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

本文介绍了一个基于人工智能的智能视频监控系统，旨在提高社区空间（如教育、休闲区域和小型企业）的安全性。该系统采用元数据而非像素数据进行活动识别，注重隐私，并具备基于云端基础架构和移动应用的实时警报功能。此外，该文还首次对全面的实时异常检测系统进行了评估，用于识别潜在的公共安全事件。通过在社区学院中的实施，作者验证了系统的鲁棒性和性能，提供了关于吞吐量、延迟和伸缩性的实际数据。

Dec, 2023

计算机视觉和机器学习在研究员、科学家和大众的感知力方面产生了革命性的转变。本文探讨了计算机视觉在安全监控方面的潜力，并提出了一种新颖的视频运动追踪方法，通过使用动态信息图像和块状主导运动数据将运动分类为弧形、车道、汇合 / 分散和随机 / 块状运动，并研究了不同的光流技术、CNN 模型和机器学习模型。通过取得有希望的准确性达到其目标，结果可以训练异常检测模型，基于运动提供行为洞察，并增强场景理解。

Aug, 2023

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

利用端到端深度学习技术和数据增强策略，提出一种暴力事件自动检测解决方案，相较于先前最好的方法，在一些具有挑战性的基准数据集中取得了良好的性能，可用于帮助执法部门及时采取行动。

Sep, 2022

本文介绍了如何通过利用视频流之间的空间和时间内容相关性，解决大规模视频摄像头部署中计算成本与推断准确性等问题，进行视频分析扩展的路线图。

Sep, 2018

通过整合人工智能和机器学习技术，本研究旨在利用现有闭路电视网络对人群管理、犯罪预防和工作场所监控进行综合性处理，开发和实施能够实时分析视频信息的先进算法，实现人群动态识别和评估、潜在犯罪活动的早期发现以及工作环境的持续监控，借助于人工智能和机器学习技术，优化监控能力，提高公共安全措施和组织生产力的水平。这一倡议强调了智能视频分析在现有基础设施上的变革性影响，减少了系统全面改造的需要，显著提升了安全和运营效率。

Nov, 2023

通过评估当前计算机视觉技术在多媒体地理定位中的潜力，综述了其应用，识别了其在打击人口贩卖方面的适用性，并强调了增强多媒体地理定位对起诉人口贩卖的潜在影响。

Feb, 2024

通过对计算机视觉研究论文和专利的深入内容分析，揭示了计算机视觉与大规模监控之间的紧密联系，呈现了监控人工智能 (Surveillance AI) 的拓扑结构，以及其数据提取、数据转移和机构数据使用方面的普遍特征。

Sep, 2023

通过采用方向梯度直方图、视觉显著性和深度多层网络的显著性预测模型，结合 k 均值算法，该研究提出了一种用于视频中检测人的方法，取得了 83.11％的检测精度、41.27％的召回率的效果，并比在普通图像上对人物进行分类的速度快 76.866 倍。

Sep, 2017