[论文解读] 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 4

一句话总结

本综述全面概述了单场景视频异常检测，对方法、数据集和评估协议进行了分类。它突出了表征与建模方面的趋势，倡导可复现研究，并指出了诸如滞留行为和罕见正常活动等关键挑战，呼吁未来研究采用更大、更多样化的数据集，并提升对位置相关异常的鲁棒检测能力。

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.

研究动机与目标

• 提供现有单场景视频异常检测方法的结构化分类法与全面比较。
• 识别并分析关键挑战，如位置相关异常、滞留行为以及罕见正常活动。
• 倡导未来研究中采用标准化评估、可复现研究和运行时分析。
• 指出当前数据集的局限性，并强调需要更多样化的基准数据集，以涵盖群体活动、轨迹异常和全天候时间变化异常。
• 指导研究人员在模型评估和数据集选择中遵循最佳实践，以减少偏差并提升泛化能力。

提出的方法

• 使用结构化分类法，将视频异常检测方法划分为问题设定、表征技术与建模方法三类。
• 回顾公开可用的数据集，包括 UCSD Ped1/Ped2、CUHK Avenue、Subway、UMN 和 Street Scene，重点分析其异常类型与评估协议。
• 采用一致的评估模式，在标准测试集上比较算法的准确性，以实现公平的基准测试。
• 分析输入表征的趋势演变，从原始图像块发展到多模态输入（图像帧 + 光流），并趋向于使用 3D 卷积以避免昂贵的光流计算。
• 追踪建模方法的演进，从手工设计特征与简单分布模型，发展到通过深度学习端到端学习的表征。
• 提出最佳实践，包括多数据集评估、运行时分析以及定性误报评估，以检测模型偏差。

实验结果

研究问题

• RQ1 不同视频异常检测方法在标准基准数据集上的准确性如何比较？
• RQ2 当前数据集在捕捉多样化异常类型（如滞留行为、群体活动和全天时间变化）方面存在哪些关键局限？
• RQ3 面对数据集规模和计算能力的提升，表征与建模技术如何演变？
• RQ4 为何单场景设定比多场景更适用于检测位置相关异常？
• RQ5 如何通过评估与复现方法确保视频异常检测的鲁棒性与公平性？

主要发现

• 当前数据集如 UCSD Ped1/Ped2 和 UMN 倾向于高运动异常，导致仅在这些数据集上训练的方法出现过拟合。
• CUHK Avenue 和 Street Scene 提供了更丰富的异常类型，建议作为无偏评估的必备补充数据集。
• 该领域已从手工特征转向数据驱动表征，深度学习模型因能直接从数据中学习复杂模式而占据主导地位。
• 越来越多的趋势是使用 3D 及膨胀 3D 卷积来替代昂贵的光流计算，从而提升效率与可扩展性。
• 许多现有方法难以检测滞留异常，因其严重依赖运动线索，表明当前建模方法存在关键缺陷。
• 罕见但正常的活动（如行人停下系鞋带）常引发误报，凸显了模型需捕捉低频正常行为的迫切需求。