远距离情形下的改进YOLOv8行人检测算法.pdfVIP

第51卷第4期/2025年4月/计算机工程研究论文

远距离情形下的改进YOLOv8行人检测算法

汤静雯，赖惠成1*，王同官²

（1.新疆大学计算机科学与技术学院，新疆乌鲁木齐830000；2.华中农业大学信息学院，湖北武汉430070）

摘要：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。引人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APso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，APs提高了4.1百分点，APso: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。

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

源代码链接:/1tangbao/ME-YOLO

中图分类号：TP391文献标志码：AD0I:10.19678/j.issn.1000-3428.0068897

ImprovedYOLOv8PedestrianDetectionAlgorithmforLong-DistanceSituations

TANGJingwen,LAIHuichengl*,WANGTongguan?

(1.CollegeofComputerScienceandTechnology,XinjiangUniversity,Urumqi830000,Xinjiang,China;

2.CollegeofInformatics,HuazhongAgriculturalUniversity,Wuhan430070,Hubei,China)

[Abstract]Pedestriandetectioninintelligentcommunityscenariosneedstoaccuratelyrecognizepedestriansto

addressvarioussituations.However,forpersonswhoareoccludedoratlongdistances,existingdetectorsexhibit

problemssuchasmisseddetection,detectionerror,andlargemodels.Toaddresstheseproblems,thispaper

proposesapedestriandetectionalgorithm,MultiscaleEfficient-YOLO(ME-YOLO),basedonYOLOv8.An

efficientfeatureExtractionModule(EM)isdesignedtoimprovenetworklearningandcapturepedestrianfeatures,

whichreducesthenumberofnetworkparametersandimprovesdetectionaccuracy.Thereconstructeddetection

headmodulereintegra