通过提取视频中显著特征进行真实世界视频异常检测
计算机视觉与模式识别
2022-09-15 v1
摘要
我们提出了一种轻量且准确的视频异常检测方法。现有方法使用多示例学习（MIL）来确定视频每个片段的正常/异常状态。近期成功的研究认为，学习片段间的时间关系对于实现高准确度十分重要，而非仅关注单个片段。因此我们分析了近年来成功的现有方法，发现虽然将所有片段一起学习确实重要，但它们之间的时间顺序与实现高准确度无关。基于这一发现，我们不使用MIL框架，而是提出一种带自注意力机制的轻量模型，从所有输入片段中自动提取对判定正常/异常重要的特征。结果，我们的神经网络模型参数量仅为现有方法的1.3%。我们在三个基准数据集（UCF-Crime、ShanghaiTech和XD-Violence）上评估了方法的帧级检测准确度，并证明我们的方法可达到与state-of-the-art方法相当或更好的准确度。
引用
@article{arxiv.2209.06435,
title = {Real-world Video Anomaly Detection by Extracting Salient Features in Videos},
author = {Yudai Watanabe and Makoto Okabe and Yasunori Harada and Naoji Kashima},
journal= {arXiv preprint arXiv:2209.06435},
year = {2022}
}
备注
10-page version of our IEEE ICIP 2022 paper