(yù)測(cè)框與真實(shí)框的交并比，該指標(biāo)用于評(píng)估目標(biāo)物體檢測(cè)的準(zhǔn)確性，IoU數(shù)值越大，代表預(yù)測(cè)框與真實(shí)框重合程度越高，模型預(yù)測(cè)越準(zhǔn)確。YOLOv8采用CIoU[14]作為邊界框回歸損失函數(shù)，CIoU的損失函數(shù)計(jì)算公式如下：

[LCIoU=1-IoU+ρ2（b，bgt）c2+αv] （1）

式中：[b]和[bgt]分別為預(yù)測(cè)框和真實(shí)框的中心點(diǎn)；[ρ2]表示兩個(gè)中心點(diǎn)之間的歐氏距離；[c]為覆蓋預(yù)測(cè)框和真實(shí)框的最小包圍框的對(duì)角線長(zhǎng)度；[α]是正權(quán)衡參數(shù)，用來平衡長(zhǎng)寬比的影響；[v]用來衡量預(yù)測(cè)框和真實(shí)框長(zhǎng)寬比的一致性，若兩框長(zhǎng)寬比一致，則[v=0]。

CIoU引入了中心點(diǎn)距離和長(zhǎng)寬比的相似性，可以有效加速模型收斂并提高檢測(cè)性能，但基于IoU的邊框回歸仍在通過加入新的損失項(xiàng)來加速收斂，并未考慮IoU損失本身的合理性。因此本文采用Inner?IoU來代替CIoU。Inner?IoU是基于輔助邊框的IoU損失函數(shù)，引入尺度因子ratio來控制輔助邊界框的尺寸，進(jìn)而計(jì)算損失，加速模型收斂。Inner?IoU的定義如下：

[bgtl=xgtc-wgt·ratio2，" bgtr=xgtc+wgt·ratio2] " " （2）

[bgtt=ygtc-hgt·ratio2，" bgtb=ygtc+hgt·ratio2] （3）

[bl=xc-w·ratio2，" br=xc+w·ratio2] （4）

[bt=yc-h·ratio2，" bb=yc+h·ratio2] （5）

[inter=（min（bgtr，br）-max（bgtl，bl））·" " " " " " "（min（bgtb，bb）-max（bgtt，bt））] （6）

[union=（wgt·hgt）·ratio2+（w·h）·ratio2-inter] （7）

[Inner?IoU=interunion] （8）

式中：[xgtc]和[ygtc]為真實(shí)框的內(nèi)部中心點(diǎn)；[xc]和[yc]為預(yù)測(cè)框的內(nèi)部中心點(diǎn)；[bgtl]、[bgtr]、[bgtt]和[bgtb]為真實(shí)框的左、右、上、下邊界，由真實(shí)框中心點(diǎn)、寬高和尺度因子ratio計(jì)算而得；[bl]、[br]、[bt]和[bb]為預(yù)測(cè)框的左、右、上、下邊界，由預(yù)測(cè)框中心點(diǎn)、寬高和尺度因子ratio計(jì)算而得；[inter]表示真實(shí)框與預(yù)測(cè)框的交集部分；[union]表示真實(shí)框與預(yù)測(cè)框的并集部分；Inner?IoU則由[inter]與[union]比值計(jì)算而得。

3" 實(shí)驗(yàn)結(jié)果

3.1" 數(shù)據(jù)集

通過對(duì)工廠的場(chǎng)地環(huán)境進(jìn)行實(shí)地考察調(diào)研，借助智能行車上的監(jiān)控?cái)z像頭收集場(chǎng)地內(nèi)圖像數(shù)據(jù)，共采集有效工廠圖像720張。由于數(shù)據(jù)集數(shù)量較少，為增強(qiáng)模型的魯棒性和避免訓(xùn)練模型出現(xiàn)過擬合現(xiàn)象，對(duì)原始數(shù)據(jù)集進(jìn)行水平翻轉(zhuǎn)、旋轉(zhuǎn)、亮度變換、增加噪聲等四種數(shù)據(jù)增強(qiáng)，將數(shù)據(jù)集擴(kuò)充至3 600張，并通過標(biāo)注工具LabelImg對(duì)圖像中的行人進(jìn)行標(biāo)注，最后將數(shù)據(jù)集按8∶1∶1的比例進(jìn)行隨機(jī)劃分，得到訓(xùn)練集、驗(yàn)證集和測(cè)試集，分別為2 880、360、360張圖像。

