摘要
本研究的主要目标是针对上述问题提供多种解决方案，重点在于分析现有最先进方法，并通过全面综述以清晰阐明捕捉正常与异常模式所采用的核心概念。通过探索不同的技术策略，我们成功提出了若干新方法，显著推动了当前技术水平的持续进步。此外，我们宣布发布一个全新的大规模、首个此类数据集，该数据集在帧级别上完成全面标注，专注于特定异常检测事件，涵盖多样化的打斗场景，可供研究社区自由使用。本文旨在实现最小监督需求，因此提出了两种不同的方法：第一种方法采用近期兴起的自监督学习技术，以规避繁琐的标注工作，其训练集通过一个由两个独立专家构成的迭代学习框架实现自动标注，二者通过贝叶斯框架相互传递数据；第二种方法则探索了一种在多实例学习范式下学习异常排序模型的新方法，利用弱标注视频进行训练，其中标注信息仅在视频级别提供。实验在多个知名数据集上进行，结果表明，所提方法在性能上显著优于现有最先进水平。此外，作为概念验证系统，我们还展示了在不同真实环境场景下收集的实地仿真结果，以对所学习模型进行实地测试验证。