重新审视面向Serac Fall Time-Lapse监控的变更检测方法

在气候变化加剧环境不确定性的时代，识别和检测事件前兆对于减轻灾难性自然灾害的影响至关重要。虽然干扰棱镜仪或地震仪等经典传感器可靠，但其广泛部署常受物流和经济障碍的限制，导致诸多盲区。时间片段摄像机已提供具有成本效益的高分辨率视觉背景，这为此类传感器提供了有前景的替代方案。然而，其自动化处理面临显著挑战，尤其是与极端形状和光照变化相关。克服这些问题对于大规模部署作为监控工具至关重要。本文引入了一种新的变更检测子任务，即应用于时间片段摄像机和坡度不稳定性的体积变更检测。我们对现有变更检测方法及相关任务进行了全面回顾，分析其核心组件并评估其在此上下文中的适用性。为此，我们引入了新的数据集SeracFallDet，其中包含Serac fall注释且经过严格标注以满足上述需求。通过泛化实验，我们展示密集和半密集特征匹配虽未专为此任务训练，但表现出鲁健性能。相比之下，监督方法在数据稀缺和标注不平衡方面受限。这表明混合方法可能是前进的途径，通过发挥两者优势。这些发现凸显了特征匹配技术的潜力以及为克服实际部署中的挑战而需要进一步创新的必要性。