基于YOLOv8的景區異常目標檢測系統的設計與實現

關鍵詞： 異常識別；目標檢測；YOLOv8；監控預警；智慧景區

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2025）03-0016-05 開放科學（資源服務） 標識碼（OSID） ：

0引言

隨著生活水平的提高，越來越多的人選擇旅行，但這也帶來了景點管理上的挑戰[1]。主要問題包括游客過多導致的擁擠和安全事故、游客分布不均影響體驗，以及潛在的安全風險，如游客進入禁止區域、火災、山體滑坡和兒童失蹤等[2]。為了解決這些問題，開發了智慧景區監控預警系統。該系統利用攝像頭等設備實時監測景區內的風險情況，能夠在第一時間檢測人員分布、判斷是否有人員進入危險區域的行為以及景點是否發生意外事故。一旦發現相關跡象，系統會自動觸發報警，通知相關部門進行緊急處理，從而大大提高對異常行為的救援效率。

近年來，基于視頻的異常監控已成為國內外學者的重要研究領域，并取得了一些成果。柴等人[3]在YOLOv8[4]的基礎上，針對異常行為目標檢測中存在的目標分布密集、尺度變化范圍較大、檢測背景較為復雜等問題，將注意力機制CA引入主干網絡部分的C2f 模塊，從而增強網絡在復雜背景下對目標的關注能力；高等人[5]基于YOLO網絡結構，結合行人在圖像中呈現寬高比小的特點，聚類選取合適的候選框數量和規格，調整候選框在X、Y軸方向的分布密度，構建了適用于行人檢測的網絡結構；Chen 等人[6] 引入CFG_SI_YOLO模型進行道路標線缺陷檢測，該模型通過多通道的CoordConv模塊，根據道路標線缺陷的分布特點，增強了網絡對細微細節的關注能力，有效避免了模型壓縮和池化操作造成的道路標線信息丟失。由此可見，國內外學者通過優化不同的結構模型，提高了異常檢測的準確性和效率。

本文提出了一種基于YOLOv8的景區異常目標檢測系統，并構建了視頻監控與告警聯動的閉環管理系統，有效提升了景區安全管理效能。

1 系統框架結構設計

本系統設計基于YOLOv8算法，主要分為三個模塊：服務器模塊、AI推理服務模塊和后臺管理模塊。示意圖如圖1所示。服務器模塊負責將監控采集到的視頻傳遞給異常識別接口進行推理分析和異常檢測，并將最終的處理結果傳送到后臺管理模塊。

1.1 服務器模塊

系統采用阿里云服務器，服務器模塊通過建立網絡連接接收客戶端發送的視頻數據流，并對其進行解碼處理。有時還會存儲數據，以供進一步分析或使用。

1.2 AI 推理服務模塊

LOv8A目I推標理檢服測務模模塊塊、目包標括追視蹤頻模數塊據和預行處為理識模別塊模、Y塊O。?首先，視頻在服務器上進行預處理，確定檢測目標，并調整檢測框的大小和幀率。隨后，通過YOLOv8進行目標檢測、追蹤并識別異常行為。當異常行為發生時，啟用目標追蹤模塊，追蹤異常行為發生的位置，并進行行為識別。處理結果傳回服務器，若檢測到異常，則發送警告，由管理中心進行處理。

1.3 后臺管理模塊

終端通過電腦和手機實時監控景區的異常情況。當識別到異常情況時，客戶端界面會發出警告并自動標記異常位置。異常信號會傳送至管理中心，管理中心模塊包括數據存儲與管理模塊、報警處理模塊和系統運行管理模塊，這三個模塊互不干擾。

