改进YOLOv8算法在高密度人群检测中的应用研究

本文创新性地提出了YOLOv8改良算法,致力于解决大规模人群环境下目标重复及识别精准性的难题。针对传统非极大值抑制(Non-Maximum Suppression,NMS)算法在众多重叠对象场景时易发生漏检的问题,本文引进了Soft-NMS算法,以提高检测准确率。借助膨胀残差(Dilation-wise Residual,DWR)模块提取网络高层次特征,结合简单反转残差(Simple Inverted Residual,SIR)模块获取了低层特征,通过引入SEAM注意力网络模块,加强了模型对关键特征的关注。此外,本文更换了HATHead检测头,以改善重叠目标检测效果。实验表明,经改进后的YOLOv8-n算法在人群密集区域的检测精确度m AP方面提升了1.4%,对行人的检测表现优异。