异常行为检测是维护治安的一项重要任务.快速准确地对关键场所中的异常行为进行检测是治安工作的重要任务.对于关键场所中的目标检测算法来说,要在人员密集的图像中获得满意的检测结果具有一定挑战性.本文针对异常行为目标检测中存在的目标分布密集、尺度变化范围较大、检测背景较为复杂等问题,将注意力机制CA引入到主干网络部分C2f模块中,从而加强网络在复杂背景下对目标的注意力;将Swin Transformer模型集成到YOLOv8骨干网络中,增加特征图的信息交互范围,充分利用物体的背景信息提高复杂背景下物体的检测精度.最后通过实验验证了改进网络的可行性,并与几种主流网络进行对比,平均精度达到95.1％,与基础网络YOLOv8相比,平均精度提高2.4个百分点,证明了该方法的有效性.
异常行为 目标检测 YOLOv8 深度学习 注意力机制
abnormal behavior object detection YOLOv8 deep learning attention mechanism