面向非机动车闯红灯识别的交通信号灯检测算法优化

Optimization of Traffic Signal Detection Algorithm for Non-Motorized Vehicle Red Light Running Recognition

摘要: 针对电动自行车闯红灯检测过程中交通信号灯存在着小目标漏检、复杂背景误检以及目标定位精度低等问题。提出了一种经过改进的YOLOv8检测方法，即YOLOv8n-BLI。首先在Head层构建BiFPN加权双向特征金字塔，强化对多尺度目标的感知能力。其次在Head的C2f模块之后引入了LSKA注意力机制，提升整个模型的鲁棒性。最后采用InnerMPDIoU取代原本的CIoU损失，提升定位的精度。实验表明：YOLOv8n-BLI检测模型其精确率P、召回率R以及平均精度mAP@0.5分别达到94.8%、92.5%以及94.6%，与近年主流轻量级模型YOLOX-s、PP-YOLOE-s、NanoDet-Plus对比，在保持154.7 FPS推理速度的同时，mAP@0.5分别提高3.9%、2.5%、4.3%。

Abstract: For the detection of red light violations by electric bicycles, there are issues such as small target missed detection, complex background false detection, and low target localization accuracy in traffic signals. A modified YOLOv8 detection method, namely YOLOv8n-BLI, is proposed. First, a weighted bidirectional feature pyramid is constructed in the Head layer to enhance the perception of multi-scale targets. Second, an LSKA attention mechanism is introduced after the C2f module in the Head to improve the robustness of the entire model. Finally, InnerMPDIoU is used instead of the original CIoU loss to enhance localization accuracy. Experiments show that the YOLOv8n-BLI detection model achieves an accuracy rate P, recall rate R, and mean average precision mAP@0.5 of 94.8%, 92.5%, and 94.6%, respectively. Compared with mainstream lightweight models such as YOLOX-s, PP-YOLOE-s, and NanoDet-Plus, while maintaining 154.7 FPS inference speed, mAP@0.5 increases by 3.9%, 2.5%, and 4.3%, respectively.

1. 引言

在城市交通发展的进程当中，电动自行车的身影随处可见。凭借着绿色环保、使用便捷以及快递送餐等互联网经济的有力推动，电动自行车已然成为市民日常出行以及运营企业开展业务的重要工具[1]。截止2022年，我国电动自行车的保有量将近4亿辆，在数量不断增长的情况之下，与之相关的交通事故也在不断增加[2]。当下，电动自行车闯红灯的行为普遍存在。目前常用的闯红灯抓拍系统是由电子监控设备以及物理传感器共同构成的，其原理是在停止线所在的区域地下埋设地压式的磁感应线圈，当机动车驶过该区域时，会引起压力的变化并产生脉冲信号，在红灯亮起的周期内，如果连续出现两个脉冲信号，那么就会判定为闯红灯行为并进行抓拍[3]。这种方法对于重型机动车是适用的，然而因为电动自行车的质量较轻，所以该方法就失效了。利用深度学习技术来实时检测电动自行车闯红灯的行为，对于节省人力物力而言有着十分重要的意义。国内外的相关研究大多聚焦于基于深度学习的目标检测算法，该领域可以分为一阶段检测算法以及双阶段检测算法，这两种算法都具备良好的速度以及性能表现。其中，基于卷积神经网络CNN的算法是比较流行的[4]。以FasterR-CNN为例，它是双阶段检测算法的一种，其流程是先通过CNN生成卷积特征图，然后选出特征区域，提取该区域的特征之后再将其输入分类器来完成预测工作，不过这种方法需要对每一个候选区域单独进行处理，所以检测的速度会比较慢。以YOLO为例，它是单阶段检测算法的一种，该算法摒弃了对特征区域的提取环节，而是直接通过CNN来预测目标的位置以及类别，虽然其检测速度较快，但是精度相较于双阶段算法而言要略低一些。近年一些主流模型在交通场景里都有一定应用，不过在信号灯小目标、复杂背景干扰和边界模糊的联合场景下依旧存在优化空间。针对在复杂背景环境下识别交通信号灯这种小目标时存在的漏检以及误检等问题，本文着重改进的是电动自行车闯红灯检测这一场景。

