基于非局部注意力生成对抗网络的视频异常事件检测方法

摘要：

针对异常事件的不确定性,文中选择使用未来帧预测的方式对视频进行异常事件检测.通过正常样本对预测模型进行训练,使模型能够准确预测不包含异常事件的未来帧,但对于包含未知事件的视频帧,模型无法进行预测,利用生成对抗网络以及表观约束和运动约束对用于预测的生成器模型进行训练.为了减少相关目标特征丢失,提出了非局部注意力U型网络生成器(Nonlocal Attention Unet Generator,NA-UnetG)模型,提升了生成器的预测精度,同时提升了视频异常事件检测的准确度.通过公开数据集CUHK Avenue和UCSD Ped2对所提方法进行实验验证,实验结果表明,所提方法的AUC指标优于其他方法,A UC分别达到了83.4％ 和96.3％.

关键词：视频异常事件检测、生成对抗网络、视频预测、非局部注意力机制、深度学习

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金41971343

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：172-177