摘要
视频异常检测（Video Anomaly Detection, VAD）旨在定位视频序列中出现的意外行为或活动。现有的主流VAD方法主要基于两类范式：一类是一类分类（one-class）方法，假设训练数据全部为正常样本；另一类是弱监督方法，仅需视频级别的正常/异常标签。为统一解决上述两种VAD设置，本文提出一种自监督稀疏表示（Self-supervised Sparse Representation, S3R）框架，该框架通过融合基于字典的表示与自监督学习之间的协同效应，在特征层面建模异常概念。在学习得到的字典基础上，S3R构建了两个相互耦合的模块——en-Normal与de-Normal，分别用于重构片段级特征并过滤正常事件特征。同时，自监督机制还能够生成伪正常/异常样本，用于训练异常检测器。通过大量实验验证，S3R在主流基准数据集上均取得了当前最优的性能，适用于一类分类与弱监督两类VAD任务。项目代码已公开，获取地址为：https://github.com/louisYen/S3R。