2. YOLOV8n算法的改进

2.1. BiFPN加权双向特征金字塔网络模块

为了进一步提升对远距离且尺寸较小的交通信号灯的特征捕捉能力，本文在BiFPN模块里针对特征金字塔做了尺度扩展方面的处理，具体是通过将P5特征图进行2倍的下采样来生成P6特征图，接着又对P6进行下采样以生成P7特征图，如此一来便形成了包含P3至P7这五个尺度的特征金字塔。后续BiFPN所开展的特征融合操作都是围绕着这个五尺度特征来实施的，在此之中，P3至P5主要聚焦于中近距离的信号灯情况，而P6与P7则是专门用来适配远距离的小目标情形。本文提出的自适应加权BiFPN，核心改进在于引入交通场景导向的权重学习约束，通过在训练过程中加入信号灯尺度感知损失，引导模型动态调整不同尺度特征的权重分配。具体而言，对于像素 ≤ 400的远距离小尺度信号灯，强化浅层高分辨率特征的权重，对于近距离大尺度信号灯，提升深层语义特征的贡献度，从而实现对多尺度目标的精准适配。理论层面，自适应权重机制通过引入尺度感知损失函数$L_{scale}$ ，使权重更新过程与信号灯尺寸强相关，其梯度更新如公式(1)所示：

$w_i=\max \left(0,w_i^0+\eta \cdot \lambda \cdot L_{scale}\right)$ (1)

其中，尺度感知损失函数$L_{scale}$ 为，$w_{small,i}$ 表示的是像素 ≤ 400的小尺度信号灯特

征所对应的权重，$w_{large,i}$ 表示的是像素 > 400的大尺度信号灯特征所对应的权重，$N$ 为特征融合节点的数量。这个损失通过对不同尺度特征的权重差异加以约束，以此来引导模型在检测小目标的时候，能够自动地提升浅层高分辨率特征的权重；而在检测大目标的时候，则去提升深层语义特征的权重，从而解决了原始BiFPN固定权重所引发的小目标特征稀释这一问题，$\eta$ = 0.01为学习率，$\lambda$ = 0.3为尺度损失权重系数，$L_{scale}$ 通过计算预测框尺寸与真实框尺寸的偏差实，以此来达成不同尺度目标的权重引导，进而确保小目标特征在融合过程当中不被稀释。以交通信号灯识别关键的P6尺度特征融合为例，高层到低层生成中间特征$P_6^{\text{td}}$ 的过程如公式(2)所示：

$P_6^{\text{td}}=\text{Conv}\left(\frac{w_1\cdot P_6^{\text{in}}+w_2\cdot \text{Resize}\left(P_7^{\text{in}}\right)}{w_1+w_2+\epsilon }\right)$ (2)

式中，$w_1$ 、$w_2$ 为可学习权重，检测远距离小尺度信号灯时，网络会为P6原始特征$P_6^{\text{in}}$ 分配更大$w_1$ 以强化信号灯细节，检测近距离大尺度信号灯时，会为上采样后的P7特征$Resize\left(P_7^{\text{in}}\right)$ 分配更大$w_2$ 以强化灯色语义。$\epsilon ={10}^{-4}$ 用于避免分母为0的数值不稳定问题，Conv采用3 × 3深度可分离卷积，在加工融合特征的同时降低约80%计算量，适配实时检测需求。而低层到高层生成最终输出特征$P_6^{\text{out}}$ 的公式如(3)所示：

$P_6^{\text{out}}=\text{Conv}\left(\frac{w_1^{\text{'}}\cdot P_6^{\text{in}}+w_2^{\text{'}}\cdot P_6^{\text{td}}+w_3^{\text{'}}\cdot \text{Resize}\left(P_5^{\text{out}}\right)}{w_1^{\text{'}}+w_2^{\text{'}}+w_3^{\text{'}}+\epsilon }\right)$ (3)

该公式通过引入P5融合特征$P_5^{\text{out}}$ 的细节信息，进一步优化$P_6^{\text{out}}$ 的定位精度，例如在交通信号灯边框被雨水模糊时，$P_5^{\text{out}}$ 中的清晰边框细节可帮助修正预测偏差。其中$w_1{}^{\text{'}}$ 、$w_2{}^{\text{'}}$ 、$w_3{}^{\text{'}}$ 通过自适应学习获得，强化相邻尺度特征的互补作用。为解决传统特征融合等权重相加导致的关键特征稀释问题，BiFPN设计三种加权策略，其中快速归一化融合最适配交通场景，快速归一化融合通过ReLU约束权重非负，再通过求和归一化动态分配特征重要性，如公式(4)所示：

$w_i=\max \left(0,{\widehat{w}}_i\right)$ (4)

式中${\widehat{w}}_i$ 为网络预测的原始权重，该策略在交通信号灯识别中表现出明确的场景适配性，当信号灯被树枝遮挡时，网络会为未遮挡区域的原始特征分配更大$w_i$ ，同时保留融合特征中的全局语义。此外，BiFPN通过复合系数$\varphi$ 对联合缩放宽度、深度与输入分辨率，$\varphi =0$ 对应YOLOv8n，$\varphi =7$ 对应YOLOv8x，其中宽度缩放公式如公式(5)所示，确保不同尺度模型均能平衡精度与效率：

