我所一篇交通视频异常检测的工作被国际顶级会议ACM MM 2026录用

发布时间：2026年7月13日

       由我所师生合作完成的一篇论文 Zoom In, Reason Out: Efficient Far-field Anomaly Detection in Expressway Surveillance Videos via Focused VLM Reasoning Guided by Bayesian Inference 被 CCF A 类国际学术会议 ACM MM 录用。该论文由我所师生毛潇苇、随博文、张伟杰、杨雅雯、赵世龙、林嘉祺、吴庭锐、郭晟楠老师、林友芳老师、万怀宇老师合作完成。

      在智能交通安全管理中，基于高速公路监控视频的事件异常检测是一项关键任务。尽管现有的视觉语言模型展现出了较好的语义推理能力，但在实际应用中，远端微小异常目标的特征易被背景像素稀释，导致识别困难；同时，高频调用视觉语言模型处理连续视频流会产生很高的计算开销，难以满足实时推理的需求。为了解决这些问题，本文提出了一种基于在线贝叶斯推断引导的视觉语言模型推理方法。该方法首先基于车辆运动学机理构建在线贝叶斯推断方法，动态更新正常行驶行为的概率边界。当车辆行驶状态超出该边界时，系统将触发异常信息定位，获取可能存在异常的时空区域。此外，提出方法不再处理所有的视频帧，而是仅将触发异常定位的局部视觉区域输入视觉语言模型进行推理。在多个真实交通数据集上的实验结果表明，所提方法在降低计算开销的同时，提升了视频远端异常检测的准确性，并在复杂多变的高速公路场景中表现出较好的泛化性能。