1） 數據存儲與管理模塊負責存儲和管理視頻數據處理結果，便于快速查看。

2） 報警處理模塊在YOLOv8檢測與追蹤發現異常行為后觸發報警，提醒管理人員立即處理。

3） 系統運行管理模塊負責系統日常運行的維護，包括日志記錄和參數配置，以保障系統的運行效率和穩定性。

2 關鍵技術的實現

2.1 YOLO 目標檢測

常見的目標檢測算法主要有兩種，分別是One- stage算法[7]和Two-stage算法[8]。其中，One-stage算法（如YOLO[9]和SSD[10]） 直接在圖像上預測目標的位置和類別，無須生成候選框。這些算法將目標檢測問題轉化為回歸問題，通過在圖像上預測目標的位置和類別完成檢測。

YOLO系列是一種快速目標檢測算法，自2015年推出以來，經過多個版本的迭代不斷優化。該算法通過將目標檢測簡化為回歸問題來提高檢測速度，但在檢測小目標和復雜場景時可能存在準確度不足的問題。此外，YOLO算法因其快速處理能力，廣泛應用于視頻監控、自動駕駛、醫學圖像分析和工業自動化等領域，在實時目標識別和檢測任務中發揮了重要作用。

該算法將輸入圖像劃分為網格單元，每個單元負責預測落入其中的目標框。通過端到端的方式，直接在整幅圖像上預測目標的位置和類別，并使用非最大抑制（NMS） 篩選出最終的檢測結果。具體工作流程為：YOLO網絡將待檢測圖像劃分為n×n的網格，每個網格負責跟蹤和識別物體中心位置落在該網格中的目標邊界和類別。這種端到端的檢測方法速度較快，每秒可檢測幾十幀圖像[11]。

2.2 YOLOv8算法

YOLOv8是YOLO系列的改進版本，該算法不斷引入新功能和優化，以滿足不同任務的需求。本系統選擇使用YOLOv8進行目標檢測。YOLOv8通過單個神經網絡同時預測邊界框和類別概率，相較于傳統目標檢測算法，具有更快的運行速度和更高的檢測效率。

YOLOv8的整體網絡結構主要由三個模塊組成：Head（輸入端） 、Backbone（主干模塊） 和Neck（中間特征提取模塊） ，其主要網絡結構如圖2所示。

2.2.1 輸入端（Head）

首先，輸入要求為640×640的圖像，對其進行圖像預處理、歸一化、通道轉換和維度調整等操作。

① 檢測頭：包含一系列卷積層和反卷積層，用于生成檢測結果。這些層負責預測每個錨框的邊界框回歸值和目標存在的置信度。

②分類頭：采用全局平均池化（Global Average Pooling）對每個特征圖進行分類，通過減少特征圖的維度，輸出每個類別的概率分布。分類頭的設計使得YOLOv8能夠有效處理多類別分類任務。

③ Anchor-free機制：減少了錨框的超參數設置，通過直接預測目標的中心點來簡化訓練過程。

④ 自適應NMS（Non-Maximum Suppression） ：改進了傳統的NMS算法，通過自適應調整閾值，減少誤檢和漏檢，提高檢測精度。

⑤自動混合精度訓練（Automatic Mixed Precision Training） ：通過在訓練過程中動態調整計算精度，加快訓練速度，同時減少顯存占用。

2.2.2 Backbone模塊

Backbone模塊負責特征提取，采用了一系列卷積和反卷積層，同時使用了殘差連接和瓶頸結構來減小網絡的大小并提高性能。該模塊由多個C2f模塊和空間金字塔池化（SPPF） 模塊組成。其中，C2f模塊是一種用于融合局部特征和全局特征的技術，能夠在特征提取階段將不同層級的特征圖進行融合，從而提高特征的豐富性和多樣性。通過C2f模塊，網絡可以更全面地提取特征，從而提升模型的性能和準確性。此外，Backbone模塊還包括一些常見的改進技術，如深度可分離卷積（Depthwise Separable Convolution） 和膨脹卷積（Dilated Convolution） ，以進一步增強特征提取能力。

