面向视频异常检测的以对象为中心且由记忆引导的正常性重建

本文针对视频监控中的视频异常检测问题展开研究。由于异常事件具有固有的稀有性和异质性，该问题被建模为正常性建模任务，即在训练过程中不依赖异常样本，仅学习以对象为中心的正常行为模式。本文的主要贡献在于将预训练的基于对象的动作特征原型与基于余弦距离的异常评估函数相结合，从而在主流基于重建的方法基础上引入了额外的约束机制，实现了方法上的扩展。所提出的框架同时利用外观与运动信息，学习对象级别的行为特征，并在记忆模块中捕捉典型的模式。在多个知名数据集上的实验结果表明，该方法在大多数相关时空评估指标上均优于当前最先进的技术水平，验证了其有效性。