训练对抗判别器用于人群中的跨通道异常事件检测
计算机视觉与模式识别
2018-11-28 v2
摘要
由于在视频监控场景中的重要性，异常人群行为检测引起了广泛关注。然而，异常情况的模糊性以及缺乏充足的异常真值数据，使得在该领域内对大型深度网络进行端到端训练变得困难。在本文中，我们提出使用生成对抗网络（GAN），其被训练为仅生成数据的正常分布。在对抗性 GAN 训练期间，判别器（D）被用作生成器网络（G）的监督者，反之亦然。在测试时，我们使用 D 来解决我们的判别任务（异常检测），其中 D 的训练不需要人工标注的异常数据。此外，为了防止 G 学习到平凡的恒等函数，我们使用跨通道方法，强制 G 将原始像素数据转换为运动信息，反之亦然。在标准基准上的定量结果表明，我们的方法在帧级和像素级评估中均优于以往的 SOTA 方法。
引用
@article{arxiv.1706.07680,
title = {Training Adversarial Discriminators for Cross-channel Abnormal Event Detection in Crowds},
author = {Mahdyar Ravanbakhsh and Enver Sangineto and Moin Nabi and Nicu Sebe},
journal= {arXiv preprint arXiv:1706.07680},
year = {2018}
}
备注
To appear at WACV 2019