通过估计表示似然进行视频异常检测

视频异常检测是一项极具挑战的任务，不仅因为它涉及运动表示、目标定位与动作识别等诸多子任务，还因为它通常被视为涉及离群点检测的无监督学习问题。传统上，该任务的解决方案聚焦于视频帧与其低维特征之间的映射，而忽略了这些特征的空间关联。近期方案侧重于通过K-Means等硬聚类技术或应用神经网络将潜在特征映射至动作属性等总体理解来分析这些空间关联。为在潜在特征空间中解决视频异常问题，我们提出一种深度概率模型，将该任务转化为密度估计问题：由深度去噪自编码器生成潜在流形，并通过期望最大化进行聚类。在多个基准数据集上的评估显示了我们模型的优势，在具有挑战性的数据集上取得了优异性能。