隐私保护视频异常检测综述
计算机视觉与模式识别
2025-07-01 v2 密码学与安全
机器学习
摘要
视频异常检测 (VAD) 旨在自动分析监控视频中捕获的开放空间的时空模式，以检测可能造成伤害的异常事件，如斗殴、盗窃和车祸。然而，诸如闭路电视等基于视觉的监控系统常会捕获可识别个人信息的信息。视频传输与使用中的透明度和可解释性不足引发了公众对隐私和伦理的担忧，限制了 VAD 的实际应用。近期研究者从数据、特征和系统等多个角度聚焦 VAD 的隐私问题，使隐私保护视频异常检测 (P2VAD) 成为 AI 社区的热点。然而，当前 P2VAD 的研究仍呈碎片化状态，且既有综述大多聚焦于使用 RGB 序列的方法，忽略了隐私泄露和外观偏差的考虑。为填补这一空白，本文是首次系统综述 P2VAD 的进展，定义其范围并提供直观分类。我们概述了各种方法的基本假设、学习框架和优化目标，分析其优势、劣势及潜在关联。此外，我们提供可访问的研究资源，包括基准数据集和可用代码。最后，我们从 AI 开发和 P2VAD 部署的角度讨论关键挑战和未来机遇，旨在指引该领域的后续工作。
引用
@article{arxiv.2411.14565,
title = {Privacy-Preserving Video Anomaly Detection: A Survey},
author = {Yang Liu and Siao Liu and Xiaoguang Zhu and Jielin Li and Hao Yang and Liangyu Teng and Juncen Guo and Yan Wang and Dingkang Yang and Jing Liu},
journal= {arXiv preprint arXiv:2411.14565},
year = {2025}
}
备注
22 pages, 9 figures, 7 tables