비디오에서 이상 감지 위한 스켈레톤 궤적의 규칙성 학습

외모 특징은 복잡한 얽힌 요소를 포함하고 있음에도 불구하고 비디오 이상 감지에 널리 사용되어 왔습니다. 본 연구에서는 동적 스켈레톤 특징을 활용하여 감시 비디오에서의 인간 운동의 정상 패턴을 모델링하여 이상 감지를 수행하는 새로운 방법을 제안합니다. 우리는 스켈레톤 운동을 두 하위 구성요소로 분해하였습니다: 전신 운동과 국부적 자세. 이러한 결합된 특징들의 역학과 상호작용을 모델링하기 위해 본 연구에서는 새로운 메시지-패싱 인코더-디코더 순환 신경망(Message-Passing Encoder-Decoder Recurrent Network)을 제안합니다. 우리는 분리된 특징들이 시공간 모델에서 협력적으로 상호작용하여 감시 비디오 시퀀스에서 인간 관련 불규칙 사건을 정확히 식별할 수 있다는 것을 확인하였습니다. 전통적인 외모 기반 모델과 비교하여, 제안된 방법은 우수한 이상치 검출 성능을 보입니다. 또한, 의미론적으로 이해 가능한 특징들과 해석성을 지원하는 네트워크 구조 덕분에 본 모델은 "오픈 박스" 검사와 결정 설명이 가능하다는 장점을 가지고 있습니다.