基于骨架轨迹的学习规律性用于视频中的异常检测

外观特征在视频异常检测中得到了广泛应用，尽管它们包含复杂的纠缠因素。我们提出了一种新的方法，利用动态骨架特征对监控视频中的人体运动正常模式进行建模以实现异常检测。我们将骨骼运动分解为两个子组件：全局身体运动和局部身体姿态。我们在所提出的新型消息传递编码器-解码器循环网络（Message-Passing Encoder-Decoder Recurrent Network）中对这些耦合特征的动力学和相互作用进行了建模。我们观察到，在时空模型中，这些解耦的特征协同交互，能够准确识别出监控视频序列中与人体相关的异常事件。与传统的基于外观的模型相比，我们的方法在异常检测性能上表现出色。此外，我们的模型还提供了“开放箱”（open-box）检查和决策解释功能，这得益于其语义可理解的特征和支持解释性的网络架构。