用于人体相关视频异常检测的收缩骨骼运动学方法
计算机视觉与模式识别
2024-08-21 v5
摘要
检测人体行为异常对于及时识别危险情形（如街头斗殴或老人跌倒）至关重要。然而，异常检测十分复杂，因为异常事件稀少，且它是一项开集识别任务，即推理时的异常在训练时未被观测到。我们提出 COSKAD，一种新颖的模型，其通过图卷积网络编码骨骼人体运动，并学习将骨骼运动学嵌入 COntract（收缩）到最小体积的潜在超球面上以用于视频异常检测（Video Anomaly Detection）。我们提出三种潜在空间：常用的欧氏空间以及新颖的球面和双曲空间。所有变体在最新的 UBnormal 数据集上均优于当前最优方法，我们贡献了该数据集的一个带标注骨骼的人体相关版本。COSKAD 在 ShanghaiTech Campus 与 CUHK Avenue 的人体相关版本上确立了新的最优性能，表现可与基于视频的方法相媲美。源代码与数据集将在录用后发布。
引用
@article{arxiv.2301.09489,
title = {Contracting Skeletal Kinematics for Human-Related Video Anomaly Detection},
author = {Alessandro Flaborea and Guido D'Amely and Stefano D'Arrigo and Marco Aurelio Sterpa and Alessio Sampieri and Fabio Galasso},
journal= {arXiv preprint arXiv:2301.09489},
year = {2024}
}
备注
Published in the Pattern Recognition Journal