深度学习用于视频异常检测：综述
计算机视觉与模式识别
2024-10-22 v1 人工智能
摘要
视频异常检测（VAD）旨在发现视频中偏离正常状态的行为或事件。作为计算机视觉领域的一项长期任务，VAD已取得了诸多良好进展。在深度学习时代，随着能力和容量不断增强的架构激增，大量基于深度学习的方法不断涌现于VAD任务，极大提升了检测算法的泛化能力并拓宽了应用场景。因此，如此众多的方法和大量文献使得一项全面的综述成为迫切需求。本文提出了一项广泛而全面的研究综述，涵盖了五种不同类别的范畴，即半监督、弱监督、全监督、无监督和开集监督VAD，并深入探讨了基于预训练大模型的最新VAD工作，弥补了过去综述仅关注半监督VAD和基于小模型方法的局限性。针对不同监督水平的VAD任务，我们构建了一个组织良好的分类体系，深入讨论了不同类型方法的特征，并展示了它们的性能比较。此外，本综述还涉及涵盖上述所有VAD任务的公开数据集、开源代码和评估指标。最后，我们为VAD社区提供了几个重要的研究方向。
引用
@article{arxiv.2409.05383,
title = {Deep Learning for Video Anomaly Detection: A Review},
author = {Peng Wu and Chengyu Pan and Yuting Yan and Guansong Pang and Peng Wang and Yanning Zhang},
journal= {arXiv preprint arXiv:2409.05383},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication