[論文レビュー] AAD: Adaptive Anomaly Detection through traffic surveillance videos

Mohammmad Farhadi Bajestani, Seyed Soroush Heidari Rahmat Abadi+2 more|arXiv (Cornell University)|Aug 29, 2018

Anomaly Detection Techniques and Applications参考文献 5被引用数 3

ひとこと要約

本論文では、物体検出にFaster R-CNN、運動解析にオプティカルフローを組み合わせることで空間的・時間的外れ値を特定するリアルタイム動画異常検出システムAAD（適応的異常検出）を提案する。運動分布をガウス統計でモデル化し、しきい値を動的に適応させることで、先行手法と同等の精度を維持しながら推論速度を約2倍に向上させ、非定常なシーンやレアな異常に対しても優れた対応を実現した。

ABSTRACT

Anomaly detection through video analysis is of great importance to detect any anomalous vehicle/human behavior at a traffic intersection. While most existing works use neural networks and conventional machine learning methods based on provided dataset, we will use object recognition (Faster R-CNN) to identify objects labels and their corresponding location in the video scene as the first step to implement anomaly detection. Then, the optical flow will be utilized to identify adaptive traffic flows in each region of the frame. Basically, we propose an alternative method for unusual activity detection using an adaptive anomaly detection framework. Compared to the baseline method described in the reference paper, our method is more efficient and yields the comparable accuracy.

研究の動機と目的

• 時間の経過とともに変化する正常行動を示す交通監視動画において、まれで非定常的な異常を検出する課題に対処すること。
• 動的動画シーケンスから学習可能な自動的・適応的な異常検出システムを構築することで、人的監視に依存するのを減らすこと。
• 物体認識と運動ベースの異常モデルを統合することで、既存手法よりも効率的かつ正確な検出を実現すること。
• ブロック単位の運動分散と統計的分布に基づく適応的しきい値を用いることで、動画ストリームのデータスパarsityおよびノイズに対処すること。
• ハイブリッドな教師あり・教師なしフレームワークにより、損失なしの動画表現と空間的・時間的外れ値検出を可能にすること。

提案手法

• ImageNetで事前学習済みのResNet-101バックボーンを用いたFaster R-CNNを用い、各動画フレームにおける物体の検出と分類を実行する。信頼度しきい値は0.8とする。
• Farnebackのオプティカルフロー法を用い、3段階のピラミッド、15×15のウィンドウ、5イテレーション、ガウス標準偏差1.2を設定して、連続フレーム間の運動ベクトルを推定する。
• フレームを空間的ブロックに分割し、各ブロックごとの運動分散を計算することで、局所的運動活動を表現する。これにより、運動分布マップが形成される。
• 運動分散値のガウス分布を用いて正常な運動行動をモデル化する。平均μを中心とする適応的ウィンドウサイズ$k\sigma$を用い、異常を分類する。
• スライディングウィンドウアプローチを採用し、平均の$k\sigma$内にあるデータは正常とみなす。それ以外の値は異常とマークする。
• 物体認識の出力を統合することで異常検出を精緻化し、物体の種別と位置の文脈情報を組み込むことで、真正陽性率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 時間の経過とともに変化する交通シーンの非定常性に対し、かつて異常とされたイベントが後に正常となる状況において、動画異常検出システムがどのように適応できるか。
• RQ2 物体検出と運動ベース解析の組み合わせにより、異常検出の精度を向上させるとともに、計算コストを削減できるか。
• RQ3 異常検出における真正陽性率と偽陽性率のバランスを最適化するための適応的しきい値ウィンドウサイズ$k$の最適値は何か。
• RQ4 Faster R-CNNによる物体認識を統合することで、実世界の交通動画における運動ベースの異常検出性能にどのような影響を与えるか。
• RQ5 本手法は、ベースラインの運動影響マップ（MIM）手法と比較して、監視動画ストリームにおけるデータスパarsityおよびノイズに対して、どの程度良好に処理できるか。

主な発見

• 物体認識と運動解析を統合したAADモデルは、UCSD Ped1データセットで真正陽性率0.56、偽陽性率0.36を達成し、認識情報を含まないベースラインを上回る性能を示した。
• 適応的しきい値で$k=1$を設定すると、偽陽性率と真正陽性率の両方が1.0に上昇し、ノイズに過剰適合していることが示された。一方、$k=6$では両方の率がほぼゼロに低下し、感度が著しく低下していることが確認された。
• モデルの単純化により、同等の精度を維持しながら、ベースライン手法と比較して約2倍の高速化が達成された。
• 運動分布マップは、通常は空である領域に車両が出現するなどの異常な運動パターンを効果的に捉えており、図9bの異常マップで明確に示されている。
• 物体認識により検出の信頼性が向上した：図9aの人物確率マップにおける赤色領域が、検出された異常と一致しており、文脈的一致性が確認された。
• UCSD Ped1とPed2データセット間の性能差は、カメラのアングルや物体の速度の違いに起因しており、シーンのダイナミクスに敏感であることが示された。