标题：YOLOv11中融合BiFPN和ShuffleAttention的人体异常行为检测方法
作者：许智浩1；刘海鹏2；朱秋煜1；熊席慧2
作者单位：1 上海大学，上海 200444；2 上海海达通信有限公司，上海200433
关键字：关键点检测；异常行为检测；YOLOv11n-Pose；BiFPN；ShuffleAttention
摘要：人体异常行为检测在公共安防与医疗监护中具有重要应用价值，其核心挑战在于复杂场景下人体关键点检测精度不足导致的异常行为误判。在最新的YOLOv11n-Pose模型框架基础上，提出一种基于BiFPN与ShuffleAttention的异常行为检测方法，通过关键点驱动的时空行为建模实现端到端的异常识别。首先，采用双向加权特征金字塔（BiFPN）替换原模型颈部网络，通过跨层级特征复用与自适应权重分配，提升密集人群中小尺度目标的关节特征表达，使小目标召回率提升；其次，在主干网络中嵌入ShuffleAttention注意力机制，通过通道分组-空间重排策略，强化遮挡环境下关键点（如髋、肘关节）的局部特征聚焦能力，遮挡关键点检测精度提升。实验结果表明，在coco人体姿态8000多张数据集上，YOLOv11n的检测算法精度为76.3%，改进之后的检测精度可达78.3%。基于检测到的17个关键点，构建行为语义编码器：将关键点坐标及肢体夹角（如躯干-下肢倾角）等特征，用来识别跌倒、斗殴等异常行为的时空模式。