面向密集行人场景的YOLOv8n改进算法.pdfVIP

人工智能

ArtificialIntelligence

面向密集行人场景的YOLOv8n改进算法

1，211

王丽黎，樊盼盼，张诗雨

（1.西安理工大学自动化与信息工程学院，陕西西安710048；2.无线光通信与网络研究重点实验室，陕西西安710048）

摘要：为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题，提出一种基于YOLOv8n的改进

型密集行人检测模型。首先，引入SPPELAN模块替换骨干网络中的SPPF模块，以提升模型对多尺度目标的特征感

知能力。其次，设计一种残差注意力机制，提高模型对细微特征的提取能力，进而提高检测精度。最后通过添加

DySample算子、改进的小目标检测层提高模型对小尺度目标的定位识别能力。实验结果显示，改进的模型相较于

YOLOv8n在CrowdHuman数据集上的召回率、mAP50和mAP50-95分别提升了2.5%、2.9%和2.4%，并且该模型在Wider‐

Person和CityPersons数据集上表现优异。实验结果表明，该算法能更好适用于密集行人检测任务。

关键词：YOLOv8n；密集行人检测；SPPELAN模块；残差注意力机制；DySample；小目标检测层

中图分类号：TP391.41文献标志码：ADOI:10.16157/j.issn.0258-7998.245589

中文引用格式：王丽黎，樊盼盼，张诗雨.面向密集行人场景的YOLOv8n改进算法[J].电子技术应用，2025，51(2)：15-20.

英文引用格式：WangLili，FanPanpan，ZhangShiyu.AnimprovedYOLOv8nalgorithmfordensepedestrianscenarios[J].Appli‐

cationofElectronicTechnique，2025，51(2)：15-20.

AnimprovedYOLOv8nalgorithmfordensepedestrianscenarios

WangLili1，2，FanPanpan1，ZhangShiyu1

(1.SchoolofAutomationandInformationEngineering，Xi’anUniversityofTechnology，Xi’an710048，China；

2.KeyLaboratoryofWirelessOpticalCommunicationandNetworkResearch，Xi’an710048，China)

Abstract：Toaddresstheissuesofinsufficientrecognitionaccuracyandinaccuratedetectionoftraditionalalgorithmsindense

pedestrianscenarios,animproveddensepedestriandetectionmodelbasedonYOLOv8nisproposed.Firstly,byintroducingthe

SPPELANmo