Backbone中的卷積模塊（Conv） 是神經網絡中最常見的一種層，用于提取輸入數據的特征。卷積操作通過滑動一個濾波器（卷積核） 在輸入數據上，在不同位置進行加權和求和操作，從而得到輸出特征圖。卷積操作能夠有效提取輸入數據的局部特征，是深度神經網絡中至關重要的組成模塊。

此外，SPPF 模塊被應用于特征提取網絡（Back? bone） 和頸部網絡（Neck） 之間。特征提取網絡負責提取輸入圖像的特征信息，而頸部網絡則負責將這些特征信息進行融合和整合。SPPF模塊基于一種空間金字塔池化技術，該技術可以處理不同尺度的特征圖，并允許網絡在多個尺度下對特征圖進行池化操作，實現局部特征和全局特征的融合，從而提高特征表達能力和網絡的泛化能力。通過SPPF模塊，網絡能夠更好地捕捉輸入數據的局部結構和全局信息，從而提升特征提取能力。面對不同的任務需求，SPPF模塊還可以通過調整池化層的數量和尺寸來適應。

2.2.3 Neck模塊

在YOLOv8模型中，Neck模塊負責對來自Back? bone的特征進行進一步處理和融合，以提高目標檢測的準確性。它通過引入不同的結構和技術，將多尺度的特征圖進行融合，從而更好地捕捉不同尺度目標的信息。

YOLOv8的Neck模塊采用了PAN-FPN結構，但不同于YOLOv5 中的PAN-FPN 結構，YOLOv8 刪除了PAN-FPN上采樣階段中的卷積結構，同時將C3模塊替換為C2f模塊。PAN-FPN結構將特征金字塔網絡（FPN） 與路徑聚合網絡（PAN） 相結合，以提高目標檢測的準確性和效率。其中，FPN結構通過在不同層級上建立特征金字塔，使模型能夠在不同尺度上進行目標檢測。它通過上采樣和下采樣操作，將低層級的細節特征與高層級的語義特征進行融合，以獲取更全面和豐富的特征。而PAN用于跨網絡的不同層聚合這些特征，這使得網絡能夠檢測不同大小和分辨率的目標。

YOLOv8模型采用C2f結構，通過多尺度特征融合和注意力機制解決了FPN在特征融合過程中可能存在的信息丟失和不完整問題。

3實驗及結果分析

3.1數據集

本系統采用兩類圖像數據：一部分是從COCO128 數據集中提取的，專注于“person”類別的圖像；另一部分來源于網絡圖片，涵蓋了火災、溺水和山體滑坡等緊急場景。所有圖像均以JPG格式保存。

考慮到不同類別樣本數量的差異可能會影響模型的識別效果，本系統對火災、溺水、山體滑坡等樣本數不足的類別，通過翻轉、隨機旋轉、裁剪等數據增強手段增加了樣本數量，使各類樣本數達到基本平衡。最終構建了包含4963張圖像的數據集，其中包括了person、火災、溺水、山體滑坡等類別。

3.2訓練方法

遷移學習是一種通過利用在一個相關領域上訓練得到的模型知識，加速在另一個不同但相關領域上的訓練過程的方法。即使在目標領域數據較少的情況下，遷移學習也能獲得較好的性能。它基于源領域和目標領域之間的相似性，使源領域學習到的特征表示能夠對目標任務有所幫助。

遷移學習通常包括以下步驟：1） 選擇一個在相關任務上預訓練的模型，提取或利用該模型學習到的特征表示；2） 根據新任務的需求調整模型結構；3） 凍結模型的某些層以保留已學習的特征；4） 微調其他層以適應新任務；5） 在目標任務的數據上進行訓練，以優化模型對新任務的適應性；6） 最終評估并迭代模型性能。

在選擇預訓練模型時，應考慮以下因素：模型與目標任務在特征和結構上的相似性、預訓練數據集與目標數據集的一致性、模型在源任務上的性能表現、所需的計算資源以及模型的通用性，以確保模型能夠有效地將源任務中學到的知識遷移到目標任務中。

