受人体运动学启发的基于骨架的视频异常检测
计算机视觉与模式识别
2023-09-28 v1
摘要
以往在视频中检测人体异常的方法通常依赖于直接对视频或骨架数据应用模型进行隐式建模，可能导致运动信息建模不准确。本文中，我们开展了一项探索性研究，并引入了一种称为 HKVAD（受人体运动学启发的视频异常检测，Human Kinematic-inspired Video Anomaly Detection）的新思路用于视频异常检测，其涉及显式利用人体运动学特征来检测异常。为验证该视角的有效性与潜力，我们提出了一种试点方法，该方法利用骨架姿态的运动学特征，特别关注行走步幅、脚部水平骨架位移以及颈部水平骨架位移。随后，该方法采用归一化流（normalizing flow）模型来估计密度并基于估计密度检测异常。根据所用运动学特征的数量，我们设计了三种简单的变体方法，并在两个极具挑战性的公开数据集 ShanghaiTech 和 UBnormal 上进行了实验。我们的方法以最小的计算资源取得了良好结果，验证了其有效性与潜力。
引用
@article{arxiv.2309.15662,
title = {Human Kinematics-inspired Skeleton-based Video Anomaly Detection},
author = {Jian Xiao and Tianyuan Liu and Genlin Ji},
journal= {arXiv preprint arXiv:2309.15662},
year = {2023}
}