AAD：基于交通监控视频的自适应异常检测
计算机视觉与模式识别
2018-08-31 v1
摘要
通过视频分析进行异常检测对于发现交通路口任何异常的车辆/行人行为具有重要意义。虽然大多数现有工作使用基于所给数据集的神经网络和常规机器学习方法，但我们将使用目标识别 (Faster R-CNN) 来识别视频场景中目标的标签及其对应位置，作为实现异常检测的第一步。然后，将利用光流来识别帧中每个区域的自适应交通流。基本上，我们提出了一种使用自适应异常检测框架进行异常活动检测的替代方法。与参考论文中描述的基线方法相比，我们的方法更高效且取得了相当的准确率。
引用
@article{arxiv.1808.10044,
title = {AAD: Adaptive Anomaly Detection through traffic surveillance videos},
author = {Mohammmad Farhadi Bajestani and Seyed Soroush Heidari Rahmat Abadi and Seyed Mostafa Derakhshandeh Fard and Roozbeh Khodadadeh},
journal= {arXiv preprint arXiv:1808.10044},
year = {2018}
}