論文の概要: Abnormal Behavior Detection Based on Target Analysis
- arxiv url: http://arxiv.org/abs/2107.13706v1
- Date: Thu, 29 Jul 2021 02:03:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-30 21:40:44.368664
- Title: Abnormal Behavior Detection Based on Target Analysis
- Title(参考訳): ターゲット分析に基づく異常行動検出
- Authors: Luchuan Song, Bin Liu, Huihui Zhu, Qi Chu, Nenghai Yu
- Abstract要約: 本稿では,対象,動作,動作の3つの分岐を通して各対象を解析する多変量融合法を提案する。
これらの枝が注目する情報は異なっており、相互に補完し、異常な振る舞いを共同で検出することができる。
- 参考スコア(独自算出の注目度): 57.78993932008633
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Abnormal behavior detection in surveillance video is a pivotal part of the
intelligent city. Most existing methods only consider how to detect anomalies,
with less considering to explain the reason of the anomalies. We investigate an
orthogonal perspective based on the reason of these abnormal behaviors. To this
end, we propose a multivariate fusion method that analyzes each target through
three branches: object, action and motion. The object branch focuses on the
appearance information, the motion branch focuses on the distribution of the
motion features, and the action branch focuses on the action category of the
target. The information that these branches focus on is different, and they can
complement each other and jointly detect abnormal behavior. The final abnormal
score can then be obtained by combining the abnormal scores of the three
branches.
- Abstract(参考訳): 監視ビデオにおける異常行動検出は、インテリジェントシティの重要な部分である。
既存のほとんどの手法は異常の検出方法のみを考慮しており、異常の原因を説明することは少ない。
これらの異常行動の理由から直交的視点を考察する。
そこで本研究では,対象を物体,動作,運動の3つの枝を通して解析する多変量融合法を提案する。
オブジェクトブランチは外観情報にフォーカスし、モーションブランチは運動特徴の分布にフォーカスし、アクションブランチはターゲットのアクションカテゴリにフォーカスする。
これらの分枝が注目する情報は異なり、互いに補完し、協調して異常行動を検出することができる。
最終的な異常スコアは、3つの枝の異常スコアを組み合わせることで得られる。
関連論文リスト
- xSemAD: Explainable Semantic Anomaly Detection in Event Logs Using Sequence-to-Sequence Models [1.6713531923053913]
この研究は意味的異常検出のギャップに対処し、通常、異常の性質を説明することなく、異常の発生を示す。
我々はxSemADを提案する。xSemADは、シーケンス・ツー・シーケンス・モデルを用いて、純粋な識別を超越し、拡張された説明を提供するアプローチである。
実験により,本手法は既存の意味的異常検出手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2024-06-28T09:06:52Z) - Dynamic Erasing Network Based on Multi-Scale Temporal Features for
Weakly Supervised Video Anomaly Detection [103.92970668001277]
弱教師付きビデオ異常検出のための動的消去ネットワーク(DE-Net)を提案する。
まず,異なる長さのセグメントから特徴を抽出できるマルチスケール時間モデリングモジュールを提案する。
そして,検出された異常の完全性を動的に評価する動的消去戦略を設計する。
論文 参考訳(メタデータ) (2023-12-04T09:40:11Z) - Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。
近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。
本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文 参考訳(メタデータ) (2023-11-13T02:54:17Z) - UGainS: Uncertainty Guided Anomaly Instance Segmentation [80.12253291709673]
道路上の1つの予期せぬ物体が事故を引き起こしたり、怪我を負うことがある。
現在のアプローチでは、各ピクセルに異常スコアを割り当てることで、異常セグメンテーションに取り組む。
本稿では, 高精度な異常マスクを生成する手法を提案する。
論文 参考訳(メタデータ) (2023-08-03T20:55:37Z) - Explainable Contextual Anomaly Detection using Quantile Regression
Forests [14.80211278818555]
本研究では,依存性に基づく従来の異常検出手法とコンテキスト異常検出手法の接続を開発する。
そこで本研究では,文脈異常検出を自然に解釈する手法を提案する。
本手法は, 精度と解釈可能性の観点から, 最先端の異常検出法より優れる。
論文 参考訳(メタデータ) (2023-02-22T09:39:59Z) - Multi-Task Learning based Video Anomaly Detection with Attention [1.2944868613449219]
本稿では,動作と外観をよりよく考慮するために,補完的なプロキシタスクを組み合わせた新しいマルチタスク学習手法を提案する。
我々は1つのブランチにおけるセマンティックセグメンテーションと将来のフレーム予測タスクを組み合わせて、オブジェクトクラスと一貫した動作パターンを学習する。
第2枝では、対象部位、動き方向、カメラからの物体の距離に注意を向けた動き異常を検出するためのいくつかの注意機構を付加した。
論文 参考訳(メタデータ) (2022-10-14T10:40:20Z) - Object-centric and memory-guided normality reconstruction for video
anomaly detection [56.64792194894702]
本稿では,ビデオ監視における異常検出問題に対処する。
異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。
我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
論文 参考訳(メタデータ) (2022-03-07T19:28:39Z) - Discrete neural representations for explainable anomaly detection [25.929134751869032]
オブジェクトやアクション分類器を使わずに、異常を頑健に検出する方法を示す。
また、ビデオの離散表現を学習するために、新しいニューラルアーキテクチャを用いて、サリエンシマップの品質を改善する方法を示す。
論文 参考訳(メタデータ) (2021-12-10T14:56:58Z) - X-MAN: Explaining multiple sources of anomalies in video [25.929134751869032]
ビデオ中の異常を検出するのに適した解釈可能な特徴表現を構築する方法を示す。
また,その応答の背後にある理由を記述可能な,解釈可能な確率的異常検出器を提案する。
提案手法は,公開データセット上の技術状況とよく競合する。
論文 参考訳(メタデータ) (2021-06-16T15:25:50Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳(メタデータ) (2020-11-17T09:39:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。