一种用于人群场景异常检测的自适应无训练系统
计算机视觉与模式识别
2019-06-04 v1
摘要
人群视频中的异常检测已成为计算机视觉界热门的研究领域。若干现有方法通常利用带标签或无标签数据对场景进行先验训练。然而，先验数据并不总是能够保证可用，尤其是对于偏远地区监控等场景。为应对这一挑战，我们提出一种自适应无训练系统，能够在动态估计并基于特定参数调整响应的同时即时检测异常。这使得我们的系统本质上既无训练又具自适应。我们的流程由三个主要组件构成：用于基于多目标检测关联的 adaptive 3D-DCT 模型、通过显著性调制光流描述的局部运动结构，以及基于推土机距离（EMD）的异常检测。所提模型尽管无需训练，但在公开可用的UCSD、UMN、CHUK-Avenue和ShanghaiTech数据集上取得了与多种state-of-the-art方法相当的性能。
引用
@article{arxiv.1906.00705,
title = {An Adaptive Training-less System for Anomaly Detection in Crowd Scenes},
author = {Arindam Sikdar and Ananda S. Chowdhury},
journal= {arXiv preprint arXiv:1906.00705},
year = {2019}
}
备注
29 pages, 13 figures