杭州电子科技大学柯冬冬的硕士学位论文《基于轻量注意力机制YOLO模型的警务审讯不规范行为识别》是一项针对司法场景中违规行为自动检测的原创性研究。该研究由柯冬冬（导师：王海伦教授、徐晓滨教授）完成，将于2024年11月提交。

学术背景

在司法审讯场景中，传统视频监控存在小目标识别精度低、环境干扰等问题。尽管深度学习技术（如YOLO系列算法）在目标检测领域取得进展，但针对审讯场景的特殊需求（如遮挡、光照变化等）仍缺乏专用解决方案。本研究基于计算机视觉与深度学习技术，旨在开发适用于审讯场景的违规行为智能识别系统，解决现有方法在检测精度和实时性上的不足。

研究流程

1. 数据集构建（第二章）

• 数据采集：搭建模拟审讯室环境，使用400万像素海康威视摄像头采集13,652张图像，覆盖四种违规行为（着装不规范、使用手机、吸烟、睡觉）和正常行为。
• 标注方法：采用LabelImg工具生成PASCAL VOC格式标注，后转换为YOLO所需的TXT格式。针对行为特性采用特殊标注策略（如吸烟行为同时标注手部和香烟）。
• 数据分析：数据集呈现显著不均衡性（如”规范着装”样本10,710个，”睡觉”仅876个），并通过可视化验证了标注框多集中于图像中心区域（宽度<0.4的占比85%）。

2. 经典YOLO模型对比（第三章）

• 模型选择：系统评估YOLOv5至YOLOv8系列，重点测试YOLOv5l和YOLOv8m。
• 实验配置：使用NVIDIA RTX 3090 GPU，设置学习率0.01、batch size 32，采用mAP（平均精度）和召回率作为核心指标。
• 结果：YOLOv5l在测试集上达到78.3% mAP，但对小目标（如香烟）检测精度不足（吸烟行为召回率仅62.1%）。

3. ECA-YOLO模型改进（第四章）

• 创新点：在YOLOv5l骨干网络嵌入ECA（Efficient Channel Attention）注意力机制，通过跨通道交互增强特征表达。
• 性能提升：相比基线模型，mAP提升1.2%（79.5%），但吸烟行为误检率仍达18.7%，显示空间信息处理存在缺陷。

4. SGE-YOLO模型优化（第五章）

• 关键改进：
  • 在颈部网络引入SGE（Spatial Group-wise Enhance）注意力机制，建立空间分组增强模块
  • 采用MPDIoU损失函数替代CIoU，解决边界框回归偏差问题
  • 设计SimSPPF金字塔池化层加速多尺度特征融合
• 实验结果：吸烟行为检测mAP显著提升9.7%（达82.4%），误检率降至6.3%；整体模型参数量仅增加3.2%，FPS保持45帧/秒。

5. 系统实现（第六章）

开发基于PyQt5的监控系统，集成SGE-YOLO模型实现实时检测（延迟<200ms），具备违规行为日志记录和报警功能。

主要结论

1. 方法有效性：SGE-YOLO将小目标违规行为的综合检测精度提升至83.1%，较基线模型提高4.8个百分点。
2. 技术创新：提出的MPDIoU损失函数在IoU>0.5时定位误差降低19.6%，SimSPPF层使特征计算速度提升22%。
3. 应用价值：系统可减少75%的人工监控负荷，为司法规范化提供可落地的技术方案。

研究亮点

1. 领域专用数据集：首个公开的审讯场景违规行为数据集，包含13,652张标注图像及复杂环境模拟数据。
2. 混合注意力架构：ECA与SGE的协同使用解决了通道与空间特征的联合优化问题。
3. 工程化创新：MPDIoU损失函数通过引入最小点距离约束，显著提升小目标定位精度。

学术价值

该研究为司法智能化提供了三方面贡献：（1）建立了审讯场景行为识别的技术范式；（2）提出的轻量化改进方案对边缘计算设备具有普适性；（3）开发的系统已通过浙江省某看守所的试点验证，误报率%。未来工作可扩展至动态行为识别和多模态数据融合方向。