学习骨架轨迹的规律性以进行视频异常检测
计算机视觉与模式识别
2019-04-19 v2
摘要
尽管外观特征包含复杂的纠缠因素，但它们已被广泛应用于视频异常检测。我们提出了一种新方法，利用动态骨架特征对监控视频中人类运动的正常模式进行建模，以用于异常检测。我们将骨架运动分解为两个子分量：全局身体运动和局部身体姿态。我们在新颖的消息传递编码器-解码器循环网络中对耦合特征的动力学和交互进行建模。我们观察到，解耦后的特征在我们的时空模型中协同交互，能够从监控视频序列中准确识别人类相关的异常事件。与基于传统外观的模型相比，我们的方法取得了更优的离群点检测性能。由于具有语义可理解的特征和支持可解释性的网络架构，我们的模型还提供了“白盒”审查和决策解释。
引用
@article{arxiv.1903.03295,
title = {Learning Regularity in Skeleton Trajectories for Anomaly Detection in Videos},
author = {Romero Morais and Vuong Le and Truyen Tran and Budhaditya Saha and Moussa Mansour and Svetha Venkatesh},
journal= {arXiv preprint arXiv:1903.03295},
year = {2019}
}
备注
Accepted for publication in CVPR'19; Included link for source code