Détection d'Événements Anormaux dans les Vidéos à l'Aide de Réseaux Antagonistes Générateurs

Dans cet article, nous abordons le problème de détection d'anomalies dans des scènes bondées. Nous proposons d'utiliser des Réseaux Antagonistes Générateurs (GANs), qui sont formés à l'aide de cadres normaux et des images de flux optique correspondantes afin d'apprendre une représentation interne de la normalité de la scène. Comme nos GANs ne sont formés qu'avec des données normales, ils ne sont pas capables de générer des événements anormaux. Lors du test, les données réelles sont comparées aux représentations d'apparence et de mouvement reconstruites par nos GANs, et les zones anormales sont détectées en calculant les différences locales. Les résultats expérimentaux sur des ensembles de données difficiles pour la détection d'anomalies montrent la supériorité de notre méthode par rapport à l'état de l'art, tant pour les tâches de détection d'anomalies au niveau des cadres que pour celles au niveau des pixels.