利用预训练深度卷积神经网络与上下文挖掘的视频异常检测
计算机视觉与模式识别
2020-10-07 v1 机器学习
摘要
异常检测对于智能监控系统及时侦测任何恶意活动至关重要。许多使用深度学习方法的视频异常检测方案聚焦于具有固定场景的单摄像头视频流。这些深度学习方法使用大规模训练数据且复杂度高。作为解决方案，本文中我们展示了如何使用预训练卷积神经网络模型进行特征提取与上下文挖掘，然后使用模型复杂度相对较低的去噪自编码器来提供高效准确的监控异常检测，这可用于资源受限设备如物联网（IoT）边缘设备。我们的异常检测模型基于从所选嵌入式计算机视觉模型（如目标分类和目标检测）导出的高层特征做出决策。此外，我们从高层特征中推导上下文属性，以进一步提升视频异常检测方法的性能。我们使用两个UCSD数据集证明，我们这种模型复杂度相对较低的方法能达到与最先进方法相当的性能。
引用
@article{arxiv.2010.02406,
title = {Video Anomaly Detection Using Pre-Trained Deep Convolutional Neural Nets and Context Mining},
author = {Chongke Wu and Sicong Shao and Cihan Tunc and Salim Hariri},
journal= {arXiv preprint arXiv:2010.02406},
year = {2020}
}
备注
Accepted by AICCSA 2020