3.2" 實(shí)驗(yàn)環(huán)境

本次實(shí)驗(yàn)基于Windows 11操作系統(tǒng)，使用開源深度學(xué)習(xí)框架PyTorch作為網(wǎng)絡(luò)架構(gòu)，具體的實(shí)驗(yàn)平臺(tái)參數(shù)見表1，訓(xùn)練模型參數(shù)見表2。

3.3" 評(píng)價(jià)指標(biāo)

本文采用的評(píng)價(jià)指標(biāo)有精確率（Precision）、召回率（Recall）、平均精度均值（mAP）、FPS。FPS指每秒幀數(shù)，更高的FPS意味著模型能更快地對(duì)輸入圖像進(jìn)行處理。精確率和召回率是評(píng)價(jià)分類任務(wù)的常見指標(biāo)，mAP綜合考慮了精確率和召回率，用來衡量模型的性能。精確率是指在預(yù)測(cè)為正類別的樣本中，真正的正類別所占的比例，定義如下：

[Precision=TPTP+FP] （9）

召回率是指模型正確預(yù)測(cè)的樣本中，正類別的比例，定義如下：

[Recall=TPTP+FN] （10）

式中：TP指模型正確預(yù)測(cè)為正類別的樣本數(shù)量；FP指模型錯(cuò)誤預(yù)測(cè)為正類別的數(shù)量；FN指模型錯(cuò)誤預(yù)測(cè)為負(fù)類別的概率。

mAP是n個(gè)類別的平均精度均值，由各個(gè)類別的精確率?召回率曲線面積構(gòu)成。mAP根據(jù)閾值不同又可分為mAP50和mAP50～95，mAP50是在IoU閾值為0.5時(shí)的平均精度均值，mAP50～95是在不同IoU閾值（從0.5～0.95，步長(zhǎng)0.05）上的平均精度均值，mAP定義如下：

[mAP=1ni=1n01Precision（Recall）d（Recall）] （11）

3.4" 結(jié)果分析

3.4.1" 改進(jìn)前后的算法對(duì)比分析

圖4所示為原始YOLOv8算法與改進(jìn)后YOLOv8算法的定位損失函數(shù)對(duì)比。改進(jìn)算法在30輪次時(shí)已經(jīng)趨于收斂，并且損失函數(shù)的收斂值明顯減小，這表明改進(jìn)后的網(wǎng)絡(luò)模型在定位上效果更好且收斂速度更快。

圖5為改進(jìn)后YOLOv8算法的訓(xùn)練結(jié)果，左側(cè)三列曲線圖為訓(xùn)練集和驗(yàn)證集的損失函數(shù)，分別是定位損失（box_loss）、分類損失（cls_loss）和置信度損失（obj_loss），右側(cè)兩列曲線圖分別是精確率（Precision）、召回率（Recall）和平均精度均值（mAP50、mAP50～95）。圖中顯示，模型的Precision和Recall在經(jīng)過100輪訓(xùn)練后趨于穩(wěn)定，而mAP的數(shù)值最終穩(wěn)定在96%，表明改進(jìn)算法具有較好的檢測(cè)性能。

