揭示上下文相关异常：知识图谱赋能的人体相关视频异常检测中场景与动作解耦

检测人体相关视频中的异常对监控应用至关重要。现有方法主要包括基于外观和基于动作的技术。基于外观的方法依赖颜色、纹理和形状等低级视觉特征。它们在训练期间学习大量与已知场景相关的像素模式和特征，使其在检测这些熟悉上下文中的异常时十分有效。然而，当遇到新的或发生显著变化的场景（即未知场景）时，它们通常会失效，因为现有的 SOTA 方法未能有效捕捉动作与其周围场景之间的关系，导致泛化能力较低。相比之下，基于动作的方法专注于检测人类动作中的异常，但通常信息量较少，因为它们往往忽略动作与场景之间的关系，导致错误检测。例如，在海滩上跑步的正常事件和在街道上跑步的异常事件，由于缺乏场景信息，可能都会被视为正常。简而言之，现有方法难以整合低级视觉特征与高级动作特征，导致在多样且复杂的场景中异常检测效果不佳。为应对这一挑战，我们提出了一种用于人体相关视频异常检测的新型基于解耦的架构（DecoAD）。DecoAD 通过场景与动作的解耦与交织，显著改善了视觉与动作特征的整合，从而能够更直观、准确地理解复杂行为与场景。DecoAD 支持全监督、弱监督和无监督设置。