长期数据集中的上下文感知视频异常检测
计算机视觉与模式识别
2024-04-12 v1
摘要
视频异常检测研究通常在仅几分钟长的短孤立基准视频上进行评估。然而，在真实世界环境中，安防摄像头对同一场景的观察时间长达数月或数年，而异常行为的概念关键取决于上下文，例如一天中的时间、星期几或事件日程。在此，我们提出了一种上下文感知视频异常检测算法 Trinity，专门针对这些场景。Trinity 特别适合于无法轻易追踪个体的拥挤场景，以及由于速度、方向或缺乏群体运动而导致的异常。Trinity 是一个对比学习框架，旨在学习上下文、外观和运动之间的对齐，并使用对齐质量将视频分类为正常或异常。我们在常规基准以及我们收集的跨越三个多月活动的公共基于网络摄像头的数据集上评估了我们的算法。
引用
@article{arxiv.2404.07887,
title = {Context-aware Video Anomaly Detection in Long-Term Datasets},
author = {Zhengye Yang and Richard Radke},
journal= {arXiv preprint arXiv:2404.07887},
year = {2024}
}