凍結參數：通過設置參數的requires_grad屬性為False，可以防止這些參數在訓練過程中更新。這通常適用于模型的早期層，因為它們捕獲的是更通用的特征。

微調參數：對于模型的后期層，特別是那些與特定任務相關的層，可以設置requires_grad為True，以便在訓練過程中更新這些參數。

本次遷移學習將COCO128數據集作為源域，訓練YOLOv8n模型，使模型充分學習復雜特征。隨后，將自制的數據集作為目標域，繼續訓練YOLOv8n模型，使其具備識別人、火災、溺水和山體滑坡的能力。遷移學習流程圖如圖3所示。

3.3實驗平臺

本文實驗采用的操作系統為64位Windows 11家庭中文版，使用Pytorch 2.1.2+cu118深度學習框架開發環境，并在NVIDIA GeForce RTX 3060 Ti（16GB 顯存） 顯卡上進行訓練。使用的編程語言為Python和C#。

3.4 評價指標

實驗基于混淆矩陣[12]，采用精確率（Precision） 、召回率（Recall） 和平均精確度均值（mAP） （本文采用mAP@0.5） 來評估模型性能。

其中，TP 表示將正例預測為正例，FP表示將負例預測為正例，FN表示將正例預測為負例。

mAP@0.5是一種衡量目標檢測模型性能的指標，它表示在 IoU（交并比） 閾值設為0.5時，模型在各個類別上的平均精度的平均值。具體而言，當預測框與真實框的重疊度達到或超過 50%時，計算模型的平均精度，然后取所有類別的平均值，從而得到模型整體性能的綜合評估。mAP@0.5的評估結果具有平衡性、通用性和標準化的特點。

3.5實驗結果

3.5.1 消融實驗

消融實驗是一種采用模塊化方法的實驗設計，通過自動化腳本對基線模型的不同組件進行排列組合測試，全面評估每個模塊對性能的影響，并在多場景下驗證其適用性，以指導模型優化。本實驗選擇數據集規模、學習率和迭代次數三個主要影響因子分別進行消融試驗。

數據集規模直接影響模型的泛化能力，不同規模的數據集能夠提供不同程度的樣本多樣性。學習率作為控制模型權重更新步長的參數，決定了模型收斂的速度和穩定性。迭代次數則影響模型學習的充分性。

實驗共得到了27組訓練結果，如表1所示。

在表1的實驗中，使用了3種不同規模的數據集。包含900張訓練圖像的數據集被命名為ds900 數據集；從ds900數據集中隨機選擇400張圖像組成ds400 數據集；再從ds400數據集中隨機選擇200張圖像組成 ds200數據集。三個數據集的驗證集均相同。

為了對比不同的學習率，實驗采用了3組不同的學習率值，分別為0.001、0.005和 0.01。同樣地，實驗還采用了3組不同的迭代次數，分別為50、70和90。通過組合這些不同的參數，共得到了27組不同的實驗結果。

3種影響因子對模型效果的影響分析如下所示。

1） 數據集規模對模型效果的影響。實驗組21（大數據集） 在90輪訓練后，mAP@0.5（B） 值僅比實驗組12（小數據集） 高出0.05621。盡管兩者的數據集規模差異顯著，但模型性能的提升并不明顯。

2） 學習率對模型效果的影響。如圖4所示，9組實驗均采用ds200數據集。學習率為0.01的實驗（編號7-9） 表現較差，mAP@0.5（B） 值顯著低于學習率為0.001和0.005的實驗（編號1-6） 。實驗結果表明，過高的學習率可能導致模型性能下降和收斂問題。因此，合理調整學習率對于確保模型穩定收斂和提升性能至關重要。

