何时、何地、何事？一种用于驾驶视频异常检测的新数据集
计算机视觉与模式识别
2020-04-08 v1
摘要
视频异常检测（VAD）已被广泛研究。然而，针对具有动态场景的第一视角交通视频，缺乏大规模基准数据集以及有效的评估指标。本文提出一种带有“何时-何地-何事”流程的交通异常检测方法，用于从第一视角视频中检测、定位并识别异常事件。我们引入了一个名为交通异常检测（Detection of Traffic Anomaly, DoTA）的新数据集，包含 4,677 个带有时间、空间与类别标注的视频。提出了一种新的时空曲线下面积（STAUC）评估指标，并与 DoTA 结合使用。针对两项 VAD 相关任务对最先进方法进行了基准测试。实验结果表明 STAUC 是一种有效的 VAD 指标。据我们所知，DoTA 是迄今最大的交通异常数据集，也是首个支持跨越何时-何地-何事视角的交通异常研究的数据集。我们的代码与数据集可在 https://github.com/MoonBlvd/Detection-of-Traffic-Anomaly 获取。
引用
@article{arxiv.2004.03044,
title = {When, Where, and What? A New Dataset for Anomaly Detection in Driving Videos},
author = {Yu Yao and Xizi Wang and Mingze Xu and Zelin Pu and Ella Atkins and David Crandall},
journal= {arXiv preprint arXiv:2004.03044},
year = {2020}
}
备注
23 pages, 11 figures, 6 tables