买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北电力大学申请的专利一种基于改进YOLOv8n的拥挤场景行人检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119540869B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411691449.7，技术领域涉及：G06V20/52；该发明授权一种基于改进YOLOv8n的拥挤场景行人检测方法是由周欣欣;谢春迎;李育才;李纯祯;姜万昌设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于改进YOLOv8n的拥挤场景行人检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv8n的拥挤场景行人检测方法，具体包括以下步骤：（1）建立拥挤场景行人数据集；（2）为数据集中的图像添加标注信息；（3）构建基于改进YOLOv8n的拥挤场景行人检测模型；（4）采用训练集和验证集对模型进行训练，并将训练好的模型保存为最优模型；（5）采用测试集对最优模型进行测试，测试结果满足精度要求，即获得最终的基于改进YOLOv8n的拥挤场景行人检测模型。相较于现有技术，本发明公开的一种基于改进YOLOv8n的拥挤场景行人检测方法，有效降低了拥挤场景下行人检测的误检率和漏检率。

本发明授权一种基于改进YOLOv8n的拥挤场景行人检测方法在权利要求书中公布了：1.一种基于改进YOLOv8n的拥挤场景行人检测方法，其特征在于，具体包括以下步骤：步骤1：获取拥挤场景行人图像，形成第一数据集；所述第一数据集中的图像可通过网络进行收集获取、数码相机进行拍摄、或者从监控视频中获取；步骤2：为所述第一数据集中的图像添加标注信息，形成第二数据集，并将所述第二数据集划分训练集、验证集和测试集；步骤3：构建基于改进YOLOv8n的拥挤场景行人检测模型，所述模型包括主干网络，特征融合网络DCPAN和头部网络，所述模型的构建进一步包括步骤3.1至步骤3.3：步骤3.1：所述主干网络由依次连接的卷积层1、卷积层2、C2f模块1、卷积层3、C2f模块2、卷积层4、C2f模块3、卷积层5、C2f模块4和SPPF模块组成；将所述第二数据集中的训练集和验证集作为所述主干网络的输入；所述主干网络通过C2f模块1、C2f模块2、C2f模块3和SPPF模块分别输出4种不同尺度的特征信息；步骤3.2：所述特征融合网络DCPAN，在YOLOv8n颈部网络的基础上，增加了卷积层7、卷积层8、卷积层9和新的特征尺度融合层，并使用DiFPN模块替换YOLOv8n颈部网络的Concat模块；所述新的特征尺度融合层，依次由卷积层6、上采样1、DiFPN模块3、C2f模块7、卷积层10组成；所述SPPF模块的输出作为所述卷积层9的输入，所述卷积层9的输出传输至自顶向下的路径中，同时，所述卷积层9横向跨越连接至自底向上路径中的DiFPN模块6；所述C2f模块3的输出作为所述卷积层8的输入，所述卷积层8的输出作为DiFPN模块2的输入，同时，所述卷积层8横向跨越连接至自底向上路径中的DiFPN模块5；所述C2f模块2的输出作为所述卷积层7的输入，所述卷积层7的输出作为DiFPN模块1的输入，同时，所述卷积层7横向跨越连接至自底向上路径中的DiFPN模块4；所述C2f模块1的输出作为所述卷积层6的输入，所述卷积层6横向跨越连接至自底向上路径中的DiFPN模块3，同时，上采样1的输出也作为DiFPN模块3的输入；所述DiFPN模块3的输出作为C2f模块7的输入，所述C2f模块7的输出作为卷积层10的输入，所述卷积层10的输出作为DiFPN模块4的输入；所述DiFPN模块1、DiFPN模块2、DiFPN模块3和DiFPN模块6有2个输入，有2个输入的DiFPN模块包含2个DCNv4模块和1个加权融合模块；DiFPN模块4和DiFPN模块5有3个输入，有3个输入的DiFPN模块包含3个DCNv4模块和1个加权融合模块；步骤3.3：所述头部网络包括4个检测头；将C2f模块10的输出作为检测头4的输入；将C2f模块9的输出作为检测头3的输入；将C2f模块8的输出作为检测头2的输入；将C2f模块7的输出作为检测头1的输入；步骤4：采用所述训练集和验证集对所述基于改进YOLOv8n的拥挤场景行人检测模型进行训练，将训练好的模型保存为最优模型；所述基于改进YOLOv8n的拥挤场景行人检测模型训练过程，进一步包括步骤4.1至步骤4.4：步骤4.1：设置所述基于改进YOLOv8n的拥挤场景行人检测模型训练参数；模型训练参数包括：迭代轮数、批次大小、优化器、学习率、动量、权重衰减和线程数；步骤4.2：将所述训练集和验证集以及对应标签输入到所述基于改进YOLOv8n的拥挤场景行人检测模型中，使用反向传播算法计算损失函数对模型参数的梯度；步骤4.3：使用优化器来更新模型参数，使其朝着梯度下降的方向更新；直到训练集和验证集的损失函数不再下降，同时准确率P、召回率R、mAP评价指标也不再提高；步骤4.4：将训练好的模型参数保存为最优模型；步骤5：采用所述测试集对所述最优模型进行测试，对测试集的测试结果进行客观评价指标评估，满足精度要求，获得最终的基于改进YOLOv8n的拥挤场景行人检测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北电力大学，其通讯地址为：132000 吉林省吉林市长春路169号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。