$W_{bifpn}=64\cdot \left(\begin{array}{c}{1.35}^{\varphi }\end{array}\right)$ (5)

从结构对比来看，图1展示了FPN、PANet、BiFPN的演进过程，可见BiFPN通过移除冗余节点、增设双向通路，实现更高效的特征交互。

Figure 1. The evolution of FPN, PANet, and BiFPN

图1. FPN、PANet、BiFPN演进过程

2.2. LSKA注意力机制模块

本文针对LSKA展开定制化改进，核心参数的设置如下，采用7 × 7等效卷积核，以此来适配信号灯灯盘的典型尺寸。在YOLOv8的Head部分的C2f模块之后引入了LSKA注意力机制模块，利用其大分离卷积核来对特征加以筛选，以此进一步强化对交通信号灯关键区域特征的捕捉力度，并且通过核分解策略来对计算效率和检测精度加以平衡，进而能够大幅提升模型在复杂场景之中的鲁棒性[5]。LSKA最为关键的创新之处就在于将大核分解与串联卷积相互融合起来，它成功解决了传统LKA模块因为使用二维大卷积核而致使计算量过于庞大的问题，具体来讲就是把一个2D大卷积核拆解成两个彼此独立的1D卷积核[6]。这两个1D卷积核经过串联运算之后，便具备了和原先2D卷积核同样的空间特征建模能力，与此同时还将参数计算量从O (k²)降低到了O (2k)，这里的k指的是原来核的尺寸。其中d为扩张率，本文设置d = 3，确保感受野覆盖典型灯盘尺寸。以YOLOv8的Head的C2f模块所输出的特征图$F\in {ℝ}^{C\times H\times W}$ 为例，其中C为通道数，H、W为特征图尺寸，LSKA的特征加工过程如公式(6)~(9)所示：

(6)

(7)

$A^C=W_{1\times 1}\text{*}{Z}^C$ (8)

${\overline{F}}^C=A^C\otimes F^C$ (9)

式中，$$ d$$为张率，$W_{\left(2d-1\right)\times 1}^C$ 与$W_{1\times \left(2d-1\right)}^C$ 分别为水平与垂直1D深度卷积核，$A^C$ 为生成的注意力权重图，$\otimes$ 为Hadamard积，$F^C$ 代表输入特征图。在识别远距离红灯时，网络会为灯色区域的特征分配更大权重，而对背景中的路灯特征分配低权重，实现关键特征聚焦。在YOLOv8中准确地检测出图像中的目标物体，特征表达能力是实现这一任务的基础[7]。图2对比了LKA与LSKA的结构差异。

Figure 2. Structural comparison of LKA and LSKA

图2. LKA与LSKA结构对比图

2.3. InnerMPDIoU损失函数

交通信号灯的定位精度会直接影响行为判定的公正性以及准确性。要是信号灯边界框出现2至3像素的偏差，那么就有可能把红灯时车辆没有越线的情况误判成闯红灯越线，又或者因为漏检灯芯而使得已经闯红灯的行为没有被识别出来。所以，信号灯定位必须要达到能够适配判定需求的毫米级精度。原始MPDIoU借助对角点距离约束的方式提升了定位精度，不过在小目标检测方面存在着梯度弥散。InnerMPDIoU损失函数针对交通信号灯场景做了优化处理，它依靠灯芯辅助框来对信号灯的核心区域加以聚焦。与此还引入了对角点距离约束，通过控制预测框与真实框的左上角、右下角点之间的距离，即便是在逆光导致灯体边界模糊的情况下，也能够确保预测框完整地覆盖灯盘。这两种优化举措都直指对判定有影响的定位问题，完美地适配了闯红灯场景对信号灯定位的特殊需求，有效地弥补了CIoU在判定支撑能力方面存在的核心缺陷。要明确辅助框比例参数ratio的取值依据，于是针对数据集中的信号灯尺寸展开统计分析。从数据集中随机选出1000个信号灯样本，然后计算每个样本中灯芯区域和完整灯盘的面积比。如表1所示，经过分析发现，这个面积比的数值大多集中在0.65至0.72这个区间范围之内。最终将ratio设定为0.68，以此来保证辅助框能够精准地覆盖到灯芯的核心区域。

