科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前视频异常检测不能充分利用时序信息且忽视正常行为多样性的问题，提出了一种融合行人时空信息的异常检测方法。以卷积自编码器为基础，通过其中的编码器和解码器对输入帧进行压缩和还原，并根据输出帧与真实值的差异实现异常检测。为了加强视频连续帧之间的特征信息联系，引入残差时间移位模块和残差通道注意力模块，分别提升网络对时间信息和通道信息的建模能力。考虑到卷积神经网络(CNN)过度的泛化性，在编解码器各层的跳跃连接之间加入记忆增强模块，限制自编码器对异常帧过于强大的表示能力，提高网络的异常检测精度。此外，通过一种特征离散性损失来修正目标函数，有效区分不同的正常行为模式。在CUHK Avenue和ShanghaiTech数据集上的实验结果表明，该方法在满足实时性要求的同时，优于当前主流的视频异常检测方法。
- 单位
