グラフ埋め込みを用いたポーズクラスタリングによる異常検出

我々は、人間の行動における異常検出のための新規手法を提案する。本手法は、入力動画シーケンスから計算可能な人間のポーズグラフを直接処理する。これにより、視点や照明といった不要なパラメータに依存しない分析が可能となる。これらのグラフを潜在空間にマッピングし、クラスタリングを行う。その後、各行動は各クラスタへのソフト割り当て（soft-assignment）によって表現される。これにより、データに対して「単語の袋（bag of words）」のような表現が得られ、各行動は基本的な行動単語群との類似性によって記述される。さらに、本手法では、ソフト割り当てベクトルのような比例データを扱うのに適したディリクレ過程に基づく混合モデルを用いて、行動が正常かどうかを判定する。本手法は、2種類のデータセット上で評価された。第一のデータセットは、特定の行動における異常な変化を検出することを目的とした細分化された異常検出データセット（例：ShanghaiTech）であり、第二のデータセットは、粗分化された異常検出データセット（例：Kineticsをベースとしたデータセット）であり、この場合、正常とされる行動は少数に限定され、それ以外のすべての行動は異常とみなされる。ベンチマーク上での広範な実験の結果、本手法は他の最先端手法と比較して著しく優れた性能を発揮することが確認された。