学习用于异常事件检测的外观与运动深度表示
计算机视觉与模式识别
2015-10-07 v1
摘要
我们提出了一种新颖的无监督深度学习框架，用于复杂视频场景中的异常事件检测。尽管大多数现有工作仅使用手工设计的外观与运动特征，我们提出了外观与运动深度网络（Appearance and Motion DeepNet, AMDN），利用深度神经网络自动学习特征表示。为利用外观与运动模式的互补信息，我们引入了一种新颖的双重融合框架，结合了传统早期融合与晚期融合策略的优势。具体而言，提出堆叠去噪自编码器分别学习外观特征、运动特征以及一种联合表示（早期融合）。基于所学表示，使用多个单类 SVM 模型预测每个输入的异常分数，随后通过晚期融合策略进行集成以完成最终异常检测。我们在两个公开可用的视频监控数据集上评估了所提方法，显示出与当前最优（state of the art）方法相比具有竞争力的性能。
引用
@article{arxiv.1510.01553,
title = {Learning Deep Representations of Appearance and Motion for Anomalous Event Detection},
author = {Dan Xu and Elisa Ricci and Yan Yan and Jingkuan Song and Nicu Sebe},
journal= {arXiv preprint arXiv:1510.01553},
year = {2015}
}
备注
Oral paper in BMVC 2015