用于异常检测的未来帧预测——一种新基线

视频中的异常检测是指识别不符合预期行为的事件。然而，几乎所有现有方法都通过最小化训练数据的重构误差来解决该问题，这不能保证异常事件具有更大的重构误差。在本文中，我们提出在视频预测框架内解决异常检测问题。据我们所知，这是首项利用预测未来帧与其真值之间的差异来检测异常事件的工作。为对正常事件预测更高质量的未来帧，除常用的强度与梯度上的外观（空间）约束外，我们还通过在视频预测中强制预测帧与真值帧之间的光流保持一致，引入了运动（时间）约束，并且这是首项将时间约束引入视频预测任务的工作。此类空间与运动约束有助于正常事件的未来帧预测，从而有助于识别那些不符合预期的异常事件。在玩具数据集与若干公开可用数据集上的大量实验验证了我们的方法在针对正常事件不确定性的鲁棒性以及对异常事件的敏感性方面的有效性。