Table 1. Area ratio of the wick region to the complete lamp disc

表1. 灯芯区域和完整灯盘的面积比

灯芯与灯盘面积比区间	样本数量(个)	占比(%)	累计占比(%)
[0.60, 0.65)	128	12.8	12.8
[0.65, 0.68)	312	31.2	44.0
[0.68, 0.70)	271	27.1	71.1
[0.70, 0.72]	229	22.9	94.0
>0.72	60	6.0	100.0
合计	1000	100.0	100.0

从表1中能够看出，在这1000个随机样本里面，面积比处于[0.65, 0.72]这个区间的样本，其累计占比达到了94.0%，这无疑成为了灯芯面积的主要分布范围所在，也充分说明该区间是能够将绝大多数样本的核心区域都涵盖进去的。再看[0.68, 0.70)这个区间，其样本占比为27.1%，并且以0.68作为分界点，左右两边的区间情况分别是这样的：[0.65, 0.68)这个区间的样本占比是31.2%，而[0.68, 0.70)这个区间的样本占比是27.1%，如此看来，样本分布是比较均衡的，这样就能够最大限度地防止出现因ratio偏向区间两端而引发的灯芯覆盖不全或者引入背景干扰等一系列的问题。最终确定选取0.68作为ratio，如此一来便能够确保辅助框可以精准地将92.3%样本的灯芯核心区域都覆盖到，进而为后续的边界框回归提供一个聚焦的依据。InnerMPDIoU损失函数推导过程如下，IoU (IntersectionoverUnion)作为最基础的边界框损失度量，仅考虑重叠区域，IoU的推导公式如公式(10)所示：

$IoU=\frac{B_{pred}\cap B_{gt}}{B_{pred}\cup B_{gt}}$ (10)

其中$B_{pred}$ 为预测框，$B_{gt}$ 为真实框。GIoU在IoU基础上引入最小外接矩形，解决了IoU无重叠时梯度消失的问题，GIoU的推导公式如公式(11)所示：

$GIoU=IoU-\frac{\left|B_c-\left(B_{pred}\cup B_{gt}\right)\right|}{\left|B_c\right|}$ (11)

式中$B_c$ 为$B_{pred}$ 与$B_{gt}$ 的最小外接矩形，CIoU进一步考虑了中心点距离与长宽比，CIoU的推导公式如公式(12)~(15)所示：

$CIoU=IoU-\frac{{\rho }^2\left(b_{pred},b_{gt}\right)}{c^2}-\alpha v$ (12)

$\alpha =\frac{v}{\left(1-IoU\right)+v}$ (13)

$v=\frac{4}{{\pi }^2}{\left(arctan\frac{w_{gt}}{h_{gt}}-arctan\frac{w_{pred}}{h_{pred}}\right)}^2$ (14)

其中$b_{pred}$ 、$b_{gt}$ 分别为预测框与真实框的中心点，$\rho$ 为欧氏距离，c为最小外接矩形对角线长度，w、h分别为边界框的宽和高。MPDIoU在CIoU基础上增加了对角点距离约束，优化边界框整体定位精度，MPDIoU的推导公式如公式(15)所示：

$MPDIoU=IoU-\frac{{\rho }^2\left(P_1^{pred},P_1^{gt}\right)}{w^2+h^2}-\frac{{\rho }^2\left(P_2^{pred},P_2^{gt}\right)}{w^2+h^2}$ (15)

式中$P_1$ 、$P_2$ 分别为边界框的左上角和右下角点，w、h为输入图像的宽和高。InnerIoU通过生成辅助框聚焦核心区域，InnerIoU和辅助框的推导公式分别如公式(16)和(17)所示：

$InnerIoU=\frac{B_{pred}^{aux}\cap B_{gt}^{aux}}{B_{pred}^{aux}\cup B_{gt}^{aux}}$ (16)

$B_{aux}=[x_{gt}-\frac{w_{gt}\cdot ratio}{2},y_{gt}-\frac{h_{gt}\cdot ratio}{2},x_{gt}+\frac{w_{gt}\cdot ratio}{2},y_{gt}+\frac{h_{gt}\cdot ratio}{2}]$ (17)

本文提出的InnerMPDIoU融合Inner-IoU的核心区域聚焦与MPDIoU的对角点约束，最终损失推导公式如公式(18)所示：

$InnerMPDIoU=InnerIoU-\frac{{\rho }^2\left(P_1^{pred},P_1^{gt}\right)}{w^2+h^2}-\frac{{\rho }^2\left(P_2^{pred},P_2^{gt}\right)}{w^2+h^2}$ (18)

