视频异常行为检测综述

TP391.41; 视频异常行为检测作为计算机视觉的研究热点,通过提取视频内容时间和空间特征,判断视频中是否存在异常事件和事件种类,定位异常发生的区域和时间.以有监督/无监督学习为线索,对现有视频异常行为检测方法进行系统梳理和归纳.在有监督类方法中,细分为基于偏差均值计算方法和基于多模态方法;在无监督类方法中,主要总结了基于完全无监督的多种方法.从当前主流建模思路出发对偏差均值计算方法系统性说明,按照不同模态特征的使用及其处理方式对多模态方法进行阐述和总结,根据两种模型训练方式介绍完全无监督方法.对比了不同模型的网络架构,并归纳总结出各类异常行为检测模型的测试数据集、使用场景、优势和局限性.通...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 12; pp. 3100 - 3125
Main Authors 吴沛宸, 袁立宁, 郭放, 刘钊
Format Journal Article
LanguageChinese
Published 中国人民公安大学 国家安全学院,北京 100038%中国人民公安大学 网络空间安全与法治协同创新中心,北京 100038 01.12.2024
中国人民公安大学 信息网络安全学院,北京 100038%广西警察学院 公安大数据现代产业学院,南宁 530028
Subjects
deep learning
multimodal features
异常行为检测
深度学习
完全无监督
completely unsupervised
abnormal behavior detection
多模态特征
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2404041

Cover

More Information
Summary:TP391.41; 视频异常行为检测作为计算机视觉的研究热点,通过提取视频内容时间和空间特征,判断视频中是否存在异常事件和事件种类,定位异常发生的区域和时间.以有监督/无监督学习为线索,对现有视频异常行为检测方法进行系统梳理和归纳.在有监督类方法中,细分为基于偏差均值计算方法和基于多模态方法;在无监督类方法中,主要总结了基于完全无监督的多种方法.从当前主流建模思路出发对偏差均值计算方法系统性说明,按照不同模态特征的使用及其处理方式对多模态方法进行阐述和总结,根据两种模型训练方式介绍完全无监督方法.对比了不同模型的网络架构,并归纳总结出各类异常行为检测模型的测试数据集、使用场景、优势和局限性.通过基准数据集以帧级标准和像素级标准等常用评价标准进行了模型比较和性能评估,同时通过不同方法的性能表现进行类内对比,并对结果进行分析总结.通过虚拟合成数据集、多模态大模型和轻量级模型等五个方向探究了视频异常行为检测的发展趋势.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2404041