电子测量技术

作者：黄思禄，钟寒

单位：中国人民公安大学信息网络安全学院 北京 100038

关键词：密集行人检测;YOLO11;轻量化模型;多尺度卷积;动态注意力机制

基金：高等学校学科创新引智基地项目（B20087）、中国人民公安大学“双一流”创新研究项目（2023SYL07）资助

在密集行人场景中，由于遮挡严重、小目标多、尺度变化大，且环境复杂，容易造成行人漏检、错检及定位不准等问题。针对以上挑战，本文提出了一种轻量化的密集行人检测算法DC-YOLO。该算法基于YOLO11n，在主干网络上提出了轻量级特征提取网络EfficientNetV2S-S3，提高模型对小目标和多尺度目标的特征提取能力，降低模型参数量和计算成本；在颈部网络上提出了P-LightNeck模块，进一步提高了对小目标的特征融合能力，实现检测精度与效率的协同优化；引入RepNCSPELAN4卷积模块，通过多尺度卷积和重参数化技术，强化遮挡目标的特征提取能力，并提高推理效率；设计了动态多尺度协同注意力模块DynaMSAttn，增强模型对不同尺度目标和复杂环境的适应性。实验结果显示，与YOLO11n相比，DC-YOLO算法在CrowdHuman数据集上，mAP@0.5、mAP@0.5-0.95分别提升4.7%和4.5%，同时参数量降低了46.2%，通过对比实验和消融实验，验证了DC-YOLO算法在密集行人检测任务中具有优秀的检测效果和鲁棒性。

来源：2026年第3期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第3期