面向隐私保护课堂事件识别的稳健高效运动推理

计算机视觉能否帮助提高教室安全性？在这项试点研究中，我们探讨了如何从类似闭路电视监控的观察数据中，以隐私保护和计算高效的方式识别教室事件。这一场景仍缺乏充分研究，既缺少有限的基准数据集，也缺少针对现实部署中隐私、效率和泛化需求而设计的方法。我们提出了一种新颖的混合基准，将生成式闭路电视风格视频与真实世界的教室人体姿态数据相结合；同时提出了一种轻量但稳健的运动推理框架。该框架基于这样的观察：许多事件的差异更多体现在运动方向、速度、加速度和强度上，而不仅仅体现在姿态上。为此，我们的方法首先构建人体动作的分层运动学表示。随后，我们将大型教师模型中的分层、多阶运动学推理蒸馏到小得多的单阶学生模型中，从而在保留丰富运动理解能力的同时，实现高效的逐人推理。实验表明，我们的模型以不到大型基线模型十分之一的计算成本，显著超越了它们；同时还展现出更强的域外运动推理能力，以及从合成数据到真实数据的零样本泛化能力。我们将公开发布该基准、代码库及配套工具，以促进隐私保护型教室安全领域的进一步研究。