基于GAN与迁移学习的城市场景监控视频异常事件检测
计算机视觉与模式识别
2020-11-20 v1 机器学习
摘要
城市场景监控视频中的异常事件检测（AED）面临多重挑战。与其他计算机视觉问题不同，AED不仅依赖于帧的内容，还依赖于场景中物体的外观及其运动。已有多种方法用于解决AED问题，其中基于深度学习的方法表现最佳。本文基于深度学习方法，通过处理时空数据，提供了一种有效检测和定位视频中异常事件的途径。本文使用生成对抗网络（GANs）并在预训练的卷积神经网络（CNN）上执行迁移学习算法，从而得到准确且高效的模型。通过处理视频的光流信息进一步提升了模型效率。本文在两个AED基准数据集（UCSD Peds1和UCSD Peds2）上开展实验，并与其他已有方法进行比较。比较基于曲线下面积（AUC）和真正率（TPR）等多种指标。实验结果表明，所提方法能有效检测和定位人群场景中的异常事件。
引用
@article{arxiv.2011.09619,
title = {Abnormal Event Detection in Urban Surveillance Videos Using GAN and Transfer Learning},
author = {Ali Atghaei and Soroush Ziaeinejad and Mohammad Rahmati},
journal= {arXiv preprint arXiv:2011.09619},
year = {2020}
}
备注
7 pages, 9 figures, 3 tables