ComPrivDet：通过推理复用实现压缩域中高效隐私目标检测
计算机视觉与模式识别
2026-04-07 v1 密码学与安全
摘要
随着物联网 (IoT) 在日常生活中的深度嵌入，用户越来越关心来自视频数据的隐私泄露问题。由于帧式保护在大规模视频分析（例如智能社区）中引入显著延迟，因此更高效的解决方案是针对包含隐私对象（例如人脸）的帧进行选择性保护。现有目标检测器需要完全解码视频或在压缩视频中逐帧处理，导致解码开销或准确率下降。因此，我们提出了ComPrivDet，一种通过复用 I 帧推理结果来检测压缩视频中隐私对象的高效方法。通过识别压缩域中的新对象信号，ComPrivDet 要么跳过 P 帧和 B 帧的检测，要么使用轻量级检测器高效地细化它们。ComPrivDet 在私有人脸检测中保持99.75%的准确率，在私有车牌检测中保持96.83%的准确率，同时跳过超过80%的推理。它比现有的压缩域检测方法平均提高9.84%的准确率，降低75.95%的延迟。
引用
@article{arxiv.2604.03640,
title = {ComPrivDet: Efficient Privacy Object Detection in Compressed Domains Through Inference Reuse},
author = {Yunhao Yao and Zhiqiang Wang and Ruiqi Li and Haoran Cheng and Puhan Luo and Xiangyang Li},
journal= {arXiv preprint arXiv:2604.03640},
year = {2026}
}
备注
6 pages, 6 figures