表3展示了消融實(shí)驗(yàn)結(jié)果，旨在逐一比較不同改進(jìn)算法，以觀察其性能特征，并驗(yàn)證改進(jìn)算法的檢測(cè)效果。表中包含4組算法模型，第1組為原始YOLOv8模型，第2組～第4組為添加不同模塊的網(wǎng)絡(luò)模型?；A(chǔ)YOLOv8算法的mAP為94.10%，F(xiàn)PS為113.6 f/s。第2組引入CBAM注意力機(jī)制，提升主干網(wǎng)絡(luò)的特征提取能力，使得mAP增加了1.4%，但由于添加了CBAM模型，模型計(jì)算量增加，F(xiàn)PS下降了5.4 f/s。第3組在CBAM的基礎(chǔ)上加入了CoordConv，引入坐標(biāo)卷積增強(qiáng)了模型對(duì)空間位置的感知能力，相較原模型，mAP提高了2%，F(xiàn)PS增加了10.1 f/s。第4組在第3組的基礎(chǔ)上將CIoU損失函數(shù)替換為Inner?IoU，其引入尺度因子ratio來控制輔助邊界框的尺寸，加速模型的收斂速度，mAP相較原模型提高了2.26%，F(xiàn)PS提高了35.6 f/s。

消融實(shí)驗(yàn)結(jié)果表明，相較于基礎(chǔ)YOLOv8算法，改進(jìn)后的算法在Precision、Recall、mAP和FPS方面分別提高了1.68%、3.72%、2.26%和35.6 f/s，驗(yàn)證了改進(jìn)算法檢測(cè)性能的提升。

3.4.2" 不同檢測(cè)算法的對(duì)比分析

為驗(yàn)證改進(jìn)算法的有效性，將其與現(xiàn)有目標(biāo)檢測(cè)算法Faster?RCNN、YOLOv4、YOLOv5、YOLOv7進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)采用本文構(gòu)建的數(shù)據(jù)集，并以mAP和FPS為評(píng)價(jià)指標(biāo)，實(shí)驗(yàn)對(duì)比結(jié)果如表4所示。

從表4可以看出：YOLOv5算法作為近年來泛化能力較強(qiáng)的目標(biāo)檢測(cè)算法，mAP和FPS較為均衡；而YOLOv7由于引入了更深的網(wǎng)絡(luò)結(jié)構(gòu)，在檢測(cè)速度上不如YOLOv5；與這些目標(biāo)檢測(cè)算法相比，改進(jìn)后的YOLOv8算法在速度和精度方面均有顯著提升。

3.4.3" 檢測(cè)效果對(duì)比

本文采用部分測(cè)試集圖像，在YOLOv8、YOLOv5、YOLOv7和改進(jìn)YOLOv8算法四個(gè)模型上進(jìn)行測(cè)試，檢測(cè)結(jié)果如圖6所示。測(cè)試圖像涵蓋了工廠不同場(chǎng)景下的行人活動(dòng)情況。在場(chǎng)景1中，行人數(shù)量較少，四種模型均成功檢測(cè)出行人。在場(chǎng)景2中，YOLOv8算法出現(xiàn)誤檢現(xiàn)象，對(duì)于被遮擋行人情況誤將其識(shí)別為兩個(gè)目標(biāo)。在場(chǎng)景3中，行人目標(biāo)較為密集且存在被遮擋行人及小目標(biāo)行人，YOLOv5算法對(duì)于左側(cè)密集行人存在誤檢。場(chǎng)景4為工廠器件復(fù)雜場(chǎng)景，YOLOv5算法誤將背景設(shè)備識(shí)別為行人，YOLOv7雖成功檢測(cè)出行人，但其行人置信度較低。本文改進(jìn)YOLOv8算法在檢測(cè)中表現(xiàn)較為理想，成功識(shí)別了所有行人目標(biāo)，并且未出現(xiàn)誤檢和漏檢情況。

4" 結(jié)" 論

針對(duì)工廠中的行人檢測(cè)問題，本文對(duì)比了近年來目標(biāo)檢測(cè)算法在精度、特征提取和檢測(cè)速度方面的表現(xiàn)，鑒于現(xiàn)有算法存在的問題，以YOLOv8算法為基礎(chǔ)，提出了一種改進(jìn)YOLOv8的工廠行人檢測(cè)算法。具體改進(jìn)包括：首先，在YOLOv8的C2f模塊中引入卷積塊注意力機(jī)制模塊，以提高模型對(duì)遮擋物和小目標(biāo)的檢測(cè)準(zhǔn)確度；其次，在Neck網(wǎng)絡(luò)中將卷積神經(jīng)網(wǎng)絡(luò)Conv模塊替換為CoordConv模塊，以提升模型對(duì)空間位置的感知能力；最后，采用Inner?IoU損失函數(shù)替代原始的CIoU損失函數(shù)，以提高目標(biāo)檢測(cè)邊界框的回歸精度。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法模型平均精度均值達(dá)到了96.36%，檢測(cè)速度達(dá)到了149.2 f/s。驗(yàn)證了該模型能夠快速、準(zhǔn)確地檢測(cè)出工廠行人目標(biāo)。

