一种面向港口危险区域入侵检测的改进型目标检测方法

摘要

针对港口作业现场危险区域范围随工况变化而动态调整、监控画面中目标尺度差异大、复杂背景易造成误检漏检等问题，提出一种面向港口危险区域入侵检测的改进型目标检测方法。该方法以YOLOv8为基础，在骨干网络中嵌入通道—空间注意力机制，强化模型对小目标、弱特征目标及关键区域信息的表达能力。在特征融合阶段改进原有路径聚合结构，构建增强特征金字塔模块，以提升多尺度特征的传递效率、融合质量和复杂场景适应能力。结合港口现场实际需求，利用三角锥检测结果对作业危险区域进行动态划定，并通过射线判别策略实现区域入侵识别。为验证方法有效性，构建自制数据集，并在公共数据集上进行对比实验与消融实验。结果表明，改进方法在检测精度、召回能力和实时性之间取得了较好平衡，在自制数据集和公共数据集上的平均精度均优于多种对比模型。现场部署与测试结果进一步表明，该方法具有较好的工程应用价值和推广前景。

关键词

图像处理 / 深度学习 / 目标检测 / 特征融合 / 危险区域入侵检测 / 港口监控

基金资助

河北省自然科学基金(23280301Z)