基于边界框轨迹的视频异常检测
计算机视觉与模式识别
2026-05-22 v1
摘要
视频异常检测对于公共安全和安保至关重要，但尽管已有大量研究，仍面临面貌、视角和场景动态等大幅变化的挑战。目前方法中，基于人体姿态的方法已成为主要研究方向，显示出强大的性能，因为许多数据集中的异常涉及人类，而姿态表示对外观变化具有鲁棒性，同时提供紧凑的运动描述。然而，这些方法常常忽略边界框轨迹，尽管此类信息在姿态管道中本构成可用信息。在本文中，我们显式地将这些轨迹作为主要异常线索。我们提出了 TrajVAD 框架，使用正规化流模型学习正常的运动学模式。其仅轨迹变体 (TrajVAD-T) 消除姿态估计，已在上海科技大学数据集上以 87.7% 的 AP 成绩超越所有比较的基于姿态的方法；在 MSAD 上取得最佳结果。扩展版 (TrajVAD-P) 融合姿态信息，进一步将上海科技大学数据集上的性能提升至 88.6% 的 AUROC 和 90.9% 的 AP，凸显边界框轨迹作为视频异常检测中有效但未被充分探索的模态。
引用
@article{arxiv.2605.21957,
title = {Bounding-Box Trajectories Matter for Video Anomaly Detection},
author = {Inpyo Song and Jangwon Lee},
journal= {arXiv preprint arXiv:2605.21957},
year = {2026}
}
备注
17 pages, 3 figures