MMMay, 2020

边缘实时视频处理实现未成年人隐私保护

PDF
TL;DR本文提出的面向边缘监控系统的深度学习模型在识别儿童方面具有 92.1% 的分类准确率，可实施相应的隐私保护措施，解决了 CCTV 摄像头收集个人信息引起的隐私问题。
privacycctvchild identificationedge surveillance systemsdeep learning
发现论文，激发创造
  • 基于轻量级 CNN 的边缘服务实现的实时人体检测

    介绍了一种轻量级的卷积神经网络算法 (LCNN)，通过将分类器的搜索空间缩小到监视视频帧中的人物对象，提出的 LCNN 算法能够在边缘设备上以可承受的计算工作量检测行人.

    Apr, 2018

  • 基于边缘网络服务的智能监控：从 Harr-Cascade、SVM 到轻量级 CNN

    使用边缘计算及轻量级卷积神经网络，能够在资源有限的情况下为实时人类监视提供可行的智能分析方案。

    Apr, 2018

  • 了解 AI-enabled 智能视频监控的政策和技术方面以解决公共安全问题

    本文提出了一种终端到终端的人工智能视频安全监控系统，其中融合了计算机视觉分析、统计数据分析、云原生服务以及终端用户应用，该系统能够更好地保护个人隐私，同时对人物识别、错误行为检测等方面具有高效性能和较高的安全性。

    Feb, 2023

  • 面向个人防护装备检测的边缘云架构

    本文提出了一种在线识别人们佩戴个人防护装备的架构，可用于确保建筑工人的安全，可以在边缘 - 云和仅边缘的两种设置下部署，使用 YOLOX 方法在建筑工地上进行了测试，初步评估表明，对于这种用例，边缘部署是可行的，未来的工作将包括对两种架构变体性能方面进行深入研究和部署。

    Jan, 2023

  • 利用具备隐私保护的分布式摄像头网络和边缘计算进行室内定位和多人跟踪

    本文提出了一个开源、低成本、可扩展和隐私保护的边缘计算框架，用于室内多人定位，其中包括多个 Tensor 处理单元 (TPU) 摄像头系统，配合基于 Kalman 滤波的多人跟踪方法和一种先进的身体方向估计方法，能够同时确定多人的位置和朝向，并保证了个人隐私，实现了优化的数据传输和存储以及可扩展性。

    May, 2023

  • 极端环境下的人脸检测：机器学习方法

    本文提出一种深层级联多任务框架，通过三层深度卷积神经网络的分级设计，在对人脸和人脸特征区域进行预测的粗到细的过程中，利用其中的内在相关性以提高人脸检测和特征点定位的性能，在学习过程中还采用一种新型的在线困难样本挖掘方法，能够自动提高性能而无需手动样本选择。

    Jan, 2022

  • 寻找失踪儿童：深度年龄化人脸特征

    该研究提出了一个年龄进展模块，对于失踪儿童这个识别时效性强的问题，可以通过对人脸数据的年龄处理，提升人脸识别系统的识别准确率，从而帮助识别被拐卖的儿童。

    Nov, 2019

  • 一种面向网络目标的端到端集成计算和通信架构：对现场监控视频的视角

    本研究提出一种基于情景感知的实时流式传输方案，以实时识别重要事件和降低发射功率。该方案主要利用少量隐藏层的小型神经网络在源端对特定情景下的帧进行高重要性分配，并将高重要性的帧与一定信噪比的低重要性帧同时流式传输，在接收端进行深度神经网络分析提取准确的情景并节约约 38.5% 的能源。

    Apr, 2022

  • 学习面部匿名化技术以保护隐私的动作检测

    该论文提出了一种新的方法来学习视频脸部匿名化，使用对抗训练设置，在像素级别修改以匿名化每个人的脸，以确保隐私敏感信息得到删除，并尽量减少对行动检测性能的影响。

    Mar, 2018

  • 面部图像处理中分离表示的选择性操作以保护隐私

    该研究探讨了如何利用图像处理技术通过边缘过滤舍弃隐私信息之后再将传感器数据传输到云端，较其直接传输可以更好地保护用户的隐私。该方法使用了最先进的图像处理技术，定义了反选和选中的过滤操作，对比了正常情况下的相关性和残留信息对隐私保护的影响，结果表明该过滤方法很有前途，值得进一步研究。

    Aug, 2022