基于GAN的视频异常检测
计算机视觉与模式识别
2023-11-27 v1
摘要
鉴于公众对安全的日益关注，监控场景中异常事件的自动检测与识别至关重要。由于其复杂性与实用性，这仍是一个开放的研究课题。异常事件的自动识别是一项艰巨的任务，因为每个人对异常的概念各不相同。在一种情境下的典型事件在另一种情境下可能被视为异常。在人群密集、遮挡严重的监控视频中，自动异常识别尤为困难。本论文研究旨在借助机器学习技术为该用例提供解决方案，从而无需人力资源持续监视监控系统记录中的任何异常活动。我们提出了一种基于生成对抗网络（GAN）的新型异常检测模型。该模型的训练方式使其同时学习构建高维图像空间以及从视频上下文中确定潜空间。生成器采用由多阶段基于通道注意力的解码器与双流深度卷积编码器组成的残差自编码器架构，能够同时处理空间与时间数据。我们还提出了一种精炼GAN模型的方法，通过利用数据集间的迁移学习来减少训练时间并使模型泛化。我们使用多种评估指标，在四个基准数据集上将我们的模型与当前最先进（SOTA）技术进行比较。实证结果表明，与现有技术相比，我们的网络在所有数据集上均表现良好。
引用
@article{arxiv.2311.14095,
title = {Video Anomaly Detection using GAN},
author = {Anikeit Sethi and Krishanu Saini and Sai Mounika Mididoddi},
journal= {arXiv preprint arXiv:2311.14095},
year = {2023}
}