学术研究报告：高斯混合模型与GhostNet结合的YOLO-G遗留物检测方法
一、研究团队与发表信息
本研究由南昌大学软件学院的林德钰、周卓彤、过斌，以及南昌大学数学与计算机学院的闵卫东（通信作者）、韩清共同完成，发表于《计算机辅助设计与图形学学报》（Journal of Computer-Aided Design & Computer Graphics）2023年1月第35卷第1期。研究得到国家自然科学基金（62076117, 61762061）、江西省自然科学基金青年项目（20224BAB212016）等资助。
二、学术背景与研究目标
遗留物检测是视频监控领域的关键技术，用于识别公共场所中长时间静止的可疑物体（如包裹、箱子等），在安防场景中具有重要应用价值。然而，传统方法存在两大瓶颈：
1. 光影变化干扰：复杂光照条件下背景建模易失效；
2. 深度学习模型效率不足：现有神经网络参数量大、计算成本高（如YOLOv4），且对小目标检测精度有限。
为此，本研究提出YOLO-G模型，通过结合高斯混合模型（Gaussian Mixture Model, GMM）与轻量化网络GhostNet，优化检测效率与精度，目标包括：
- 降低网络参数量（较YOLOv4减少22.78%）；
- 提升小目标检测敏感度（通过改进特征金字塔结构）；
- 增强光影变化鲁棒性（引入GMM背景建模）。
三、研究方法与流程
研究分为三大核心环节：前景检测、网络结构改进和实验验证。
1. 前景检测（基于GMM）
- 输入：视频监控序列帧。
- 处理流程：
- 使用GMM对背景建模，分离移动区域与静止区域；
- 计算移动物体与静止区域的分离距离和静止时间，生成可疑静止区域候选框；
- 将判定为分离时刻的帧图像输入后续神经网络。
- 创新点：动态阈值调整策略，减少光影变化导致的误检。
2. 网络结构改进（YOLO-G）
核心改进包括三部分：
- GhostModule替换传统卷积：
- 在CSPDarknet53主干网络中，用GhostNet的GhostModule替代部分卷积层。GhostModule通过廉价线性变换生成冗余特征图，减少浮点运算量（FLOPs降低11.36%）。
- 具体实现：首先生成少量核心特征图，再通过线性操作（如1×1卷积）扩展为完整特征图（图3）。
- 引入压缩激励网络（Squeeze-and-Excitation Network, SE Layer）：
- 在ResiBlock结构中嵌入SE Layer，通过全局平均池化（Squeeze）和全连接层（Excitation）动态加权通道特征，提升关键特征响应（公式7）。
- 改进特征金字塔（PAN）结构：
- 将原3层FPN（Feature Pyramid Network）扩展为4层，新增104×104尺度特征图，增强对小目标的敏感度（图9）。
- 自顶向下采用最近邻上采样，自底向上采用均值下采样，保留多尺度信息。
3. 实验验证
- 数据集：COCO2014+2017（预训练）、ABODA（遗留物专用）、PETS2006（复杂场景）。
- 对比方法：FCOS、SSD、YOLOv3、YOLOv4等。
- 评价指标：平均精度（AP）、参数量、FLOPs。
- 训练细节：
- 硬件：NVIDIA Quadro P4000 GPU，Intel Xeon E-2136 CPU；
- 超参数：初始学习率0.001，Batch Size=32，迭代114,000次，采用余弦下降学习率策略。
四、主要结果与分析
1. 模型效率优化
- 参数量较YOLOv4减少22.78%（52.55M vs. 64.52M），FLOPs降低11.36%（27.18 GFLOPs vs. 30.27 GFLOPs）（表2）。
- 训练损失值收敛后低于YOLOv4（图10），测试集AP50达63.7%，优于YOLOv4的62.8%（表1）。
检测精度提升
小目标敏感度
五、研究结论与价值
1. 科学价值：
- 提出轻量化网络YOLO-G，为高实时性目标检测提供新架构思路；
- 验证GhostModule与SE Layer结合的可行性，平衡精度与效率。
六、研究亮点
- 方法创新：首次将GhostNet引入遗留物检测，结合GMM解决光影干扰；
- 结构改进：多尺度PAN与SE Layer协同提升小目标检测能力；
- 实验严谨性：跨数据集验证（COCO、ABODA、PETS2006），覆盖多样场景。
七、其他贡献
- 公开ABODA数据集标注细节，推动领域数据标准化；
- 提出动态分离阈值策略，可扩展至其他移动物体检测任务。
（注：全文术语首次出现均标注英文，如GhostModule（幽灵模块）、SE Layer（压缩激励网络层）等。）