面向物理与通用视频异常检测的方法
计算机视觉与模式识别
2021-12-15 v1
摘要
近年来，许多工作致力于解决视频中从未见过的异常发现问题。然而，大多数工作聚焦于从安防摄像头拍摄的监控视频中检测异常帧。与此同时，展现异常机械行为的视频中的异常检测（AD）任务在很大程度上被忽视。此类视频中的异常检测兼具学术与实用意义，因为它们可在许多制造、维护和现实场景中实现故障的自动检测。为评估不同方法检测此类异常的潜力，我们评估了两种简单基线方法：（i）时间池化图像 AD 技术。（ii）以视频分类预训练特征表示的视频密度估计。此类方法的开发需要新基准以评估不同可能方法。我们引入物理异常轨迹或运动（PHANTOM）数据集，包含六种不同的视频类别。每类由正常与异常视频组成。各类在呈现现象、正常类变异性和视频中异常种类上有所不同。我们还提出一个更难的基准，需在高度可变场景中 spotting 异常活动。
引用
@article{arxiv.2112.07661,
title = {Approaches Toward Physical and General Video Anomaly Detection},
author = {Laura Kart and Niv Cohen},
journal= {arXiv preprint arXiv:2112.07661},
year = {2021}
}