人机协作视频异常检测

在计算机视觉领域，由于严重的物体遮挡、不同的人群密度和复杂场景，在视频序列中检测异常事件仍然是一项挑战。为了解决这个问题，我们提出了一种新颖的人机协作方法，利用人类对异常确认的反馈来告知和改进视频异常检测。具体而言，我们从外观和运动角度分析视频连续帧的时空特征，从中识别和提取空间和时间特征。然后，我们开发了卷积自编码器神经网络，根据重建误差计算异常分数。在这个过程中，一群专家将对一定比例的已分类帧提供人类反馈，并最终判断事件异常以进行训练和分类。所提出的方法在3个公开可用的监控数据集上进行了评估，相较于最先进方法的最佳性能（90.6% AUC），显示出更高的准确率和竞争优势（93.7% AUC）。据我们所知，这种方法此前从未被见过。