轻量级行人检测算法研究.pdfVIP

器件与设计

ARTSDESIGN

ideoEngineering

文献引用格式：苏喆，徐成也，吴林煌轻量级行人检测算法研究[].电视技术，2025，49（2）：30-36.

SUZ,XUCY,WULH.Researchonlightweightpedestriandetectionalgorithm[JJ.VideoEngineering，2025,49（2)

30-36.

中图分类号：TP311.1文献标识码：AD0I:10.16280/j.videoe.2025.02.008

轻量级行人检测算法研究

苏喆，徐成也，吴林煌

（福州大学物理与信息工程学院，福建福州350108)

摘要：针对当前基于深度学习的行人检测算法检测精度低、模型复杂、对设备要求较高的问题，提出一种基于YOLOv8的轻量

级行人检测模型YOLOv8-PCL。首先，将卷积神经网络（ConvolutionalNeuralNetworks，CNN）和Transformer的思想结合，设

计出C2f_PTB模块，增强特征提取能力，降低计算量和参数量；其次，引入改进的BiFPN网络替换原模型中的特征提取网络，

提高对不同尺度特征的融合效率；再次，采用一种轻量级非对称检测头LADH，以微小性能损失大幅度减少模型的计算量和参

数量；最后，使用PIoU（Powerful-IoU）替换CloU（Complete-loU）作为损失函数，以更准确地优化模型的预测结果，进一步提

高模型的检测精度。实验结果表明，所提出的模型在多个指标上有明显的提升。相较于基准模型，YOLOv8-PGL的mAP50%

提升1.9个百分点，参数量降低50%，计算量降低33%，模型大小降低48%。

关键词：深度学习；YOLOv8；轻量化；行人检测

ResearchonLightweightPedestrianDetectionAlgorithm

SUZhe,XUChengye,WULinhuang

(SchoolofPhysicsandInformationEngineering,FuzhouUniversity,Fuzhou350108,China)

Abstract:Aimingattheproblemsoflowdetectionaccuracy,complexmodelandhighequipmentrequirementsofcurrentpedestrian

detectionalgorithmsbasedondeeplearning,alightweightpedestriandetectionmodelYOLOV8-PGLbasedonYOLOv8isproposed

inthispaper.Firstly,theConvolutionalNeuralNetworks(CNN)andTransformerarecombinedtodesigntheC2f_PTBmodule,which

canenhancethefeatureextractionabilityandreducethecalculationandparameternumber.Secondly,theimprovedBiFPNnetworkis

introducedtoreplacethefeatureextractionnetworkintheoriginalmodeltoimprovethefusioneff