一种基于改进卷积神经网络的人员闯入检测方法

本发明涉及计算机视觉和深度学习领域，尤其涉及一种基于改进卷积神经网络的人员闯入检测方法，旨在解决工业场景中传统技术存在的环境适应性差、检测精度低、误报率高以及缺乏实时性等问题。该方法通过对YOLOv8网络进行改进，包括在骨干网络加入全维度动态卷积，该卷积考虑了空域、输入输出通道等维度上的动态特性，提高了模型低分辨目标和小目标的检测精度；其次引入了感受野注意力模块，更好关注不同区域和通道的重要特征，提高复杂场景下特征提取的精确性。通过这种改进，本发明不仅提高了人员闯入检测的准确性，还增强了模型在复杂环境下的鲁棒性。