监控视频中亚细节抢劫检测的可解释人类活动识别

非暴力街头抢劫（抢东西跑）难以自动检测，因为它们短暂、微妙，常被误认为不受约束监控录像中的正常人类交互。本文提出了一种混合、基于姿态驱动的方法，用于检测抢东西跑事件，将实时感知与适合边缘部署的可解释分类阶段相结合。系统使用基于 YOLO 的姿态估计器提取每个跟踪人的关键点，并计算描述手部速度、手臂伸展、proximity 以及 aggressor-victim 对之间相对运动的动力学和相互作用特征。在这些描述符上训练随机森林分类器，并对帧级预测应用时间滞后滤波器以稳定预测并减少误报。我们在一个分层数据集和一个与之无关的测试集（来自互联网视频）上进行评估，展示了在不同场景和摄像机视角下具有良好的概括能力。最后，我们在 NVIDIA Jetson Nano 上实现了完整的管道，并报告了实时性能，支持主动、设备端抢劫检测的可行性。