一种基于生成误差的视频异常检测提升方法
计算机视觉与模式识别
2020-03-18 v4
摘要
监控视频异常检测旨在检测某一场景中极少或从未发生的事件。基于生成误差（GE）的方法在该任务上表现出优异性能。它们首先训练一个生成神经网络（GNN）来生成正常样本，然后将具有较大 GE 的样本判定为异常。几乎所有基于 GE 的方法都利用帧级 GE 来检测异常。然而，异常通常出现在局部区域，帧级 GE 将正常区域的 GE 引入异常判别，这带来两个问题：i）正常区域的 GE 降低了异常帧的异常显著性。ii）不同视频具有不同的正常 GE 水平，因此难以为所有视频设定统一阈值来检测异常。为解决这些问题，我们提出一种提升方法：利用帧上块级 GE 的最大值来检测异常。首先，我们计算帧上各位置的块级 GE；然后，利用帧上块级 GE 的最大值来检测异常。基于已有的 GNN 模型，我们在多个数据集上进行了实验。结果证明了所提方法的有效性并达到了最先进的性能。
引用
@article{arxiv.1911.08402,
title = {A Promotion Method for Generation Error Based Video Anomaly Detection},
author = {Zhiguo Wang and Zhongliang Yang and Yu-Jin Zhang},
journal= {arXiv preprint arXiv:1911.08402},
year = {2020}
}