基于YOLOv8改进的打架斗殴行为识别算法:EFD-YOLO

在当今社会,打架斗殴检测技术对于防范暴力事件和冲突至关重要。结合监控摄像头和目标检测,能够实时监测人群活动,从而有效预防潜在威胁。因此,提出了一种基于YOLOv8改进的打架斗殴行为识别算法EFD-YOLO。EFD-YOLO采用EfficientRep替换主干网络,提高了特征提取的效率,并在监控范围内实现准确实时的特征提取。引入FocalNeXt焦点模块,通过深度卷积和跳跃连接的结合,解决了遮挡问题和多尺度特征需求问题。采用Focal-DIoU作为边界框回归损失函数,在复杂情况下减少了误检的问题。实验结果显示,EFD-YOLO算法相较于YOLOv8n在mAP@0.5指标上提升了4.2%,在mAP@0.5:0.95指标上提升了2.5%,满足关键场所中实时检测打架斗殴行为的需求。

一种改进YOLOv3的手势识别算法

为了解决YOLOv3算法在手势识别中存在识别精度低及易受光照条件影响的问题,提出了一种改进的YOLOv3手势识别算法。首先,在原来3个检测尺度上新增加1个更小的检测尺度,提高对小目标的检测能力;其次,以DIoU代替原来的均方差损失函数作为坐标误差损失函数,用改进后的Focal损失函数作为边界框置信度损失函数,目标分类损失函数以交叉熵作为损失函数。结果表明,将改进的YOLOv3手势识别算法用于手势检测中,mAP指标达到90.38%,较改进前提升了6.62%,FPS也提升了近2倍。采用改进的YOLOv3方法训练得到的新模型,识别手势精度更高,检测速度更快,整体识别效率大幅提升,平衡了简单样本和困难样本的损失权重,有效提高了模型的训练质量和泛化能力。