摘要
在监控系统中检测暴力事件在执法与城市安全领域发挥着重要作用。暴力事件检测器的性能主要通过响应速度、检测准确率以及在不同视频源（格式各异）下的泛化能力来衡量。尽管已有诸多研究聚焦于提升检测速度或准确率，甚至两者兼顾，但大多未充分考虑模型在不同视频源之间的泛化性能。本文提出了一种基于深度学习的实时暴力事件检测模型。该模型采用卷积神经网络（CNN）作为空间特征提取器，结合长短期记忆网络（LSTM）以建模时序关系，重点优化三个核心指标：整体泛化能力、检测准确率与快速响应时间。实验结果表明，所提模型在保持98%高准确率的同时，实现每秒131帧的处理速度。与现有方法相比，该模型在准确率与处理速度方面均优于以往所有相关工作，展现出卓越的综合性能。