[論文レビュー] A Survey of Single-Scene Video Anomaly Detection

Bharathkumar Ramachandra, Michael J. Jones+1 more|arXiv (Cornell University)|Apr 13, 2020

Anomaly Detection Techniques and Applications被引用数 4

ひとこと要約

本サーベイは、シングルシーン動画異常検出の包括的概要を提供し、手法、データセット、評価プロトコルを分類する。表現とモデリングにおけるトレンドを強調し、再現可能性の高い研究を提唱するとともに、ロイタリングやレアな正常行動といった重要な課題を特定し、今後の研究に対してより大規模で多様なデータセットの構築と、場所依存異常の堅牢な検出を促す。

ABSTRACT

This survey article summarizes research trends on the topic of anomaly detection in video feeds of a single scene. We discuss the various problem formulations, publicly available datasets and evaluation criteria. We categorize and situate past research into an intuitive taxonomy and provide a comprehensive comparison of the accuracy of many algorithms on standard test sets. Finally, we also provide best practices and suggest some possible directions for future research.

研究の動機と目的

• 既存のシングルシーン動画異常検出手法について、体系的な分類体系と包括的な比較を提供すること。
• 場所依存異常、ロイタリング、レアな正常行動といった重要な課題を特定・分析すること。
• 今後の研究において、標準化された評価、再現可能性のある研究、実行時間解析を推進すること。
• 現在のデータセットの限界を強調し、グループ行動、軌跡、時間帯の変化といった異常をカバーする多様なベンチマークの必要性を指摘すること。
• バイアスを低減し一般化性能を向上させるために、モデル評価およびデータセット選定におけるベストプラクティスを研究者にガイドすること。

提案手法

• 構造的分類体系を用いて、動画異常検出手法を問題定義、表現技術、モデリングアプローチに分類する。
• UCSD Ped1/Ped2、CUHK Avenue、Subway、UMN、Street Scene などの公開済みデータセットをレビューし、異常タイプと評価プロトコルに重点を置く。
• 一貫した評価スキーマを用いて標準テストセット上でアルゴリズムの精度を比較し、公正なベンチマークが可能となるようにする。
• 入力表現のトレンドを分析し、生の画像パッチからマルチモーダル入力（フレーム＋オプティカルフロー）への移行、およびコストの高いオプティカルフロー計算を回避するための3D畳み込みへのシフトを検証する。
• 手作業で設計された特徴量と単純な分布を用いた手法から、深層学習によって最適化されるエンドツーエンド学習表現へとモデル化の進化をたどる。
• マルチデータセット評価、実行時間解析、および定性的な誤検出評価を含むベストプラクティスを提案し、モデルバイアスを検出する。

実験結果

リサーチクエスチョン

• RQ1 異なる動画異常検出手法は、標準ベンチマークデータセット上で、どのように精度の面で比較されるか？
• RQ2 現在のデータセットは、ロイタリング、グループ行動、時間帯の変化といった多様な異常タイプを十分に捉えられていない点で、どのような主な制限を抱えているか？
• RQ3 データセットのサイズと計算能力の増大に応じて、表現とモデリング技術はどのように進化したか？
• RQ4 なぜ単一シーン形式が場所依存異常を検出する上でマルチシーン形式よりも適しているのか？
• RQ5 再現性と公平性を確保するため、動画異常検出手法を評価・再現するためのベストプラクティスは何か？

主な発見

• UCSD Ped1/Ped2 や UMN といった現在のデータセットは、高運動異常に対して偏っており、それらにのみ訓練された手法では過学習が生じる傾向にある。
• CUHK Avenue と Street Scene は、より多様な異常タイプを提供しており、バイアスのない評価のための必須補足データセットとして推奨される。
• 分野全体は、手作業特徴量からデータ駆動型表現へと移行しており、深層学習モデルが、データから複雑なパターンを直接学習できる能力のおかげで現在の主流となっている。
• 高価なオプティカルフロー計算を置き換えるために、3Dおよびインフレートド3D畳み込みの使用が増加傾向にあり、効率性とスケーラビリティが向上している。
• 多くの既存手法はロイタリング異常を検出できない。これは、運動の特徴量に強く依存しているためであり、現在のモデリングアプローチにおける深刻なギャップを示している。
• 例として、歩行者が靴を締め直すために一時停止するような、まれだが正常な行動が、頻繁に誤検出を引き起こす。これは、低周波数の正常行動を捉えるモデルの必要性を強調している。