YOLOv8起初所运用的CIoU [8]损失函数，虽说可兼顾边界框的重叠情况、中心点间距以及长宽比例，然而在针对交通信号灯展开检测之际，却凸显出两大较为突出的问题。其一，该损失函数对于小目标的定位敏锐度不足，。其二，正负样本的优化状况失衡，于复杂背景之下，负样本的梯度影响过甚，使得正样本的优化成效有所降低。为了解决上述这些问题，便把YOLOv8 Head模块的损失函数从CIoU改换成了InnerMPDIoU。此方法融合了Inner-IoU [9]的尺度自适应辅助边界框以及MPDIoU [10]的几何特征精细优化，可更为精准地对交通信号灯的边界框加以回归，并且还能平衡正负样本的优化，大幅度提高了复杂场景之下的识别稳定程度。其中，辅助边界框的生成需基于真实框$B_{gt}$ 与$B_{pred}$ 预测框通过ratio参数控制辅助框尺寸，推导公式如公式(19)~(26)所示：

$B_{gt}={\left[x_{gt},y_{gt},w_{gt},h_{gt}\right]}^T$ (19)

$B_{pred}={\left[x_{pred},y_{pred},w_{pred},h_{pred}\right]}^T$ (20)

$x_c^{gt}=\frac{x_{gt,left}+x_{gt,right}}{2}$ (21)

$y_c^{gt}=\frac{y_{gt,top}+y_{gt,bottom}}{2}$ (22)

$b_l^{gt}=x_c^{gt}-\frac{w_{gt}\cdot ratio}{2}$ (23)

$b_r^{gt}=x_c^{gt}+\frac{w_{gt}\cdot ratio}{2}$ (24)

$b_t^{gt}=y_c^{gt}-\frac{h_{gt}\cdot ratio}{2}$ (25)

$b_b^{gt}=y_c^{gt}+\frac{h_{gt}\cdot ratio}{2}$ (26)

其中$x_{gt}$ ，$y_{gt}$ 为信号灯真实框的左上角坐标，$w_{gt}$ ，$h_{gt}$ 为灯体宽高，$x_c^{gt}$ ，$y_c^{gt}$ 为信号灯真实框中心点坐标，生成的辅助框$B_{gt}^{aux}=\left[b_l^{gt},b_t^{gt},b_r^{gt},b_b^{gt}\right]$ 可聚焦灯芯区域，避免背景噪声干扰损失计算。在识别远距离红灯时，辅助框能强化灯芯的红色特征区域回归。在此基础上，InnerMPDIoU引入MPDIoU的几何优化项，通过计算边界框对角点距离修正整体定位偏差。针对交通信号灯常因逆光导致边界模糊的问题，MPDIoU额外考虑预测框与真实框的左上角$P_1^{pred}$ ，$P_1^{gt}$ ，右下角$P_2^{pred}$ ，$P_2^{gt}$ 对角点距离，当信号灯由于光线的原因使得其右侧边界变得模糊起来的时候，该公式借助对右下角点距离加以约束的方式，促使预测框朝着真实框的对角点靠拢，如此一来，边界框的重叠程度便能够实现一定程度的提升。把辅助边界框和几何优化相互结合起来，进而获取到InnerMPDIoU的最终所对应的损失公式，InnerMPDIoU推导公式如公式(27)所示：

$\begin{array}{l}{L}_{InnerMPDIoU}=\\ 1-InnerMPDIoU=\\ 1-\left[\frac{B_{aux}^{pred}\cap B_{aux}^{gt}}{B_{aux}^{pred}\cup B_{aux}^{gt}}-\frac{{\rho }^2\left(P_1^{pred},P_1^{gt}\right)+{\rho }^2\left(P_2^{pred},P_2^{gt}\right)}{w^2+h^2}\right]\end{array}$ (27)

其中$B_{aux}^{pred}$ 为预测框对应的辅助框，通过与$B_{gt}^{aux}$ 相同的比例缩放规则生成，这样的融合设计一方面借助辅助框来处理小目标正负样本存在的不均衡状况，另一方面通过对角点距离加以优化的方式来解界出现模糊的相关问题。

