基于显式分布建模的规则性学习用于骨骼视频异常检测

在监控视频中进行异常检测对于保障公共安全具有重要意义，同时也面临诸多挑战。与基于像素的异常检测方法不同，基于姿态的方法利用高度结构化的骨骼数据，不仅降低了计算负担，还能有效规避背景噪声的负面影响。然而，与能够直接利用光流等显式运动特征的像素级方法相比，基于姿态的方法缺乏有效的动态表征替代方案。为此，本文提出一种新型运动嵌入器（Motion Embedder, ME），从概率角度为姿态序列提供运动表征。此外，设计了一种面向特定任务的时空Transformer（Spatial-Temporal Transformer, STT），用于实现自监督的姿态序列重建。上述两个模块被整合进一个统一框架中，用于姿态规律性学习，该框架被命名为运动先验规律学习器（Motion Prior Regularity Learner, MoPRL）。在多个具有挑战性的数据集上，MoPRL取得了当前最优的检测性能，平均AUC提升达4.7%。大量实验充分验证了所提各模块的通用性与有效性。