AED-Net：一种异常事件检测网络
计算机视觉与模式识别
2019-03-29 v1
摘要
在拥挤场景中检测异常长期以来具有挑战性。本文提出一种自监督框架——异常事件检测网络（AED-Net），由PCAnet与核主成分分析（kPCA）组成，以解决此问题。使用不同场景的监控视频序列作为原始数据，训练PCAnet提取人群状况的高层语义。接下来，训练单类分类器kPCA以确定场景的异常。与一些流行的深度学习方法不同，该框架是完全自监督的，因为它仅利用正常状况下的视频序列。在UMN与UCSD数据集上进行了全局与局部异常事件检测实验，观察到相较于其他SOTA方法具有更高EER和AUC的竞争性结果。此外，通过添加局部响应归一化（LRN）层，我们对原始AED-Net提出了改进。实验证明，该改进通过提升框架的泛化能力而表现更优。
引用
@article{arxiv.1903.11891,
title = {AED-Net: An Abnormal Event Detection Network},
author = {Tian Wang and Zichen Miao and Yuxin Chen and Yi Zhou and Guangcun Shan and Hichem Snoussi},
journal= {arXiv preprint arXiv:1903.11891},
year = {2019}
}
备注
14 pages, 7 figures