面向自闭症刻板行为的无监督视频异常检测
计算机视觉与模式识别
2023-05-15 v1 人工智能
摘要
监测和分析刻板行为对于自闭症谱系障碍（ASD）的早期干预和照护十分重要。本文关注利用计算机视觉技术自动检测刻板行为。现有方法通过有监督分类和活动识别技术解决该任务。然而，刻板行为类型的不受限性以及 ASD 患者视频采集的困难，极大限制了现有有监督检测方法的可行性。为此，我们从新视角应对这些挑战，即面向刻板行为检测的无监督视频异常检测。模型可在仅含正常行为的无标签视频上训练，并在推理时检测出未知类型的异常行为。相应地，我们提出了一种基于人体姿态时间轨迹与人体动作重复模式的双流深度刻板行为检测模型 DS-SBD。我们进行了大量实验来验证所提方法的有效性，并表明其可作为未来研究的潜在基准。
引用
@article{arxiv.2302.13748,
title = {Unsupervised Video Anomaly Detection for Stereotypical Behaviours in Autism},
author = {Jiaqi Gao and Xinyang Jiang and Yuqing Yang and Dongsheng Li and Lili Qiu},
journal= {arXiv preprint arXiv:2302.13748},
year = {2023}
}