通过预测下一局部表观进行视频异常检测

我们提出一种视频中的局部异常检测方法。与大多数计算昂贵且在不同视频场景上泛化性不佳的现有方法相反，我们提出一种对抗框架，该框架仅依赖正常行为对象在当前帧及过去帧的表观，通过预测该场景中下一帧的正常行为对象表观来学习时间局部表观变化。当存在异常行为对象时，该对象的真实与预测下一表观之间的重建误差指示了异常的可能性。我们的方法在与现有最优方法竞争的同时，在训练和推理上显著更快，且更善于泛化到未见视频场景。