复杂场景下基于YOLO_CDG网络的多行人目标检测方法

本发明公开了一种复杂场景下基于YOLO_CDG网络的多行人目标检测方法，旨在解决人流密集、遮挡严重场景中多行人检测的小目标漏检、模型冗余及定位不准问题。首先，基于YOLOv8，删除骨干网络冗余卷积融合层并调整检测头尺寸，精简架构以减少小目标特征稀释；其次，设计上下文注意力模块CoAM并嵌入骨干网络，通过捕捉密集行人的跨目标上下文关联，强化遮挡场景下特征区分度；接着，提出改进的C2f_G模块替换颈部C2f模块，减少参数量，平衡复杂场景下的检测性能与边缘部署效率；然后，设计含深度可分离卷积的SPPF_DSC多尺度融合层，替代原SPPF层，增强远处小尺寸行人的细粒度特征感知；最后，采用WIOU v3优化边界框损失函数，提升密集人流中目标定位精度，最终构建多行人检测模型。