学習による骨格軌跡の規則性を用いた動画異常検出

外見特徴は、複雑な絡み合う要因を含んでいるにもかかわらず、ビデオ異常検出において広く使用されています。本研究では、動的な骨格特徴を使用して監視ビデオにおける人間の正常な動きパターンをモデル化し、異常検出を行う新しい手法を提案します。骨格の動きを2つのサブコンポーネントに分解しました：全体的な体の動きと局所的な体勢。これらの結合された特徴量の動態と相互作用を、我々が考案した新たなメッセージ伝達エンコーダー-デコーダーリカレントネットワークでモデル化しています。我々は、空間時間モデルにおいて分離された特徴量が協調的に相互作用し、監視ビデオシーケンスから人間に関連する不規則なイベントを正確に識別することを観察しました。伝統的な外見に基づくモデルと比較して、当手法は優れた外れ値検出性能を達成しています。また、意味論的に理解可能な特徴量と解釈可能性をサポートするネットワークアーキテクチャにより、「オープンボックス」型の検証と決定説明が可能となっています。注：「open-box」は一般的には「オープンボックス」と表記されますが、より専門的な文脈では「解釈可能（Interpretable）」という意味合いも含まれます。