基于记忆对抗网络的监控视频异常检测

作者：郑博元^*

来源：控制工程, 2023, 30(02): 376-384.

DOI：10.14107/j.cnki.kzgc.20220803

• 生成对抗网络
• 记忆模块
• 预测网络
• U-Net

生成对抗网络是近年来解决视频异常检测的一类新方法。传统对抗网络对异常样本预测的泛化能力过强，进而导致预测性能不稳定。针对这一问题，提出一种基于记忆对抗网络的监控视频异常检测方法。首先，将记忆模块引入基于U-Net的预测网络与判别网络的对抗学习框架中，构建记忆对抗网络，以提升模型对正常视频帧的预测能力；其次，为记忆对抗网络设计了基于特征紧致度与分离度的新损失函数，提升了训练过程收敛的可靠性；此外，提出了基于记忆损失的异常性评估方案，以提升异常检测的准确性。通过对未来帧与预测帧的PSNR值和视频帧特征与记忆特征间距离的融合，进一步提升了模型的异常检测效果。消融实验验证了各改进部分的有效性；同其他算法相比，所提方法表现出良好的竞争力。