本发明涉及深度学习、计算机视觉和目标检测，具体来说，本发明涉及一种改进yolov8的城市车辆目标检测方法。
背景技术：
1、面对日益严重的交通拥堵问题，寻找有效的方法来缓解交通拥堵、提高交通系统的安全性和通行效率，已经成为交通管理部门亟需解决的重要任务。当前使用交通摄像头虽然能够拍摄出较为高清的图像，但仍面临以下困难：(1)尺度变化，因车辆进入拍摄范围的距离和角度不同，可能导致不同车辆的尺寸和形状有较大差异；(2)背景干扰，交通摄像头拍摄的背景中包含许多与车辆相似或其他信息的干扰，如建筑物遮挡、道路纹理和前方车辆的遮挡等，这些背景噪声可能会减弱目标车辆的显著性；(3)环境变化，不同天气条件下车辆目标颜色的变化，可能会导致夜间或雨天等恶劣天气条件下拍摄的清晰度降低，难以捕捉车辆的局部细节特征。
2、随着深度学习和计算机视觉领域的发展，城市道路车辆目标检测一直是研究学者们关注的热点。然而，许多应用场景对车辆检测的准确性和低漏检率都提出了更高的要求，同时也对计算资源的消耗提出极高的要求。目前，基于深度学习的目标检测方法主要分为二阶段(rcnn等)和一阶段(ssd、yolo等)两大类，其中二阶段虽然具有更高的检测精度，但速度较慢，不适合城市道路车辆目标检测这类任务场景；而一阶段只进行一次特征提取就能完成目标检测，速度更快，但是精度可能会有所下降。
3、针对如何解决这些问题，目前很多国内外学者进行了大量深入的研究。申彩英等通过引入注意力机制对各类车辆进行深度学习后检测，显著提高了模型的检测速率和距离测算的准确性，但在复杂道路环境和低光条件下检测精度和预测准确性会大幅下降。陈卫彪等通过加深特征融合部分的网络深度和引入小目标检测层的方法，有效提高了模型的查准率和查全率等性能指标，但随着改进模型体积和参数量的增多，对计算资源的需求也有较大增加。韩俊等通过引入混合域注意力机制来抑制复杂背景的干扰，提高对小目标的特征提取能力，但模型参数量和计算量有大幅增加。王承梅等增加卷积注意力机制和优化检测区域，提高了小目标边界框的回归效应，避免因车辆目标尺度不平衡而引起的结果异常，但此方法仍存在一定的漏检和误检情况。
4、由上述分析可知，当前改进yolov8方法的城市车辆目标检测方法仍然存在检测精度低、漏检率高、模型较为复杂等问题。
技术实现思路
1、本发明所要解决的技术问题是如何提高城市交通摄像头中目标检测的准确性和低漏检率。
2、为了解决上述存在的问题，本发明采取的技术方案是：一种改进yolov8的城市车辆目标检测方法，包括如下步骤：
3、s1：对所选的车辆数据集进行二次处理；
4、s2：在yolov8n主干及颈部网络融入多尺度注意力机制(ema)，有助于模型更好地捕捉目标车辆的细节信息；
5、s3：添加160×160尺寸的小目标检测头，增强模型对城市道路目标车辆的特征提取能力；
6、s4：设计一种新的g-c2f替代c2f，能够有效降低模型的计算量和参数量，平衡计算效率和准确性；
7、s5：使用wiou优化损失函数，提升模型边界框回归性能和收敛速度。
8、采用上述技术方案所产生的有益效果在于：本发明所述改进的yolov8方法中，在主干网络及颈部融入多尺度注意力机制(ema)，有助于模型更好地捕捉城市车辆的细节特征；添加160×160尺寸小目标检测头来加强对小目标的检测能力，通过维度交互进一步聚合像素级特征，增强对城市道路周边目标车辆的特征提取能力；为轻量化网络设计一种新的g-c2f代替c2f，有效降低了ema模块所带来的计算量和参数量，有效平衡了模型的计算效率和准确性；最后，采用wiou损失函数代替ciou，优化网络的边界框损失，提高模型的收敛速度和回归精度。
1.一种改进yolov8的城市车辆目标检测方法，其特征在于包括如下步骤：
2.如权利要求1所述的改进yolov8的城市车辆目标检测方法，其特征在于：所述步骤s1具体包括如下步骤：
3.如权利要求1所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s2中引入多尺度注意力机制ema，具体流程如下：
4.如权利要求1所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s3中添加小目标检测层的具体步骤如下：
5.如权利要求1所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s4中设计一种新的g-c2f，通过如下方法进行构建：
6.如权利要求5所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s41中构建幻影卷积ghostconv的具体步骤如下：
7.如权利要求3所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s22中构建特征提取模块gbottleneck的具体步骤如下：
8.如权利要求3所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s23中构建特征提取模块g-c2f的步骤如下：
9.如权利要求1所述的改进yolov8的城市车辆目标检测方法，其特征在于，所述步骤s5中的具体过程如下：
