目的地搜索
科研进展
当前位置: 首页 >> 科学研究 >> 科研进展 >> 正文
电子与通信工程学院/人工智能学院宿勇团队 在联邦弱监督视频异常检测领域取得进展
2026-10-29 19:38  

电子与通信工程学院/人工智能学院宿勇团队围绕分布式视频监控中的隐私保护与异常检测问题,提出了一种基于自适应动态递归映射的双检测器再优化方法。研究成果以“Dual-Detector Reoptimization for Federated Weakly Supervised Video Anomaly Detection via Adaptive Dynamic Recursive Mapping”为题,发表于《IEEE Transactions on Industrial Informatics》。

弱监督视频异常检测仅需标注整段视频是否包含异常,能够降低精细标注的成本。然而,粗粒度标签与视频中的噪声容易导致本地模型产生检测误差,不同客户端之间的场景差异又会进一步影响联邦聚合效果。针对上述问题,团队从本地检测器优化和跨客户端协同学习两个层面开展研究。

该方法首先构建通道均值异常检测器与通道统计异常检测器,利用两类检测器的互补信息增强异常判别能力;其次,引入自适应动态递归映射,通过检测器之间的自适应决策参数交互,对异常评分进行迭代优化,提高评分稳定性及抗噪能力;最后,提出基于场景相似性的自适应本地聚合算法(SSALA),根据场景相似程度调整模型聚合,缓解场景异质性对协同学习的影响。方法框架及递归映射示意如图1所示。

图1 联邦弱监督视频异常检测方法框架及自适应动态递归映射示意

团队在 NVIDIA Jetson AGX Xavier 平台上,使用 ShanghaiTech 和 UBnormal 两个公开视频异常检测数据集开展实验。在联邦学习设置下,该方法的受试者工作特征曲线下面积(AUC)分别达到97.86%和76.51%,展示了其在分布式视频监控及边缘计算场景中的应用潜力。研究成果为兼顾数据隐私与检测性能的多客户端视频异常检测提供了新的方法。

论文链接:https://doi.org/10.1109/TII.2025.3574406

【关闭窗口】

版权所有:天津师范大学 | 地址:天津市西青区宾水西道393号 | 邮政编码:300387 | 电话:022-23761628