未來的研究重點(diǎn)是將模型部署在資源受限的檢測(cè)設(shè)備中，以輕量化為目標(biāo)，對(duì)模型進(jìn)行完善。

注：本文通訊作者為劉勇。

參考文獻(xiàn)

[1] 姜小強(qiáng)，陳騁，朱明亮.基于紅外傳感的視頻監(jiān)控行人檢測(cè)方法[J].煤炭技術(shù)，2022，41（10）：223?225.

[2] 王清芳，胡傳平，李靜.面向交通場(chǎng)景的輕量級(jí)行人檢測(cè)算法[J].鄭州大學(xué)學(xué)報(bào)（理學(xué)版），2024，56（4）：48?55.

[3] 李林，王家華，周晨陽，等.目標(biāo)檢測(cè)數(shù)據(jù)集研究綜述[J].數(shù)據(jù)與計(jì)算發(fā)展前沿（中英文），2024，6（2）：177?193.

[4] ZOU Z， SHI Z， GUO Y， et al. Object detection in 20years： a survey [J]. Proceedings of the IEEE， 2019， 111（3）： 257?276.

[5] 郭慶梅，劉寧波，王中訓(xùn)，等.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[J].探測(cè)與控制學(xué)報(bào)，2023，45（6）：10?20.

[6] 賀宇哲，徐光美，何寧，等.迭代Faster R?CNN的密集行人檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用，2023，59（21）：214?221.

[7] 劉艷萍，劉甜.改進(jìn)的Cascade RCNN行人檢測(cè)算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2022，58（4）：229?236.

[8] 高正中，于明沆，孟晗，等.基于改進(jìn)YOLOv5算法的紅外圖像行人目標(biāo)檢測(cè)[J].中國科技論文，2024，19（2）：209?214.

[9] 徐芳芯，樊嶸，馬小陸.面向擁擠行人檢測(cè)的改進(jìn)YOLOv7算法[J].計(jì)算機(jī)工程，2024，50（3）：250?258.

[10] ZHANG H， XU C， ZHANG S. Inner?IoU： more effective intersection over union loss with auxiliary bounding box [EB/OL]. [2023?11?07]. https：//arxiv.org/abs/2311.02877？context=cs.

[11] BOCHKOVSKIY A， WANG C Y， LIAO H Y M. YOLOv4： optimal speed and accuracy of object detection [EB/OL]. [2023?07?18]. https：//arxiv.org/abs/2004.10934.

[12] LI C Y， LU L L， JIANG H L， et al. YOLOv6： a single?stage object detection framework for industrial applications [EB/OL]. [2023?05?12]. https：//arxiv.org/abs/2209.02976.

[13] WANG C Y， BOCHKOVSKIY A， LIAO H Y M. YOLOv7： trainable bag?of?freebies sets new state?of?the?art for real?time object detectors [C]// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. Vancouver， BC， Canada： IEEE， 2023： 7464?7475.

[14] ZHENG Z， WANG P， LIU W， et al. Distance?IoU loss： faster and better learning for bounding box regression [EB/OL]. [2023?09?17]. https：//arxiv.org/abs/1911.08287.

作者簡(jiǎn)介：陳思涵（2000—），女，四川廣安人，碩士研究生，研究方向?yàn)樯疃葘W(xué)習(xí)、目標(biāo)檢測(cè)。

劉" 勇（1987—），男，四川南充人，博士研究生，講師，研究方向?yàn)樾盘?hào)與信息處理。