计算机科学与探索

作者：傅裕, 高树辉

单位：中国人民公安大学 侦查学院，北京 100038

关键词：姿态估计,YOLOv8s-Pose,GhostNetV2网络,加权双向特征金字塔网络,损失函数

基金：中国人民公安大学刑事科学技术双一流创新研究专项（2023SYL06）。

针对现有人体姿态估计模型计算量大、检测速度慢等问题，提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f，减少参数量，提高模型速度。引入Non_Local注意力机制捕捉并传递人体关键点位置，直接融合全面的信息，为后续的层级提供更为丰富和深入的语义信息，提升整体的信息处理深度和广度，强化特征提取的效能，减少模型轻量化后精度降低问题，再将neck层引入加权双向特征金字塔网络，通过双向融合的理念，对自顶向下和自底向上的信息流动路径进行了重新规划，确保在处理不同尺度的特征信息时达到良好的平衡，给网络增加一个小目标检测头，减少对小目标的漏检情况，将CIOU损失函数更换为Focal-EIOU损失函数，以增强对复杂场景和多目标场景下的鲁棒性。实验结果表明，改进后的实验模型参数量降低了9.3%，在COCO2017人体关键点数据集上，与原模型相比mAP@0.50提升了0.4个百分点，mAP@0.50:0.95提升了0.6个百分点。可见，所提出的轻量化改进算法在减少模型参数量的同时，提升了人体姿态估计的算法精度，尤其对小目标检测有显著改善，为实现实时准确的姿态估计提供了有效手段。

来源：2025年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第3期