用于智慧城市监控的物联网赋能异常检测系统

自视觉传感器问世以来，智慧城市产生了海量的监控视频数据，可通过智能分析来检测异常情况。基于计算机视觉的自动异常检测技术取代了人工干预，以保障视频监控应用的安全，替代了依赖人工参与进行异常检测的传统视频监控系统，后者既繁琐又不准确。然而，由于异常事件的多样性及其复杂性，在现实场景中对其进行自动检测极具挑战性。本研究利用人工智能物联网（AIoT），提出了一种高效且稳健的框架，用于在海量监控视频数据中检测异常。本研究提出了一种集成 2D-CNN 和 ESN 的混合模型用于智能监控（AIoT 的重要应用之一）。CNN 用作输入视频的特征提取器，提取的特征随后输入到自编码器中进行特征精炼，接着通过 ESN 进行序列学习和异常事件检测。所提出的模型具有轻量化特性，并部署在边缘设备上，以确保其在智慧城市 AIoT 环境中的能力和适用性。与其他方法相比，所提出的模型在具有挑战性的监控数据集上显著提升了性能。