基于生成对抗网络的视频异常事件检测

本文针对拥挤场景中的异常检测问题进行了研究。我们提出使用生成对抗网络（Generative Adversarial Nets, GANs），通过训练正常帧及其对应的光流图像来学习场景正常性的内部表示。由于我们的GANs仅使用正常数据进行训练，因此无法生成异常事件。在测试阶段，真实数据与由我们的GANs重建的外观和运动表示进行比较，通过计算局部差异来检测异常区域。实验结果表明，在具有挑战性的异常检测数据集上，所提出的方法在帧级和像素级异常检测任务中均优于现有方法。