Vi-SAFE：面向公共监控的高效暴力检测空间-时间框架
计算机视觉与模式识别
2025-09-17 v1
摘要
公共监控暴力检测对于公共安全至关重要。本研究解决小目标、复杂环境及实时时序分析等挑战问题。提出Vi-SAFE框架，集成增强型YOLOv8与时序段网络（TSN）用于视频监控。YOLOv8模型采用GhostNetV3作为轻量级主干网络，引入指数移动平均（EMA）注意力机制，并进行剪枝以降低计算成本同时保持精度。YOLOv8与TSN分别在行人数据集和暴力数据集上独立训练，YOLOv8用于提取人体区域，TSN用于暴力行为的二分类。在RWF-2000数据集上的实验表明，Vi-SAFE达到0.88的准确率，显著优于TSN单独的0.77准确率，并在准确率与效率上超越现有方法，证明其在公共安全监控中的有效性。代码已公开于https://anonymous.4open.science/r/Vi-SAFE-3B42/README.md。
引用
@article{arxiv.2509.13210,
title = {Vi-SAFE: A Spatial-Temporal Framework for Efficient Violence Detection in Public Surveillance},
author = {Ligang Chang and Shengkai Xu and Liangchang Shen and Binhan Xu and Junqiao Wang and Tianyu Shi and Yanhui Du},
journal= {arXiv preprint arXiv:2509.13210},
year = {2025}
}