다중 시간 척도 궤적 예측을 이용한 비정상적인 인간 활동 감지

비정상 활동 탐지의 고전적인 접근 방식은 훈련 데이터에서 정상 활동의 표현을 학습하고, 이 학습된 표현을 테스트 시 비정상 활동을 탐지하는 것입니다. 일반적으로 이러한 접근 방식에 기반한 방법들은 단일 시간 점 (예: 프레임 기반) 또는 일정한 시간 간격 (예: 비디오 클립 기반)에서 고정된 시간 척도로 작동합니다. 그러나 인간의 비정상 활동은 다양한 시간 척도에서 발생할 수 있습니다. 예를 들어, 감시 상황에서는 점프는 단기적 이상 현상이고, 머무름은 장기적 이상 현상입니다. 단일하고 사전 정의된 시간 척도만으로는 다양한 시간 간격으로 발생하는 광범위한 이상 현상을 포착하기에 충분하지 않습니다. 본 논문에서는 다양한 시간 척도에서 시간 동역학을 포착하기 위한 다중 시간 척도 모델을 제안합니다. 특히, 제안된 모델은 주어진 입력 자세 궤적에 대해 다른 시간 척도에서 미래와 과거 예측을 수행합니다. 이 모델은 중간 계층들이 각각 다른 시간 척도에 해당하는 예측을 생성하도록 설계되어 있으며, 이러한 예측들을 결합하여 비정상 활동을 탐지합니다. 또한, 연구용으로 483,566개의 주석이 달린 프레임을 포함하는 비정상 활동 데이터셋을 소개합니다. 이 데이터셋은 https://rodrigues-royston.github.io/Multi-timescale_Trajectory_Prediction/ 에서 제공될 예정입니다. 실험 결과, 제안된 모델이 다양한 시간 간격으로 발생하는 이상 현상을 포착할 수 있으며 기존 방법들보다 우수한 성능을 보였습니다.