VALD-GAN: 잠재 판별기 증강 GAN을 이용한 비디오 이상 탐지

지능형 비디오 감시에서 가장 핵심적이고 어려운 과제는 비정상적인 행동이나 사건이 포함된 비디오에서 비정상 현상을 식별하는 것이다. 비정상성의 모호한 정의로 인해 이를 탐지하는 것은 매우 도전적인 과제이다. 생성적 적대 신경망(GAN)의 광범위한 적용을 영감으로 삼아, 우리는 잠재 공간이 미리 정의된 분포를 따르도록 하기 위해 GAN의 표현 능력과 새로운 잠재 판별자( latent discriminator) 프레임워크를 결합한 잠재 판별자 강화 GAN(VALD-GAN)을 이용한 비디오 비정상 탐지 기법을 제안한다. 실험 결과를 통해 제안한 방법이 모델의 비정상 구분 능력을 크게 향상시킴을 입증하였다. VALD-GAN은 UCSD Peds1 데이터셋에서 AUC 97.98, EER 6.0%, UCSD Peds2 데이터셋에서 AUC 97.74, EER 7.01%, CUHK Avenue 데이터셋에서는 AUC 91.03, EER 9.04%의 성능을 달성하였다. 또한 지하철 입구·출구 비디오 데이터셋에서 총 66건의 비정상 사건 중 62건을 탐지(오류 탐지 4건), 총 19건의 비정상 사건 중 19건을 탐지(오류 탐지 1건)하는 데 성공하였다.