面向行车记录仪视频的异常检测
计算机视觉与模式识别
2020-05-13 v2
摘要
廉价的传感与计算以及保险创新使得智能行车记录仪无处不在。越来越多聚焦于车道偏离或安全跟车距离的简单模型驱动计算机视觉算法正进入这些设备。遗憾的是,道路危险的长尾分布意味着这些手工设计的流水线不足以胜任驾驶安全系统。我们提议将深度学习中的数据驱动异常检测思想应用于行车记录仪视频,其有望弥合这一差距。遗憾的是,几乎不存在将异常理解应用于运动相机的研究文献,相应地也缺乏相关数据集。为应对此问题,我们提出一个大规模且多样的卡车行车记录仪视频数据集,即 RetroTrucks,其包含正常与异常驾驶场景。我们应用:(i) 单类分类损失与 (ii) 基于重建的损失,在 RetroTrucks 及已有静态相机数据集上进行异常检测。我们在此背景下引入将物体交互建模为先验的公式。我们的实验表明,该数据集确实比标准异常检测数据集更具挑战性,且已有异常检测方法无法直接在此良好工作。此外,我们分享了关于这两类重要异常检测方法在行车记录仪数据上行为的见解。
引用
@article{arxiv.2004.05261,
title = {Towards Anomaly Detection in Dashcam Videos},
author = {Sanjay Haresh and Sateesh Kumar and M. Zeeshan Zia and Quoc-Huy Tran},
journal= {arXiv preprint arXiv:2004.05261},
year = {2020}
}
备注
To appear at IV 2020