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

提出一种基于异常检测的视频取证方法，通过训练自回归模型使用视频帧和声音的特征集来区分真实视频和人工篡改的视频，具有较强的检测能力。

Jan, 2023

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

本文介绍一种新的面部匿名化方法，名为 FIVA，提出了使用身份追踪实现一致的面部匿名化，并保证与原始面部有很强的区别。FIVA 对于 0.001 的误通过率具有 0 的真阳性。我们的工作考虑到了重建攻击这一重要的安全问题，并对对抗性噪声、均匀噪声和参数噪声应用不同的防御和保护方法来破坏重建攻击。此外，我们还展示了重建攻击模型可以用于检测深度伪造。最后，我们提供了实验证据，展示了 FIVA 如何甚至能够在单个目标图像上进行面部交换。

Sep, 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

提出了一种通过分析 H.264 编码使用的压缩算法的取证技术，利用宏块和运动矢量的信息来准确检测视频是否被重新压缩。

Feb, 2024

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

本篇研究概述了深度序列学习方法及其用于暴力检测的本土化策略，对初始图像处理和基于机器学习的暴力检测进行了分析，详细描述了现有模型的优缺点并提出未来方向。

Sep, 2022

实时视频摘要算法通过从用户指定数量的管道中提取对象帧来逐帧拼接摘要视频，与全局能量最小化系统相比具有更大的灵活性，该算法可以根据用户的跟踪能力设置对象数量阈值，生成无碰撞、视觉效果良好的摘要视频，实验证明该算法在减帧率方面优于现有方法。

Sep, 2023

基于一个驾驶特定数据集进行端到端评估，提出了创造平衡评估子集和使其注释一致的策略，以及顺序评估端到端系统性能以解决任务间的相互依赖性问题。实验证明我们的方法能够提供一致、准确和可解释的系统性能估计，对实际应用至关重要。

Oct, 2023