摘要
视频异常检测旨在识别视频中的异常事件。除了视觉信号外，近年来也有研究基于骨骼序列开展视频异常检测。本文提出一种骨骼轨迹的全局表征方法，用于学习不同时段内预期运动模式。所提出的方法采用多任务学习策略，能够重建任意连续的未观测时间片段，从而实现对过去或未来片段的外推，以及对中间片段的插值。我们设计了一种端到端的基于注意力机制的编码器-解码器架构，能够对存在时间遮挡的骨骼轨迹进行编码，联合学习遮挡片段的潜在表示，并基于不同时间片段间的预期运动模式完成轨迹重建。在三个基于轨迹的视频异常检测数据集上进行的大量实验表明，该方法在骨骼轨迹异常检测任务中取得了当前最优的性能，充分验证了其有效性与优越性。