2.4. YOLOv8n-BLI网络结构

Figure 3. YOLOv8n-BLI network architecture diagram

图3. YOLOv8n-BLI网络结构图

针对电动自行车闯红灯场景里的交通信号灯识别任务，原有的YOLOv8模型存在着一定的局限性，像是多尺度特征融合的效果欠佳、对关键特征的关注程度不够以及边界框定位不够精准等这些情况，针对这些情况，对模型展开了系统的改进工作，借助三个主要模块相互配合的方式，使得特征提取以及定位精度都得到了提升。在网络的Neck部分，将原来的PAN-FPN结构替换成了双向特征金字塔网络BiFPN。在Head部分的C2f模块之定制化大型可分离核注意力模块LSKA被加入进来。用InnerMPDIoU损失函数取代了原来的CIoU函核心参数ratio = 0.68。与此同时，还对训练过程中的样本匹配IOU计算方式进行了一定的调整，采用InnerMPDIoU作为匹配准则，以确保训练时的一致性。还根据实际应用的需求对整个网络做了相应的调整，设置了红、黄、绿三种信号灯类别，采用了轻量级的n尺度模型来适应嵌入式设备部署的要求，统一了BiFPN特征的通道维度为256维，这些改进模块形成了一个紧密配合的工作链条，BiFPN为LSKA提供多尺度特征基础，LSKA增强后的信号灯关键特征再由InnerMPDIoU实现精准边界框定位。改进后的网络结构如图3所示。

3. 实验结果与分析

3.1. 实验数据集构建

由于当前业内缺乏公开的相关数据集，所以本实验使用自制数据集，收集国内不同场景和不同角度下的交通信号灯图像，一共4564张图像，用labelimg进行标注，一共有red、green、yellow三个类别。按照8:1:1的比例把数据划分成训练集、验证集、测试集，在划分之后，红、黄、绿三类样本在各个子集里的占比和筛选后的总数据保持一致，防止出现类别失衡的情况，最后是类别加权，因为筛选后黄灯样本占比还是偏低，所以采用了类别加权损失策略，给黄灯样本分配了1.9倍的权重，红灯、绿灯分别分配1.0、1.2倍的权重，以此来平衡训练过程中各类别的优化优先级。这类数据集涵盖了城市道路、商业区、住宅区等多种场景，包含了晴天、阴天、黄昏等不同的光照条件，能够很好地支撑实验验证。交通信号灯类别数量分布如表2所示。

Table 2. Distribution of traffic signal light categories

表2. 交通信号灯类别数量分布

类别	数量
red	4182
yellow	987
green	2793

3.2. 实验环境及相关参数配置

实验环境及相关训练参数分别如表3、表4所示。其中关键的超参数已经清晰列出，BiFPN所堆叠的层数是3层，LSKA卷积核的尺寸为7 × 7，将之等效地拆解成1 × 7以及7 × 1这两种形式，InnerMPDIoU的ratio参数设定为0.68，类别权重依照red:yellow:green = 1.0:1.9:1.2这样的比例来进行设置。

Table 3. Experimental environment configuration

表3. 实验环境配置

名称	配置
操作系统	Ubuntu22.04
CPU	Intel(R) Xeon(R) Platinum 8481C
GPU	NVIDIA GeForce RTX 4090D 24GB
内存	80GB
Python版本	Python 3.12
CUDA	12.1
深度学习框架	PyTorch 2.3.0

Table 4. Experiment parameter settings

表4. 实验参数设置

参数名称	参数设置
Epochs	200
Batch size	32
workers	12
cache	ram
Input image size	640×640
multi_scale	False
amp	True
Optimizer	SGD
lr0	0.01
cos_lr	True
class_weights	red:yelloe:green = [1.0, 1.9, 1.2]

3.3. 评价指标

本文对模型的评价指标依据精确率(Precision, P)，召回率(Recall, R)、平均精准率(mean average Precision, mAP) [11]，进行评价。Map@0.5表示当置信度为0.5时，计算出对所有类别精准度的均值，Map@0.5-0.95表示在置信度为0.5到0.95之间，以步长0.05时，计算出对所有类别平均精准度的均值。这些指标的数值。各个指标的评价公式如公式(28)~(31)所示：

$P=\frac{TP}{TP+FP}$ (28)

$R=\frac{TP}{TP+FN}$ (29)

(30)

(31)

其中TP是指类别为正类，且模型预测类别为正类的样本，FP是指真实类别为负类，且模型预测类别为正类的样本，FN是指真实类别为正类，且模型预测类别为负类的样本。

3.4. 实验与分析评价

3.4.1. 消融实验

为了验证改进后的YOLOv8n-BLI模型的有效性，以YOLOv8n为基础模型，对改进后的模块依次做消融实验，使用精确率、召回率、平均精准率作为参考指标，实验结果如表5所示。

