基于深度学习的骨架视频异常检测:综述、挑战与未来方向

现有的视频异常检测方法大多利用包含可识别面部和基于外观特征的视频。使用带有可识别面部的视频会引发隐私问题,尤其是在医院或社区环境中。基于外观的特征也可能对基于像素的噪声敏感,使异常检测方法难以对背景变化建模,并难以聚焦于前景中人的动作。以描述视频中人体运动的骨架形式给出的结构信息具有隐私保护性,并能克服基于外观特征所带来的部分问题。在本文中,我们综述了利用从视频中提取的骨架进行隐私保护深度学习异常检测的方法。我们基于各种学习方法提出了一种新颖的算法分类法。我们得出结论,基于骨架的异常检测方法可作为一种合理的隐私保护替代方案用于视频异常检测。最后,我们指出了主要的开放性研究问题并提供了解决它们的指导。