面向消费级边缘设备的轻量级弱监督视频异常检测系统

智能安防在消费电子（如智能家庭摄像头和个人监控系统）中的需求日益增长，但高计算成本和大模型尺寸常常阻碍了在资源受限的边缘设备上部署实时视频异常检测（VAD）。为弥合这一差距，本文引入一种新型轻量级系统RuleVAD（基于规则的视频异常检测），旨在直接在消费级硬件上实现高效低复杂度的威胁检测。RuleVAD采用创新的解耦双分支架构以最小化计算负载。隐式分支使用视觉特征进行快速的粗粒度二元分类，高效过滤正常活动以避免不必要的处理。对于可能的异常或复杂事件，采用显式多模态分支接管。该分支利用YOLO-World检测物体，并应用数据挖掘从场景中生成可解释的基于文本的关联规则。通过将这些规则与视觉数据对齐，RuleVAD实现了更细致的分类，显著减少了视觉唯一系统常见的误报。在XD-Violence和UCF-Crime基准数据集上的广泛实验表明，RuleVAD在准确率和速度方面均优于现有最先进方法。关键的是，整个系统针对低功耗运行进行了优化，可完全部署在NVIDIA Jetson Nano板上，证明了其在日常消费电子设备上实现先进实时安防监控的实际可行性。