4、目标检测模型选择：针对安防场景，如何选择合适的人形检测模型
安防摄像头的人形检测不同于通用物体检测，它需要在复杂场景下（如夜间红外、逆光、树叶遮挡、远距离小目标）持续稳定地输出人体位置。模型选择直接决定了区域入侵、停留和越界判断的准确率与实时性。本章从精度、速度、算力、遮挡、光照五个核心维度出发，给出可落地的模型选型方法论，并结合实际工程案例进行拆解。
4.1 核心原理：从通用检测到安防人形检测的差异
通用目标检测模型（如YOLO、Faster R-CNN）在COCO等数据集上表现优异，但直接迁移到安防场景往往出现精度骤降。原因在于安防摄像头具有以下特殊性：视角固定（俯视或斜视）、目标尺度变化大（近处行人占画面1/3，远处仅几十像素）、光照剧烈变化（白天强光、夜间红外）、遮挡频繁（人群拥挤、树木/栏杆遮挡）。因此，模型选择不能只看榜单精度，必须结合场景约束进行综合评估。
安防人形检测的核心指标包括：召回率（Recall）——漏检率直接影响安全事件漏报；精确率（Precision）——误检导致无效告警，消耗人力；FPS——实时性要求通常≥15FPS（区域入侵/越界需要秒级响应）；模型参数量——决定能否部署在边缘设备（如海思Hi3516、瑞芯微RV1126、英伟达Jetson Nano）。
4.2 判断方法：五维评估矩阵与选型流程
模型选型不能凭经验拍脑袋，建议采用以下五维评估矩阵进行量化打分。每个维度根据场景需求设定权重，最终加权得分最高的模型即为候选方案。
| 评估维度 | 关键指标 | 安防场景典型要求 | 测试方法 |
|---|---|---|---|
| 精度 | mAP@0.5、Recall@0.5 | mAP≥85%，Recall≥90% | 自建数据集（含夜间/遮挡样本） |
| 速度 | FPS（含预处理/后处理） | ≥15FPS（1080P），≥25FPS（720P） | 目标硬件上实测，非GPU跑分 |
| 算力 | 参数量、FLOPs、内存占用 | ≤100MB内存，≤5W功耗 | 使用Netron查看模型结构，实测内存 |
| 遮挡鲁棒性 | 部分遮挡（IoU 0.3-0.5）下的Recall | 遮挡50%时仍能检测 | 人工标注遮挡样本测试 |
| 光照适应 | 夜间红外/逆光下的mAP | 夜间Recall≥80% | 采集夜间视频帧测试 |
选型操作流程：
- 明确部署硬件：确认是海思/瑞芯微等IPC SoC，还是Jetson/树莓派等边缘盒子，记录可用算力（TOPS）和内存上限。
- 采集场景数据：从实际摄像头录制至少2小时视频，覆盖白天、夜晚、逆光、雨天、人群密集等场景，抽取2000-5000帧标注。
- 跑基准测试：将候选模型（YOLOv8n/s/m、RT-DETR、PP-PicoDet等）在目标硬件上运行，记录FPS、内存、精度。
- 加权评分：按上表权重计算综合得分，选择得分最高且满足硬性约束（如FPS≥15）的模型。
- 针对性优化：对选中模型进行剪枝、量化（INT8），或微调（fine-tune）以适配场景。
4.3 案例拆解：某园区周界入侵检测的模型选型实战
背景与约束：某科技园区需要在周界围栏部署入侵检测，共32路摄像头，均为1080P，安装高度3米，俯视角度约30°。目标为翻越围栏或靠近围栏的人员。硬件采用海思Hi3516DV300（算力约1TOPS INT8），内存512MB，功耗限制5W。要求检测延迟≤200ms（即FPS≥5），漏报率≤5%。
初始现象：最初直接使用YOLOv5s（PyTorch训练，转ONNX后部署），在白天顺光场景下mAP达88%，但夜间红外模式下Recall骤降至62%，且远处行人（像素高度<40px）几乎全部漏检。同时，模型在Hi3516上仅跑出3.2FPS，无法满足实时性。
分析判断过程：
- 精度问题：夜间红外图像与白天可见光图像差异大，模型未见过红外训练样本，特征提取失效。
- 小目标问题：YOLOv5s的下采样倍数（32倍）导致40px目标在特征图上仅1.25个像素，难以产生有效响应。
- 速度问题：YOLOv5s参数量7.2M，在Hi3516上INT8量化后仍超出NPU算力上限。
实际操作步骤：
- 数据增强：采集夜间红外视频2000帧，加入训练集，并做Mosaic+随机光照扰动。
- 模型替换：改用YOLOv8n（参数量3.2M，下采样倍数改为16），并开启P2小目标检测头。
- 量化与剪枝：使用TensorRT或海思NNIE工具链进行INT8量化，通道剪枝30%。
- 硬件适配：将输入分辨率从640×640降至416×416，牺牲少量精度换取速度。
结果对比：
| 方案 | mAP@0.5 | 夜间Recall | FPS | 内存占用 |
|---|---|---|---|---|
| YOLOv5s（原始） | 88% | 62% | 3.2 | 210MB |
| YOLOv8n（优化后） | 91% | 85% | 8.7 | 95MB |
风险与代价：输入分辨率降低导致远处小目标（<30px）仍存在漏检，后续通过增加光学变焦摄像头或部署双模型（近处高精度+远处快速筛查）解决。复盘经验：模型选型必须与硬件算力、场景数据同步迭代，不能先选模型再适配场景。
4.4 常见误区与总结复盘
误区一：盲目追求高精度大模型。YOLOv8x在GPU上mAP达95%，但无法在边缘设备运行。安防场景应优先考虑“够用就好”，在满足Recall≥90%的前提下选择最小模型。
误区二：忽略预处理/后处理耗时。模型推理只占端到端延迟的60%-70%，图像缩放、归一化、NMS（非极大值抑制）同样消耗算力。实测中，YOLOv8n在Hi3516上推理仅需45ms，但NMS+解码耗时30ms，导致总延迟超标。
误区三：用GPU跑分代替目标硬件测试。GPU上的FPS与NPU/CPU上的表现差异可达10倍以上。必须使用实际部署硬件进行基准测试。
误区四：忽视遮挡样本的标注质量。部分遮挡（如行人被树干挡住一半）的标注框若不够精确，会严重干扰训练。建议对遮挡样本单独设置IoU阈值（如0.3）进行验证。
总结：安防人形检测模型选型是一个系统工程，核心原则是“精度保底线、速度保实时、算力保可行、数据保鲁棒”。推荐从YOLOv8n/s或PP-PicoDet等轻量级模型入手，结合场景数据微调和INT8量化，在目标硬件上验证后再决定是否升级到更大模型。遮挡和光照问题应通过数据增强和针对性训练解决，而非单纯依赖模型结构升级。