[論文レビュー] Holistic Features For Real-Time Crowd Behaviour Anomaly Detection

Mark Marsden, Kevin McGuinness+2 more|arXiv (Cornell University)|Jun 16, 2016

Anomaly Detection Techniques and Applications参考文献 5被引用数 7

ひとこと要約

本論文は、群衆の一体性、衝突、平均運動速度、および新しい群衆密度の定式化を組み合わせたリアルタイムで低次元の包括的特徴セットを提案する。ガウス・ミックスチャネル・モデル（GMM）またはサポート・ベクターマシン（SVM）を用いることで、コンsumerハードウェア上で40 FPSで処理しながら、violent-flowsデータセットで最先端の精度（平均85.53％）を達成する。

ABSTRACT

This paper presents a new approach to crowd behaviour anomaly detection that uses a set of efficiently computed, easily interpretable, scene-level holistic features. This low-dimensional descriptor combines two features from the literature: crowd collectiveness [1] and crowd conflict [2], with two newly developed crowd features: mean motion speed and a new formulation of crowd density. Two different anomaly detection approaches are investigated using these features. When only normal training data is available we use a Gaussian Mixture Model (GMM) for outlier detection. When both normal and abnormal training data is available we use a Support Vector Machine (SVM) for binary classification. We evaluate on two crowd behaviour anomaly detection datasets, achieving both state-of-the-art classification performance on the violent-flows dataset [3] as well as better than real-time processing performance (40 frames per second).

研究の動機と目的

• 大規模な監視システムにおけるリアルタイムでスケーラブルな群衆行動異常検出の課題に対処すること。
• 異常データの不足に起因する課題を克服し、正常データのみで効果的に動作する手法を開発すること。
• 効率的な計算を可能にするために、シーンレベルの群衆ダイナミクスを捉える低次元で解釈可能な特徴セットを設計すること。
• 標準データセット上でリアルタイム性能（40 FPS）を維持しながら高い検出精度を達成すること。
• クロスシーン学習と推論を用いて、さまざまな監視シナリオにおいても頑健な性能を示すこと。

提案手法

• 背景差分法（ガウス・ミックスチャネル・モデル）と形態的フィルタリング、KLTトラッキング（30フレームごとの再初期化）を用いてトラックレットを抽出する。
• 1フレームあたり4つの包括的特徴を計算：群衆の一体性、群衆の衝突、平均運動速度、および新しいアダプティブな群衆密度の定式化。
• 特徴推定の時間的安定性を高めるために指数移動平均フィルタを適用する。
• 正常データのみが利用可能な状況では、フル共分散行列を用いたGMMを異常値検出に用いる。
• 正常および異常データの両方が利用可能な場合、SVMを用いて二値分類を行う。
• フレームレベルの予測の多数決に基づいて動画クリップ全体を分類し、Otsuの手法によるGMMベースのしきい値設定を用いてクリップレベルの分類を実施する。

実験結果

リサーチクエスチョン

• RQ1 低次元でシーンレベルの包括的特徴セットは、リアルタイムで異常群衆行動を効果的に検出できるか？
• RQ2 特に平均運動速度と新しい群衆密度の特徴は、従来の手法と比較して検出性能にどのように寄与するか？
• RQ3 正常データのみが利用可能な状況で、GMMベースの異常値検出アプローチはどの程度の性能を示すか？
• RQ4 実世界の監視シナリオにおいて、クロスシーン一般化性能は単一シーン学習と比較してどの程度優れているか？
• RQ5 提案手法は、標準データセット上で最先端の精度を達成しながら、高速処理（≥40 FPS）を維持できるか？

主な発見

• SVMベースの分類器を用いた場合、正常および異常データを用いた学習により、violent-flowsデータセットで85.53％ ± 0.17％の最先端の平均精度を達成した。
• 正常データのみで学習した場合でも、GMMベースのアプローチは65.8％ ± 0.15％の精度を達成し、データが限られた状況下でも優れた性能を示した。
• 本手法は1秒間に40フレームの処理が可能であり、MDT（0.9 FPS）やCM（5 FPS）といった先行手法に比べて、計算効率において顕著に優れている。
• 任意の1つの特徴を除外すると精度に顕著な低下が見られ、特に群衆の衝突（除外時65.5％）と群衆密度（63.5％）を除外した場合に最も顕著な性能低下が観察された。
• GMMを用いたクロスシーン検出では、UMNデータセットで86.9％のAUCを達成し、ドメインシフトが存在する状況下でも優れた一般化能力を示した。
• 4次元の包括的特徴ベクトル（群衆の一体性、衝突、平均運動速度、アダプティブ密度）は、リアルタイムの異常検出において非常に効果的かつ解釈可能であることが示された。