基于对比记忆网络的弱监督视频异常检测

作     者：李文中 吴克伟 孙永宣 焦畅 熊思璇 Li Wenzhong;Wu Kewei;Sun Yongxuan;Jiao Chang;Xiong Sixuan

作者机构：合肥工业大学计算机科学与信息工程学院合肥230601 

基　　金：安徽省重点研究与开发计划资助项目(202004d07020004) 安徽省自然科学基金资助项目(2108085MF203) 中央高校基本科研业务费专项资金资助项目(PA2021GDSK0072,JZ2021HGQA0219) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2023年第40卷第10期

页      码：3162-3167,3172页

摘      要：异常检测使用有限的训练集获得区分度高的特征,但是当异常实例与正常实例存在较多相似特征时,模型会因为异常特征参与正常特征编码产生误差。针对上述问题,提出了一种新型的对比记忆网络的弱监督视频异常检测方法。该方法在自动编码器的基础上使用对比学习框架,分离出与实际异常相似的样本特征,并设计记忆网络抑制正常样本内偏向异常的特征表达,提高了重建样本的稳定性。该算法构建了一种两阶段的异常行为检测网络。在阶段一,利用对比学习方法来增加正常行为特征和异常行为特征的差异,并利用该阶段学习到的特征构造记忆网络的增强项与抑制项。在阶段二,将记忆网络增强项设为多时刻正常行为特征,并利用记忆网络的抑制项更新增强项中偏向异常的特征信息,从而区分编码中正常与异常特征。该方法在UCF Crime和ShanghaiTech数据集的平均AUC值达到83.26%和87.53%,相较于现有方法分别提升了1.14%和2.43%。结果显示,该方法能够有效预测异常事件的发生时间。

主 题 词：异常检测 对比学习 记忆网络 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2022.12.0829

馆 藏 号：203124058...