論文の概要: City Sentinel: A Unified AI-Based Smart Surveillance Framework for Real-Time Multi-Threat Detection Using Deep Learning
- arxiv url: http://arxiv.org/abs/2608.08887v1
- Date: Sun, 09 Aug 2026 19:59:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.987094
- Title: City Sentinel: A Unified AI-Based Smart Surveillance Framework for Real-Time Multi-Threat Detection Using Deep Learning
- Title（参考訳）: City Sentinel:ディープラーニングを用いたリアルタイムマルチスレッド検出のための統合AIベースのスマートサーベイランスフレームワーク
- Abstract要約: City Sentinelは、AIベースの統合監視フレームワークで、6つの検出機能をひとつのスケーラブルプラットフォームに統合する。
システムは、743msの中央値のエンドツーエンドレイテンシを実現し、4つの同時RTSPストリームをサポートする。
91.2%の顔照合率、85.7%のプレート読み取り精度、mAP@0.5スコアは火器、ナイフ、兵器検出モジュール全体で0.846から0.889である。
- 参考スコア（独自算出の注目度）: 0.06999740786886534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rapid urbanization has increased the need for surveillance systems that can monitor multiple public safety risks at the same time. Traditional systems often use separate solutions for facial recognition, vehicle identification, fire detection, and behavioral analysis, resulting in fragmented infrastructure and multiple interfaces for operators to manage. This paper presents City Sentinel, a unified AI-based surveillance framework that integrates six detection capabilities into one scalable platform: facial recognition, automatic number plate recognition (ANPR), fire and smoke detection, weapon and knife detection, violence detection, and road accident detection. The system combines a Next.js operator dashboard, FastAPI backend, cloud-based PostgreSQL event storage, InsightFace and YOLOv8 vision models, and EasyOCR for plate recognition. Camera streams are processed through dedicated inference workers using RTSP. On a workstation equipped with an NVIDIA RTX 3060 GPU, the system achieves a median end-to-end latency of 743 ms and supports four concurrent RTSP streams within a two-second latency limit. It achieves a 91.2% face-match rate, 85.7% plate-reading accuracy, and mAP@0.5 scores of 0.846 to 0.889 across the fire, knife, and weapon detection modules. In user-acceptance testing, operators could enroll a new identity in under one minute and identify a flagged person from live footage in an average of 12 seconds. The results demonstrate that a modular, open-source, multi-model architecture can provide broad surveillance coverage, cloud-based auditability, and flexibility for adding new detection capabilities while maintaining practical real-time performance.
- Abstract（参考訳）: 都市化の迅速化により、複数の公共安全リスクを同時に監視できる監視システムの必要性が高まっている。
従来のシステムは、顔認識、車両の識別、火災検知、行動分析に別々のソリューションを使用しており、結果としてインフラストラクチャが断片化され、オペレータが管理する複数のインターフェースが作られる。
本稿では,顔認識,自動ナンバープレート認識(ANPR),火災・煙検出,武器・ナイフ検出,暴力検出,道路事故検出の6つの機能を備えた,AIベースの統合監視フレームワークであるCity Sentinelを提案する。
このシステムはNext.jsオペレーターダッシュボード、FastAPIバックエンド、クラウドベースのPostgreSQLイベントストレージ、InsightFaceとYOLOv8ビジョンモデル、プレート認識のためのEasyOCRを組み合わせる。
カメラストリームはRTSPを使用して専用の推論ワーカーによって処理される。
NVIDIA RTX 3060 GPUを備えたワークステーションでは、743msの中央のエンドツーエンドレイテンシを実現し、2秒のレイテンシ制限で4つの同時RTSPストリームをサポートする。
91.2%の顔照合率、85.7%のプレート読み取り精度、mAP@0.5スコアは火器、ナイフ、兵器検出モジュール全体で0.846から0.889である。
ユーザー受け入れテストでは、オペレーターは新しいアイデンティティを1分以内で登録し、ライブ映像からフラグ付きの人物を平均12秒で特定できる。
その結果、モジュール化されたオープンソースのマルチモデルアーキテクチャは、実用的なリアルタイムパフォーマンスを維持しながら、広範な監視カバレッジ、クラウドベースの監査可能性、新たな検出機能を追加する柔軟性を提供することができた。
関連論文リスト
- Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。
