用于视频异常检测的行人时空信息融合
计算机视觉与模式识别
2022-11-29 v2
摘要
针对当前视频异常检测不能充分利用时间信息且忽略正常行为多样性的问题，提出一种融合行人时空信息的异常检测方法。基于卷积自编码器，通过编码器和解码器对输入帧进行压缩与重建。根据输出帧与真值之间的差异实现异常检测。为加强连续视频帧间的特征信息联系，引入残差时间偏移模块和残差通道注意力模块，分别提升网络对时间信息和通道信息的建模能力。由于卷积神经网络过度泛化，在记忆增强模块中，添加各编解码层的跳跃连接以限制自编码器对异常帧过于强烈的表示能力，并提高网络的异常检测精度。此外，通过特征离散化损失修正目标函数，有效区分不同正常行为模式。在 CUHK Avenue 和 ShanghaiTech 数据集上的实验结果表明，所提方法在满足实时性要求的同时优于当前主流视频异常检测方法。
引用
@article{arxiv.2211.10052,
title = {Pedestrian Spatio-Temporal Information Fusion For Video Anomaly Detection},
author = {Chao Hu and Liqiang Zhu},
journal= {arXiv preprint arXiv:2211.10052},
year = {2022}
}
备注
International Conference on Intelligent Media, Big Data and Knowledge Mining