基于YOLOv8改进的打架斗殴行为识别算法:EFD-YOLO

作     者：曹雨淇 徐慧英 朱信忠 黄晓 陈晨 周思瑜 盛轲 CAO Yu-qi;XU Hui-ying;ZHU Xin-zhong;HUANG Xiao;CHEN Chen;ZHOU Si-yu;SHENG Ke

作者机构：浙江师范大学计算机科学与技术学院(人工智能学院)浙江金华321004 浙江师范大学教育学院浙江金华321004 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2024年第46卷第10期

页      面：1825-1834页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62376252,61976196) 浙江省自然科学基金重点项目(LZ22F030003) 国家级大学生创新创业训练计划项目创新训练重点项目(202310345042) 

主　　题：目标检测 打架斗殴 YOLOv8 EfficientRep FocalNeXt Focal-DIoU 

摘      要：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。