使用序列到序列网络自动实时检测人体轨迹异常
机器学习
2023-09-26 v2 计算机视觉与模式识别
图像与视频处理
摘要
异常轨迹检测是一个重要问题，在视频监控、风险评估、船舶监控和高能物理等多个领域具有潜在应用。由于此类时间序列通常是非平稳且高维的，使用统计方法对轨迹分布进行建模一直是一项具有挑战性的任务。然而，现代机器学习技术为数据驱动建模和关键信息提取提供了稳健的方法。在基于风险的安全背景下，本文提出了一种用于实时检测人体轨迹异常的 Sequence to Sequence 架构。我们的检测方案在由 ISL iCrowd 模拟器生成的包含多样且逼真轨迹的合成数据集上进行了测试。实验结果表明，我们的方案能准确检测出偏离正常行为的运动模式，在未来实际应用中具有广阔前景。
引用
@article{arxiv.1907.05813,
title = {Automated Real-time Anomaly Detection in Human Trajectories using Sequence to Sequence Networks},
author = {Giorgos Bouritsas and Stelios Daveas and Antonios Danelakis and Constantinos Rizogiannis and Stelios C. A. Thomopoulos},
journal= {arXiv preprint arXiv:1907.05813},
year = {2023}
}
备注
AVSS 2019