推进视频异常检测：简明综述与新数据集
计算机视觉与模式识别
2024-11-01 v4
摘要
视频异常检测（VAD）在安全监控、交通监测、工业监控和医疗保健中有着广泛的应用。尽管进行了大量的研究工作，但仍缺乏提供深刻指导的简明综述供研究人员参考。此类综述可作为快速参考，以掌握当前的挑战、研究趋势和未来方向。在本文中，我们提出了这样的综述，从各个角度审视模型和数据集。我们强调了模型与数据集之间的关键关系，其中数据集的质量和多样性深刻影响模型性能，且数据集的开发适应了新兴方法不断演变的需求。我们的综述指出了实际问题，包括缺乏具有多样化场景的综合数据集。为解决这一问题，我们引入了一个新数据集：多场景异常检测（MSAD），包含从各种摄像机视角捕获的 14 个不同场景。我们的数据集具有多样的运动模式和具有挑战性的变化，如不同的光照和天气条件，为训练优越模型提供了坚实的基础。我们使用 MSAD 对最近的代表性模型进行了深入分析，并突出了其在应对多样化和不断演变的监控场景中异常检测挑战方面的潜力。[项目网站：https://msad-dataset.github.io/]
引用
@article{arxiv.2402.04857,
title = {Advancing Video Anomaly Detection: A Concise Review and a New Dataset},
author = {Liyun Zhu and Lei Wang and Arjun Raj and Tom Gedeon and Chen Chen},
journal= {arXiv preprint arXiv:2402.04857},
year = {2024}
}
备注
Accepted at the 38th Conference on Neural Information Processing Systems (NeurIPS 2024) Track on Datasets and Benchmarks