基于深度学习的视频异常检测综述：人、车辆与环境
计算机视觉与模式识别
2025-08-21 v1 人工智能
摘要
视频异常检测（Video Anomaly Detection, VAD）已成为计算机视觉中的一项关键任务，在多个领域具有广泛的相关性。深度学习的最新进展推动了该领域的显著进步，但该领域在不同领域和学习范式之间仍然碎片化。本综述提供了对 VAD 的全面视角，系统地整理了跨各种监督级别以及在线学习、主动学习和持续学习等自适应学习方法的文献。我们考察了 VAD 在三大应用类别中的现状：以人为中心、以车辆为中心和以环境为中心的场景，每个场景都有独特的挑战和设计考量。在此过程中，我们识别了当前方法论的基本贡献和局限性。通过整合来自各子领域的见解，我们旨在为社区提供一个结构化的基础，以推进 VAD 系统的理论理解和实际应用。本综述旨在为研究人员提供有用的参考，同时提请关注异常检测中更广泛的开放挑战，包括基础研究问题和实际部署中的现实障碍。
引用
@article{arxiv.2508.14203,
title = {A Survey on Video Anomaly Detection via Deep Learning: Human, Vehicle, and Environment},
author = {Ghazal Alinezhad Noghre and Armin Danesh Pazho and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2508.14203},
year = {2025}
}