本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-22T18:38:39Z) - A Multi-Task Deep Learning Framework for Real-Time Intelligent Video Surveillance with Temporal Event Validation [0.0]
本稿では,顔認識,ナンバープレート認識,武器検出,火災・煙検知,人間の行動認識を同時に行うマルチタスク深層学習フレームワークを提案する。
連続ビデオの堅牢性を改善するため、全ての検出モジュールは時間的イベントバリデーションアーキテクチャに統合される。
その結果,コモディティハードウェア上では,フレーム毎のレイテンシが100ミリ秒未満のリアルタイム動作が維持されていることがわかった。
論文 参考訳（メタデータ） (2026-07-03T09:20:58Z) - Real-Time Multi-Modal Embedded Vision Framework for Object Detection Facial Emotion Recognition and Biometric Identification on Low-Power Edge Platforms [0.44219509596259216]
Raspberry Pi 5エッジプラットフォーム上にデプロイされた統合パイプラインにオブジェクト検出、所有者固有の顔認識、感情検出を統合したリアルタイムマルチモーダルビジョンフレームワークを提案する。
我々の研究は、コスト効率の良いエッジハードウェア上で複雑なマルチモーダルAIをアンロックする鍵は、コンテキスト対応のスケジューリングであることを示している。
論文 参考訳（メタデータ） (2026-01-17T09:06:47Z) - Video Object Recognition in Mobile Edge Networks: Local Tracking or Edge Detection? [57.000348519630286]
モバイルエッジコンピューティングの最近の進歩により、高精度ニューラルネットワークを備えたエッジサーバに集約的なオブジェクト検出をオフロードすることが可能になった。
このハイブリッドアプローチは有望なソリューションを提供するが、新たな課題として、エッジ検出とローカルトラッキングのタイミングを決定する。
局所的なトラッキングとエッジ検出を適応的に選択する深層強化学習に基づくアルゴリズムである単一デバイス環境での LTED-Ada を提案する。
論文 参考訳（メタデータ） (2025-11-25T04:54:51Z) - A Deep Learning-Based CCTV System for Automatic Smoking Detection in Fire Exit Zones [0.0]
防火エリアのCCTV監視のためのリアルタイム喫煙検知システムを提案する。
データセットには、20のシナリオから8,124の画像と、低照度領域を示す2,708のサンプルが含まれている。
提案されたモデルは他のモデルよりも優れ、78.90%、mAPは83.70パーセントの50パーセントでリコールされた。
論文 参考訳（メタデータ） (2025-08-12T19:27:17Z) - OpenRSD: Towards Open-prompts for Object Detection in Remote Sensing Images [45.40710102095654]
オープンプロンプト型オブジェクト検出フレームワークOpenRSDを提案する。
OpenRSDはマルチモーダルプロンプトをサポートし、マルチタスク検出ヘッドを統合して精度とリアルタイム要求のバランスをとる。
YOLO-Worldと比較すると、OpenRSDは平均精度が8.7%高く、推定速度は20.8 FPSである。
論文 参考訳（メタデータ） (2025-03-08T10:08:46Z) - Real-Time Pedestrian Detection on IoT Edge Devices: A Lightweight Deep Learning Approach [1.4732811715354455]
本研究では,AIoT(Artificial Intelligence of Things)エッジデバイス上での軽量ディープラーニングモデルの実装について検討する。
You Only Look Once (YOLO)ベースのDLモデルは、リアルタイムな歩行者検出のためにデプロイされる。
シミュレーションの結果、最適化されたYOLOモデルは、高速な推論速度147ミリ秒、フレームレート2.3フレーム/秒、精度78%でリアルタイムな歩行者検出を実現できることが示された。
論文 参考訳（メタデータ） (2024-09-24T04:48:41Z) - A Lightweight Multi-Attack CAN Intrusion Detection System on Hybrid
FPGAs [13.581341206178525]
コントローラエリアネットワーク(CAN)における複数攻撃ベクトルの検出において、侵入検知と緩和アプローチが有望な結果を示している。
本稿では,Zynq Ultrascale+ (XCZU3EG) FPGA上にXilinxのDeep Learning Processing Unit IPを用いて,軽量なマルチアタック量子機械学習モデルを提案する。
このモデルは、99%以上の精度でサービス拒否とファジッシング攻撃を検知し、その偽陽性率は0.07%であり、これは文学における最先端技術に匹敵するものである。
論文 参考訳（メタデータ） (2024-01-19T13:39:05Z) - ViT Unified: Joint Fingerprint Recognition and Presentation Attack
Detection [36.05807963935458]
我々は、視覚変換器のアーキテクチャを、関節スプーフ検出とマッチングに活用する。
我々は、シーケンシャルシステムと統一アーキテクチャの両方に対して、最先端のSOTA(State-of-the-art)モデルによる競合結果を報告する。
We demonstrate the capabilities of our unified model to achieve a average integrated matching (IM) accuracy of 98.87% across LivDet 2013 and 2015 CrossMatch sensor。
論文 参考訳（メタデータ） (2023-05-12T16:51:14Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Identity-Aware Attribute Recognition via Real-Time Distributed Inference
in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。
本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。
そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文 参考訳（メタデータ） (2020-08-12T12:03:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。