基于正态性赋予光流对偶性的视频异常检测
计算机视觉与模式识别
2021-05-11 v1
摘要
由于异常事件多样，视频异常检测是一项具有挑战性的任务。针对该任务，基于重建和预测的方法在近期工作中被广泛使用，其建立在如下假设之上：在正常数据上学习，异常无法像正常模式那样被很好地重建或预测，即异常结果具有更多误差。本文中，我们提出通过正态性赋予光流的对偶性来区分异常与正常，该光流有助于预测正常帧但不利于异常帧。正态性赋予光流由单帧预测得到，以使运动知识聚焦于正常模式。同时，我们将表观-运动对应方案从帧重建扩展到预测，这不仅有助于学习物体表观及相关运动的知识，也符合运动即表观间变换这一事实。我们还引入间隔损失以增强帧预测的学习。在标准基准数据集上的实验证明了我们方法的优异性能。
引用
@article{arxiv.2105.04302,
title = {Video Anomaly Detection By The Duality Of Normality-Granted Optical Flow},
author = {Hongyong Wang and Xinjian Zhang and Su Yang and Weishan Zhang},
journal= {arXiv preprint arXiv:2105.04302},
year = {2021}
}