通过消融实验能够清晰地了解各个改进模块给模型性能所带来的影响。当单独引入BiFPN模块的时候，依靠其具备的多尺度特征融合方面的优势，模型的精确率相较于原始YOLOv8n提升了2.3%，召回率提升了5.8%，mAP@0.5提升了3.1%，mAP@0.5:0.95提升了4.3%，对于不同尺度的信号灯识别起到了颇为显著的帮助作用。在引入LSKA模块之后，精确率提升了2.1%，召回率提升了6.3%，mAP@0.5提升了3.9%，在单尺度高置信度检测方面取得了较为突出的进步。引入InnerMPDIoU损失函数的时候，尽管精确率出现了1.8%的下降情况，但是召回率却有了大幅度的提升，达到了8.8%，mAP@0.5也提升了4.1%，不过mAP@0.5:0.95仅仅提升了0.5%，可见单个模块进行改进所取得的效果是有限的。从模块组合实验的情况来看，在BiFPN与InnerMPDIoU相结合的时候，精确率提升了4.1%，召回率提升了6.7%，mAP@0.5提升了4.8%，在高置信度检测以及精确性方面都取得了相当显著的进步。而LSKA与InnerMPDIoU结合之后，召回率提升了8.0%，然而由于在不同IoU阈值之下配合得不够理想，mAP@0.5:0.95反而下降了1%，整体性能也因此有所降低。当BiFPN和LSKA直接组合起来的时候，精确率出现了大幅度的下滑情况，下降幅度达到了10%，最终精确率仅仅只有83.1%了，虽说mAP@0.5:0.95有所提升，提升了3.8%，可是整体的检测精确性受到了较为明显的影响。特征处理逻辑冲突的本质是由于BiFPN 通过加权融合多尺度特征，而LSKA过度强化局部特征，如此一来，使得背景噪声所对应的特征权重出现了异常升高的状况，进而致使准确率大幅度下降。为了能够解决BiFPN和LSKA这两个在维度方面存在的适配问题，也就是BiFPN的输出维度是256维，而LSKA的输入维度是128维，所以实验当中在它们二者之间加上了1 × 1卷积降维层，这个降维层的输入通道是256，输出通道是128，步长为1，padding设置为0，并且在后面还连接了ReLU激活函数以及BN层。当这三个模块协同运用起来的时候，其精确率有所提高，提升了1.4%，召回率更是有了颇为显著的提升，达到了10.4%，mAP@0.5也有了一定程度的提升，提升了5.2%，mAP@0.5:0.95同样有所提升，提升了2.5%。这样的结果说明，BiFPN所具备的多尺度特征融合特性、LSKA实现的关键特征聚焦功能以及InnerMPDIoU达成的定位优化效果形成了相互之间的补充。如此一来，在保证有较好精确率的情况下，对电动自行车闯红灯场景当中那些复杂的信号灯的识别能力得到了大幅度地强化。BiFPN负责承担多尺度特征传递的相关任务，LSKA专注于信号灯关键特征的提取工作，InnerMPDIoU则负责定位以及样本平衡方面的优化事宜。在双模块组合的情形下，BiFPN加上InnerMPDIoU在精确率以及高置信度检测方面的表现是最优的。而三模块组合则在召回率与mAP@0.5上达成了更为理想的综合提升效果，更能够契合电动自行车闯红灯场景下交通信号灯识别所面临的复杂需求。

Table 5. Comparison results of ablation experiments

表5. 消融实验对比结果

模型	P/%	R/%	mAP@0.5/%	mAP@0.5:0.95/%
YOLOv8n	93.2	81.5	87.9	56.3
YOLOv8n + BiFPN	95.4	86.8	90.7	59.1
YOLOv8n + LSKA	95.1	86.8	91.2	59.4
YOLOv8n + Inner MPDIoU	91.6	89.7	92.3	57.2
YOLOv8n + BiFPN + Inner MPDIoU	96.1	88.3	93.1	58.8
YOLOv8n + LSKA + Inner MPDIoU	95.3	90.2	92.8	56.5
YOLOv8n + BiFPN + LSKA	83.1	84.2	91.0	60.2
YOLOv8n + BiFPN + LSKA + Inner MPDIoU	94.8	92.5	94.6	59.9

3.4.2. 不同算法实验对比

为了验证改进后的YOLOv8n-BLI算法的在检测交通信号灯中的有效性，本文使用目前多个主流公开的目标检测网络模型进行对比实验，使用同样的数据集进行训练验证，并且训练时的设置相同的参数，模型推理的过程中使用同样的实验环境，评价指标同样使用P、R、mAP@0.5、mAP@0.5:0.9、FPS五个指标，各算法的对比结果如表6所示。

Table 6. Comparison of experimental results for different algorithms

表6. 不同算法实验对比结果

模型	P/%	R/%	Map@0.5/%	mAP@0.5:0.95/%
Faster-RCNN	53.1	62.4	45.8	22.3
SSD	39.2	56.1	36.7	18.9
YOLOv5s	73.1	76.2	86.4	57.2
YOLOv6n	91.8	85.2	91.5	60.1
YOLOv7-tiny	88.5	82.1	87.6	48.3
YOLOv8n	93.2	81.5	87.9	56.3
YOLOv9-s	91.3	87.4	91.6	59.8

