Apr, 2022

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

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 真实世界实体社区参与智能视频监控 -- 一个社区学院案例研究

    本文介绍了一种基于真实测试床的智能视频监控系统的设计和部署，并评估了该系统的性能，结果表明该系统可以在合理的时间内有效地检测和通知异常行为和可疑物品给终端用户。

    Mar, 2023

  • 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

  • 智能视频监控在社区空间的综合评估：将人工智能融入闭路电视系统

    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

  • 降低事件相机的模拟到现实差距

    本文介绍了一种用于提高事件基于 CNNs 的训练数据的策略，可为视频重建网络和光流网络带来 20-40％的性能提升，并提出了一种新的高质量数据集 HQF 以解决事件基于视频重建缺乏质量地真实图像的问题。

    Mar, 2020

  • 视频智能作为全球安保系统的一个组成部分

    描述研究从视频分析到具有全球安全系统的演变，特别关注视频监视组件。本研究探讨了一种混合平台，用于智能辅助城市视频监视的智能捕获、自动化数据提取、监督机器学习；同时还讨论了拓展到全球安全系统的其他组件。

    Jan, 2022

  • 移动设备上的实时神经视频恢复与增强

    移动设备上的视频流媒体体验优化是一个挑战，本文提出了一种基于深度学习的实时增强方法，包括视频帧恢复、超分辨率算法和接收端增强感知的视频比特率自适应算法，评估结果显示该方法能够提高视频流媒体系统的实时增强效果，并显著提高 24% 至 82% 的视频体验质量。

    Jul, 2023

  • JOSENet：一种用于监控视频中暴力检测的联合流嵌入网络

    自监督学习方法 JOSENet 在监控视频中的暴力检测任务中表现出色，提供了改进的性能，同时需要较少的帧数和降低的帧率。

    May, 2024

  • 极低分辨率动作识别的全耦合双流时空网络

    本文提出了一种全耦合的两路时空结构体系框架，可在极低分辨率（如 12x16 像素）视频中可靠地识别人的动作，以保护人们的隐私，同时在训练期间考虑高分辨率视频以建立更好的低分辨率模型，取得了明显的改进。

    Jan, 2018

  • 边缘实时视频处理实现未成年人隐私保护

    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。

    May, 2020