基于深度学习的高速公路异常运动检测
计算机视觉与模式识别
2020-06-16 v1
摘要
由于其在监控中的应用,视觉异常检测的研究引起了很大兴趣。用于评估的常用数据集由俯瞰感兴趣区域的固定摄像机构建。先前的研究已在检测此类设定下的空间与时间异常方面展现出有前景的结果。自动驾驶汽车的出现为在更动态的应用中应用视觉异常检测提供了机会,但此类环境中尚不存在数据集。本文提出了一个新的异常检测数据集——高速公路交通异常(HTA)数据集——用于从高速公路车辆行车记录仪视频中检测异常交通模式的问题。我们评估了最先进的深度学习异常检测模型,并提出了这些方法的新变体。我们的结果表明,为固定摄像机设定构建的最先进模型不能很好地迁移到更动态的环境。对这些 SOTA 方法提出的变体在全新 HTA 数据集上展现出有前景的结果。
引用
@article{arxiv.2006.08143,
title = {Anomalous Motion Detection on Highway Using Deep Learning},
author = {Harpreet Singh and Emily M. Hand and Kostas Alexis},
journal= {arXiv preprint arXiv:2006.08143},
year = {2020}
}
备注
to be published in IEEE ICIP 2020