用于人体姿态异常检测的标准化流
计算机视觉与模式识别
2023-08-17 v2 人工智能
图像与视频处理
摘要
视频异常检测是一个不适定问题，因为它依赖许多参数，如外观、姿态、相机角度、背景等。我们将该问题提炼为人体姿态的异常检测，从而降低外观等干扰参数影响结果的风险。仅关注姿态还有一个附带好处，即减少对不同少数群体的偏见。我们的模型直接作用于人体姿态图序列，且极其轻量（约 1K 参数），能够在任何可运行姿态估计的机器上以可忽略的额外资源运行。我们在标准化流框架中利用高度紧凑的姿态表示，并对其扩展以处理时空姿态数据的独特特性，展示其在该用例中的优势。该算法具有相当通用性，既能处理仅含正常样本的训练数据，也能处理由带标签的正常与异常样本组成的监督设置。我们在两个异常检测基准——无监督的 ShanghaiTech 数据集和近期的有监督 UBnormal 数据集上报告了最先进的结果。
引用
@article{arxiv.2211.10946,
title = {Normalizing Flows for Human Pose Anomaly Detection},
author = {Or Hirschorn and Shai Avidan},
journal= {arXiv preprint arXiv:2211.10946},
year = {2023}
}