基于变分自编码器和单类 SVM 的人行道危险检测

户外环境的不可预测性带来了诸多安全隐患，使得危险检测对于安全导航至关重要。本文提出了一种新颖的人行道安全导航系统，采用将变分自编码器（VAE）与单类支持向量机（OCSVM）结合的混合方法。该系统旨�检测人行道上可能构成行走危险的异常情况。收集了一个由超过15,000个训练帧和5,000个测试帧组成的数据集，使用视频记录捕获各种人行道场景，包括正常和危险情况。在部署时，VAE利用其重构机制检测帧内的异常。VAE的差差重构暗示着异常的存在，随后使用OCSVM来确认该异常是危险的还是非危险的。所提出的VAE模型表现良好，具有0.94的高AUC，有效区分可能构成危险的异常。OCSVM用于减少此类误报危险异常的检测，如井盖或水阀盖。该方法实现了91.4%的准确率，为在不确定环境中区分危险与非危险情*况提供了高度可靠的系统。这些结果表明，所提出的系统为不确定环境中的危险检测提供了稳健的解决方案。