PublicVision: защищённая интеллектуальная система видеонаблюдения для распознавания поведения толпы
PublicVision: A Secure Smart Surveillance System for Crowd Behavior Recognition
2024-01-01
SCID: 54.1/nk8ztx39
Discuss with AI
динамическая многоточечная VPNIPSecSwin Transformerраспознавание поведения толпызащищённое видеонаблюдение
Figures from the paper
Abstract (AI)
Распознавание поведения толпы играет важную роль в различных областях, включая обеспечение общественной безопасности, управление мероприятиями и городское планирование. Понимание динамики толпы и выявление поведения с учётом уровня насилия имеют решающее значение для предотвращения инцидентов и поддержания порядка в местах скопления людей. Однако традиционные методы видеонаблюдения не обеспечивают всестороннего анализа сложных моделей поведения толпы в реальном времени и не позволяют различать уровни насилия внутри толпы, что ограничивает возможности принятия превентивных решений. Кроме того, большинство современных систем не обеспечивают надёжную защищённую передачу данных и не гарантируют эффективную защиту конфиденциальности людей. В данной статье разработана сквозная защищённая интеллектуальная система видеонаблюдения PublicVision, которая безопасно передаёт данные CCTV на удалённый центральный узел, где для выявления и анализа поведения толпы используется модель глубокого обучения (DL) на основе Swin Transformer. Для обучения модели глубокого обучения был создан новый видеодатасет, позволяющий идентифицировать толпы по размеру и уровню насилия. Предложенная система обеспечивает сквозную безопасность за счёт создания динамической многоточечной виртуальной частной сети (DMVPN) и использует возможности IP-безопасности (IPSec) и межсетевого экрана для обеспечения конфиденциальности и целостности данных при передаче и хранении. Экспериментальный анализ и выводы в реальном времени с использованием комплекта средств разработки DeepStream (SDK) показали, что предложенная система имеет существенное значение для общественной безопасности, защиты и управления толпами в различных условиях, включая общественные пространства, транспортные узлы и крупномасштабные мероприятия.
Key Findings
1
Модель глубокого обучения на основе Swin Transformer распознаёт толпы по размеру и уровню насилия, устраняя ограничения традиционных систем наблюдения.
2
Эксперименты и обработка в реальном времени с использованием DeepStream SDK продемонстрировали применимость системы для общественной безопасности, транспортных узлов, общественных пространств и массовых мероприятий.
3
PublicVision представляет сквозную интеллектуальную архитектуру видеонаблюдения, безопасно передающую данные CCTV на удалённый центральный узел для автоматического анализа толпы.
4
Авторы создали новый видеонабор данных для обучения модели распознавания поведения толпы.
5
Система объединяет DMVPN, IPSec и межсетевой экран для обеспечения конфиденциальности и целостности данных видеонаблюдения при передаче и хранении.
Research Object
Толпы людей в общественных местах, контролируемых с помощью CCTV
Research Subject
Распознавание и анализ поведения толпы по размеру и уровню насилия при защищённой и обеспечивающей конфиденциальность передаче данных видеонаблюдения
Publication Details
Publication Date
2024-01-01
Journal
Publisher
ISSN
Cited by
112
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest