伪异常选择驱动学习的视频异常检测

作     者：赵松 傅豪 王洪星 ZHAO Song;FU Hao;WANG Hongxing

作者机构：重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 重庆大学大数据与软件学院重庆400044 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2023年第50卷第5期

页      面：146-154页

学科分类：08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金(61976029) 重庆市技术创新与发展应用专项重点项目(cstc2021jscx-gksbX0033)。 

主　　题：视频监控 异常检测 样本选择 记忆模型 时空特征 

摘      要：无监督视频异常检测方法通常使用正常的监控视频数据通过帧重构/帧预测方法来训练视频异常检测模型。然而,正常视频中往往包含大量的相似画面和背景帧,数据集冗余的问题尤为明显,因此不能高效地进行异常检测模型训练。针对该问题,提出了伪异常选择驱动学习的视频异常检测方法,从原始视频训练数据中迭代选取部分异常分数高的正常视频帧(伪异常帧)来构建新的训练池,用于学习和优化视频异常检测模型。在检测模型方面,设计了基于后继帧预测的双路U-Net骨干网络,以不同采样率的视频段分别作为两个支路的输入,从而从多个粒度上更好地提取和利用视频的时空特征。为了加强典型训练数据对帧预测任务和异常检测的影响,双路U-Net中设计了多层的记忆学习模块。在常用视频异常检测数据集上进行实验,验证了所提方法在检测精度和训练效率上的有效性。