面向半监督视频异常检测与预警的新综合基准
计算机视觉与模式识别
2023-05-24 v1
摘要
半监督视频异常检测（VAD）是智能监控系统中的关键任务。然而，VAD 中一类重要的异常——场景依赖型异常——尚未受到研究人员的关注。此外，尚无研究探讨异常预警这一对于预防异常事件发生更为重要的任务。为此，我们提出一个新的综合数据集 NWPU Campus，包含 43 个场景、28 类异常事件和 16 小时视频。目前，它是场景数和异常类别数最多、时长最长、且唯一考虑场景依赖型异常的半监督 VAD 数据集。同时，它也是首个为视频异常预警提出的数据集。我们进一步提出一种能够同时检测和预警异常事件的新模型。与近年 7 种优秀的 VAD 算法相比，我们的方法均能很好地应对场景依赖型异常检测与异常预警，在 ShanghaiTech、CUHK Avenue、IITB Corridor 及新提出的 NWPU Campus 数据集上一致取得最先进的性能。我们的数据集与代码发布于：https://campusvad.github.io。
引用
@article{arxiv.2305.13611,
title = {A New Comprehensive Benchmark for Semi-supervised Video Anomaly Detection and Anticipation},
author = {Congqi Cao and Yue Lu and Peng Wang and Yanning Zhang},
journal= {arXiv preprint arXiv:2305.13611},
year = {2023}
}
备注
CVPR 2023