科研之友
微信
新浪微博
Facebook
分享链接
摘要
视频异常检测旨在检测视频中的表观异常和运动异常，多示例学习（Multiple Instance Learning，MIL）是目前较先进的弱监督视频异常检测方法，但是MIL提取的C3D特征不能同时描述视频中表观和运动信息，这导致异常检测性能较低。本文提出了利用注意力机制的多示例学习视频异常检测算法（A-MIL），首先提取视频数据的三维特征C3D和光流特征图，并利用Conv-AE提取光流图的特征向量，然后输入至3层全连接神经网络中得到每个示例每种特征的异常分数，接着通过注意力机制获取特征的权重参数，得到最终的示例分数，最后利用改进的MIL排序算法进行模型训练并设置阈值，测试时将异常分数与阈值相比较以判断异常。在公开数据集UCF上的实验结果表明，本文方法的AUC指标提升了2.79%。
- 单位
