SSIVD-Net：一种用于武器化暴力检测的显著超图像分类与检测技术

闭路电视（CCTV） footage 中暴力及武器化暴力的检测需要一种综合方法。本工作中，我们引入了 \emph{Smart-City CCTV Violence Detection (SCVD)} 数据集，专门设计用于促进监控视频中武器分布的学习。为应对分析 3D 监控视频以进行暴力识别任务的复杂性，我们提出一种称为 \emph{SSIVD-Net}（\textbf{S}alient-\textbf{S}uper-\textbf{I}mage for \textbf{V}iolence \textbf{D}etection，用于暴力检测的显著超图像）的新技术。我们的方法通过显著超图像表示降低了 3D 视频数据的复杂度、维度和信息损失，同时改善了推理、性能与可解释性。考虑到未来智能城市的可扩展性与可持续性需求，作者引入了 \emph{Salient-Classifier}——一种结合核化方法与残差学习策略的新架构。我们在 SCVD 数据集上评估了 SSIVD-Net 与 Salient Classifier 的变体，并与暴力检测中常用的先进（SOTA）模型进行基准比较。我们的方法在检测武器化与非武器化暴力实例上均表现出显著改进。通过推进暴力检测的 SOTA，我们的工作提供了一种适用于实际应用的实用且可扩展的解决方案。所提方法不仅应对了 CCTV footage 中暴力检测的挑战，也增进了对智能监控中武器分布的理解。最终，我们的研究成果应能促进更智能、更安全的城市并加强公共安全措施。