3） 迭代次數對模型效果的影響。表1數據顯示，增加迭代次數并不總是能夠提升模型性能，有時甚至會導致性能下降。遷移學習已賦予模型基礎特征，適度微調（如實驗組25、26、27） 即可獲得良好效果。實驗顯示，50輪訓練后的 mAP@0.5（B） 值與70輪或90 輪訓練相近，表明模型已基本收斂。過度訓練（如實驗組 13、14、15）可能導致過擬合，特別是實驗組14的 mAP@0.5（B） 值比實驗組13降低了0.06957，進一步驗證了這一點。

3.5.2對比試驗

為驗證YOLOv8n的性能和推理準確率，本文對比了YOLOv5n、YOLOv7-Tiny和 YOLOv8n三個當前最經典的模型版本。通過在相同條件下的對比，有助于突顯YOLOv8n在檢測精度、處理速度和資源效率方面的優勢。

以上模型的訓練方式與表1中編號為27的實驗組一致，使用ds900數據集進行訓練，迭代次數為90，學習率為0.01。對比結果如表2所示。

如表2所示，YOLOv8n模型具有最高的召回率，達到了0.65495，mAP@0.5（B）值為0.63822。與YO-LOv5n 和YOLOv7-Tiny模型相比，YOLOv8n模型的mAP@0.5（B）值分別增加了0.11368和0.08770。

盡管YOLOv5n模型的大小最小，但其mAP@0.5（B）值并不高。由此可見，YOLOv8n在檢測精度和性能上超越了其他版本的YOLO模型。YOLOv8n的目標檢測效果圖如圖5所示。

實驗結果表明，YOLOv8在提高檢測速度和準確性方面具有顯著優勢，特別適合實時目標檢測。實驗過程中，不足之處在于對小目標的識別能力有限，泛化能力在復雜場景中仍需增強。此外，模型的計算復雜度較高以及對訓練數據的依賴性也構成了性能瓶頸。未來的改進方向包括優化網絡結構以降低資源消耗，提升小目標檢測能力和復雜環境的適應性，以及應用數據增強和遷移學習以提高泛化能力。

本系統使用完整的數據集（4 963張原始圖像） 進行訓練，并完成部署。訓練過程中設置迭代次數為60，學習率為0.01。訓練和驗證損失及準確率曲線如圖6所示。

box_loss為定位損失，是評估預測框與真實框誤差的指標，常用GIoU衡量，值越低表示定位越精確。圖5顯示，模型在訓練集和驗證集上均表現良好，誤差持續減少。

cls_loss為分類損失，用于衡量分類準確性，通常使用交叉熵損失函數，其值越小表示分類越準確。由圖5可見，模型在訓練集上的表現較好，而在驗證集上的表現一般，損失值先下降但最終有所上升。

dfl_loss為置信度損失，用于衡量模型對目標置信度的準確性，通常使用二元交叉熵損失函數，其值越小表示模型判斷目標的能力越準確。由圖5可見，模型在訓練集和驗證集上的損失值均呈下降趨勢。

Precision（B） 評估模型正確預測為正例的比例，Recall（B） 衡量模型識別所有正例的能力，mAP綜合反映模型在不同精度和召回率下的性能。由圖6可見，訓練過程中模型的相關指標均有所上升，表現出了較好的識別效果。最終異常檢測效果圖如圖7所示，圖8為具體的可視化大屏實時檢測結果界面。

4結束語

本文針對景區安全管理需求，提出了一種基于YOLOv8的異常目標檢測系統。該系統不僅利用了先進的深度學習技術，還結合遷移學習方法，實現了對多種異常行為的實時識別，并在實驗中取得了良好的效果。實驗結果表明，該系統具有較高的識別準確率和較快的推理速度，能夠有效提升景區安全管理的效能。

未來的研究可聚焦于集成更復雜的網絡結構、引入創新的注意力機制、融合多模態數據以及優化超參數調優策略，以進一步提高模型的精度和魯棒性。同時，將系統應用于實際場景時需考慮模型的輕量化、硬件兼容性、實時性能和用戶界面友好性，確保技術能夠在資源受限的環境和多樣化的應用需求中穩定運行。