Figure 4. Comparison of detection results from different algorithms

图4. 不同算法检测结果对比

从上述实验结果能够发现，YOLOv8n-BLI于交通信号灯检测任务里所呈现出的表现明显要比其他诸多模型更为出色。其精确率达到了94.8%，召回率是92.5%，mAP@0.5的数值为94.6%，而mAP@0.5:0.95则高达59.9%，在各个指标上均领先于对比模型。和YOLOv8n模型相比，该模型的精确率提高了1.4%，召回率提升了10.4%，mAP@0.5也提升了5.2%，推理速度仅下降8.4FPS，在精度提升的同时保持了良好的实时性。和近年来表现优秀的SOTA轻量级模型相比，YOLOv8n-BLI在各项指标上都展现出了明显的优势。就mAP@0.5这一指标而言，它比YOLOX-s、PP-YOLOE-s以及NanoDet-Plus分别提高了3.9%、2.5%还有4.3%。而在召回率R方面，相较于上述这些模型，YOLOv8n-BLI又分别提高了6.4%、5.7%以及8.9%。这些数据足以说明YOLOv8n-BLI在针对小目标进行检测以及应对复杂背景时所具备的抗干扰优势。虽说PP-YOLOE-s的mAP@0.5:0.95要比YOLOv8n-BLI略微高出0.6%，然而在推理速度这个维度上，YOLOv8n-BLI却领先了24.3FPS，这无疑让它在交通监控实时检测的需求面前更加契合。相比于专门针对小目标来设计的NanoDet-Plus，YOLOv8n-BLI在精确率以及召回率这两项指标上分别领先了4.9%和8.9%，YOLOv8n-BLI和YOLOv6n这类在小目标检测精度方面表现不错的模型相比，其mAP@0.5依然高出3.1%。这也充分证明了其针对信号灯这类小目标所做的定制化优化取得了颇为显著的效果。相比于两阶段模型Faster-RCNN，它的mAP@0.5更是提升了48.8%。相较于SSD、YOLOv5s等早期的单阶段模型而言，它在精度以及鲁棒性方面的优势就显得格外突出了该模型借助BiFPN实现多尺度特征融合、依靠LSKA达成关键特征聚焦、凭借InnerMPDIoU完成边界框优化，通过这些协同作用，在小尺度信号灯检测、复杂背景抗干扰、边界框精准定位等一系列问题上都取得了突破，这也进一步验证了其在电动自行车闯红灯场景当中所具备的有效性与适应性。从图4可以看到YOLOv8n-BLI算法比YOLOv8n算法的精度要更高一些。

4. 总结

为了解决电动自行车闯红灯场景下交通信号灯识别遇到的小目标漏检、复杂背景误检以及目标定位精度低等问题。以YOLOv8模型为基础进行改进，最后成功改进出了更适合这一场景的YOLOv8n-BLI模型。就小目标漏检的问题而言，引入了自适应加权BiFPN模块以此来强化多尺度特征融合工作。该模块借助动态权重学习机制，依据交通信号灯呈现出的远小近大的尺度特性来优化特征分配情况，和原始BiFPN所采用的固定权重策略相比，小目标召回率有了3.7%的提升幅度。针对复杂背景下存在的误检问题，特意增设了定制化LSKA模块，借助7 × 7等效卷积核，将关注点聚焦于信号灯的颜色还有形状特征之上这相当大的程度上使得复杂背景下信号灯的误检率得以降低，同时也进一步强化了在多干扰场景当中所具备的识别鲁棒性。针对目标定位精度不高的情况，采用InnerMPDIoU损失函数替换原有的损失函数，确定辅助框比例参数ratio = 0.68的选取依据，借助辅助框聚焦灯芯以及对角点距离约束这两方面的优化，对边界框定位进行改进。在仅引入InnerMPDIoU时，其召回率和mAP@0.5相比于原始的YOLOv8n模型都有所提升，信号灯边界框的定位误差也大幅降低。对于数据集类别不均衡这一情况，运用类别加权损失策略来应对，给黄灯样本赋予1.8倍的权重，如此一来，有效地达成了对正负样本的优化效果，使得黄灯样本的召回率实现了从68.3%到82.7%的提升。从实际应用价值方面来看，YOLOv8n-BLI模型在电动自行车闯红灯行为识别系统里有着极为重要的地位，其检测结果精度很高且鲁棒性出色，能为核心判定闯红灯情况提供有力支撑。

NOTES

^*通讯作者。