객체 중심 및 메모리 지도형 정상성 재구성 기반 비디오 이상 탐지

본 논문은 영상 감시 영상에서의 비정상 이벤트 탐지 문제를 다룬다. 비정상 이벤트는 본질적으로 희귀하고 다양성이 높기 때문에, 학습 과정에서 비정상 샘플을 접하지 않고도 객체 중심의 정상 패턴을 학습하는 정상성 모델링 전략으로 접근한다. 본 연구의 주요 기여점은 사전 학습된 객체 수준의 동작 특징 프로토타입을 코사인 거리 기반의 이상 탐지 함수와 결합함으로써, 기존의 재구성 기반 전략에 추가적인 제약 조건을 도입하여 기존 방법을 확장한 점이다. 제안하는 프레임워크는 외형과 운동 정보를 동시에 활용하여 객체 수준의 행동을 학습하고, 메모리 모듈 내에서 프로토타입 패턴을 포착한다. 여러 잘 알려진 데이터셋에서 수행한 실험 결과는 제안한 방법이 대부분의 관련 시공간 평가 지표에서 현재 최고 성능을 기록하고 있음을 입증하며, 그 효과성을 입증한다.