1.基于FocalNeXtFold聚焦堆叠块的YOLOv8密集行人检测方法，其特征在于，包括步骤：步骤S1：获取划分好训练集、测试集、验证集的数据集；

步骤S2：改进YOLOv8网络，将Backbone主干网中所有C2f模块全部替换为聚焦堆叠块FocalNeXtFold Block，聚焦堆叠块FocalNeXtFold Block包括cv1卷积层、 n 个 FocalNextBlock模块、cv2卷积层，其中n至少为2，每个FocalNextBlock模块包括dwconv、dwconv_3、norm、pwconv1、act、pwconv2、gamma、drop_path；

步骤S3：基于步骤S2，head部分采用可加强非相邻层的直接交互的网络替代；

步骤S4：基于步骤S3，替换YOLOv8网络的损失函数完成模型的改进；

步骤S5：利用划分好的数据集对步骤S4中改进后的YOLOv8模型进行训练获得训练好的模型；

步骤S6：利用训练好的模型对待检测的数据进行检测，并输出检测结果。

2.如权利要求1所述的基于FocalNeXtFold聚焦堆叠块的YOLOv8密集行人检测方法，其特征在于，步骤S1中的数据集为WiderPerson 野外行人检测基准数据集。

3.如权利要求1所述的基于FocalNeXtFold聚焦堆叠块的YOLOv8密集行人检测方法，其特征在于，head部分采用AFPN渐近特征金字塔网络替代。

4.如权利要求1所述的基于FocalNeXtFold聚焦堆叠块的YOLOv8密集行人检测方法，其特征在于，YOLOv8网络的损失函数更改为VariFocal损失函数。