文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于YOLOv8的校园候车点人群计数系统设计与实现

陈俊

（贵州大学 计算机科学与技术学院，贵州 贵阳 550025）

栏目：人工智能 · 第 2025 年第 5 期 · 页码：72-77 · 2096-4706（2025）05-0072-06 · 中图分类号：TP391.4 · 文献标识码：A · DOI：10.19850/j.cnki.2096-4706.2025.05.013

摘要

当前，国内智慧校园建设蓬勃发展，但在校园候车点人群计数方面仍存在不足。因识别目标重叠、背景环境复杂，难以兼顾识别速度与准确率。针对该问题，文章提出一种基于CNN和YOLOv8模型的方法。通过深入探讨与分析YOLOv8模型的创新点，设计了一个基于YOLOv8的校园候车点人群计数系统。最终，模型在自设数据集上的平均精度达到87.4%。并且，结合可视化设计将其融入系统，实现了较为准确的候车人群计数，为解决校园候车点人群计数问题提供了助力。

关键词

人群计数；CNN；YOLOv8；深度学习；目标检测

参考文献

  1. [1] BHATT C，KUKRETI A，PRATAP A，et al. Deep Learning for Crowd Counting: Addressing Crowd Density with Advanced Methods [C]//2024 Second International Conference on Advances in Information Technology （ICAIT）.Chikkamagaluru：IEEE，2024：1-5.
  2. [2] GUO W Y，YANG S P，HUANG Y Z，et al. CrowdTrans: Learning Top-down Visual Perception for Crowd Counting by Transformer [J].Neurocomputing，2024，587：127650.
  3. [3] JIANG X H，ZHANG L，XU M L，et al. Attention Scaling for Crowd Counting [C]//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Seattle：IEEE，2020：4705-4714.
  4. [4] 李淼，陈诺，安玮，等.面向事件相机探测无人机的双视图融合检测方法 [J].光电工程，2024，51（11）：49-59.
  5. [5] YU J L，YIN H Z，LI J D，et al. Enhancing Social Recommendation with Adversarial Graph Convolutional Networks [J].IEEE Transactions on Knowledge and Data Engineering，2022，34（8）：3727-3739.
  6. [6] TONG M L，FAN L Y，NAN H，et al. Smart Camera Aware Crowd Counting via Multiple Task Fractional Stride Deep Learning [J].Sensors，2019，19（6）：1346.
  7. [7] JIANG X H，ZHANG L，ZHANG T Z，et al. Density-aware Multi-task Learning for Crowd Counting [J].IEEE Transactions on Multimedia，2021，23：443-453.
  8. [8] HU Q，LI G P. Crowd Counting Study Based on Low Light Image Enhancement [C]//2023 4th International Conference on Computer Engineering and Application （ICCEA）.Hangzhou：IEEE，2023：792-796.
  9. [9] KHAN D，HO I W-H. CrossCount: Efficient Device-free Crowd Counting by Leveraging Transfer Learning [J].IEEE Internet of Things Journal，2023，10（5）：4049-4058.
  10. [10] 赵浩宇.基于多尺度神经网络和元学习的密集人群计数算法研究 [D].南昌：南昌大学，2022.
  11. [11] 姚肇亮.密集场景人群计数算法研究 [D].南京：南京理工大学，2021.

基金项目

贵州大学大学生创新创业训练计划项目（gzusc2023056）

作者简介

陈俊（2002—），男，汉族，贵州赤水人，本科在读，研究方向：目标检测。