通过正交子空间投影实现隐私感知视频异常检测
计算机视觉与模式识别
2026-05-12 v1 人工智能
机器学习
摘要
视频异常检测 (VAD) 系统通常侧重准确率，忽视隐私问题，限制了其在实际部署中的适用性。我们提出正交投影层 (OPL)，一个轻量级模块，用于移除与任务无关的变异，生成聚焦于异常相关线索的表示。为解决以人为中心场景中的隐私风险，我们引入引导型 OPL (G-OPL)，其利用面部存在信号的弱监督抑制面部属性，同时保留非识别特征，如姿态和运动。余弦对齐目标在无需身份标签或对抗训练的情况下，强制一致地捕获和移除面部信息。我们进一步提出一个隐私感知评估框架，联合评估检测性能和隐私保护，并可分析敏感信息如何被过滤。实验表明，在模型设计中嵌入隐私约束可减少敏感信息，同时在保持或提高检测准确率方面表现出色，支持投影为隐私感知 VAD 提供了原则化方法。
引用
@article{arxiv.2605.08651,
title = {Privacy-Aware Video Anomaly Detection through Orthogonal Subspace Projection},
author = {Lei Wang and Wenxiang Diao and Andrew Busch and Jun Zhou and Yongsheng Gao},
journal= {arXiv preprint arXiv:2605.08651},
year = {2026}
}
备注
Accepted as a Spotlight paper at the Forty-Third International Conference on Machine Learning (ICML 2026)