摘要
视频异常检测（Video Anomaly Detection, VAD）旨在自动识别视频数据中的异常事件。当前主流的VAD系统主要基于灰度图像或RGB图像进行处理。尽管深度图像在诸多其他计算机视觉研究领域中已被广泛采用，且低成本深度相机硬件日益普及，但在VAD任务中利用深度数据的研究仍极为有限。本文评估了现有基于自编码器的方法在深度视频上的适用性，并提出通过将深度数据的优势融入损失函数，以进一步提升检测性能。训练过程采用无监督方式，仅需正常视频序列，无需任何额外标注。实验表明，深度信息可便捷地提取用于场景分析的辅助信息，如前景掩码（foreground mask），并在一个大型公开数据集上验证了该方法对异常检测性能的显著提升效果。值得一提的是，本文是首个在该数据集上公布实验结果的研究工作。