视频异常检测的网络系统：一篇教程与综述
计算机视觉与模式识别
2025-04-04 v4 人工智能
计算机与社会
摘要
智能城市中监控摄像头的日益增长的使用，以及在线视频应用的激增，加剧了对公共安全和隐私保护的关注，这推动了自动化视频异常检测（VAD）成为人工智能社区中的一个基本研究任务。随着深度学习和边缘计算的进步，VAD取得了显著的进展，与智能城市和视频互联网等新兴应用相结合，使其超越了算法工程的常规研究范围，走向面向实际部署的视频异常检测网络系统（NSVAD），这成为AI、IoVT和计算领域交叉探索的热点。在本文中，我们阐述了各种深度学习驱动的VAD方法的基本假设、学习框架和适用场景，为NSVAD的初学者提供详尽的教程。此外，本文通过综述近期进展和典型解决方案，聚合了可在 https://github.com/fdjingliu/NSVAD 获取的可用研究资源。最后，本文展望了未来的发展趋势，讨论了人工智能和计算技术的集成如何解决现有研究挑战并创造开放机遇，为潜在的研究人员和工程师提供了具有洞察力的指南。
引用
@article{arxiv.2405.10347,
title = {Networking Systems for Video Anomaly Detection: A Tutorial and Survey},
author = {Jing Liu and Yang Liu and Jieyu Lin and Jielin Li and Liang Cao and Peng Sun and Bo Hu and Liang Song and Azzedine Boukerche and Victor C. M. Leung},
journal= {arXiv preprint arXiv:2405.10347},
year = {2025}
}
备注
Accepted to ACM Computing Surveys. For more information and supplementary material, please visit https://github.com/fdjingliu/NSVAD