[论文解读] An Adaptive Training-less System for Anomaly Detection in Crowd Scenes

Arindam Sikdar, Ananda S. Chowdhury|arXiv (Cornell University)|Jun 3, 2019

Anomaly Detection Techniques and Applications参考文献 42被引用 6

一句话总结

本文提出了一种无需训练的自适应异常检测系统，用于人群场景，可在无预先训练数据的情况下实时运行。该系统采用自适应3D-DCT进行多目标关联，利用显著性调制的光流描述局部运动特征，并通过地球移动距离（EMD）进行异常评分，实现了最先进水平的AUC性能（例如，在UMN数据集上为0.982，在ShanghaiTech数据集上为0.768），且无需任何模型训练。

ABSTRACT

Anomaly detection in crowd videos has become a popular area of research for the computer vision community. Several existing methods generally perform a prior training about the scene with or without the use of labeled data. However, it is difficult to always guarantee the availability of prior data, especially, for scenarios like remote area surveillance. To address such challenge, we propose an adaptive training-less system capable of detecting anomaly on-the-fly while dynamically estimating and adjusting response based on certain parameters. This makes our system both training-less and adaptive in nature. Our pipeline consists of three main components, namely, adaptive 3D-DCT model for multi-object detection-based association, local motion structure description through saliency modulated optic flow, and anomaly detection based on earth movers distance (EMD). The proposed model, despite being training-free, is found to achieve comparable performance with several state-of-the-art methods on the publicly available UCSD, UMN, CHUK-Avenue and ShanghaiTech datasets.

研究动机与目标

• 解决在缺乏标注训练数据的监控场景中进行异常检测的挑战，尤其是在远程或数据稀疏环境中。
• 开发一种无需预先训练或对人群运动中粒子式相互作用做假设的实时异常检测系统。
• 通过聚焦于显著性驱动的运动描述符和实时区域提议，实现对非平稳异常的动态适应。
• 在无需模型微调或基于分布的预训练的前提下，实现与最先进训练方法相当的性能。

提出的方法

• 采用自适应3D-DCT模型从视频片段中提取时空特征，实现在无需跟踪的情况下进行多目标检测与关联。
• 利用显著性调制的光流描述局部运动结构，通过聚焦于显著区域增强对异常运动模式的敏感性。
• 应用地球移动距离（EMD）将局部运动描述符的分布与学习到的正常模式进行比较，基于分布偏差识别异常。
• 基于显著性和运动结构动态生成区域提议，将计算聚焦于潜在异常区域，实现实时自适应推理。
• 将所有组件整合为一个端到端的无需训练的流水线，实时运行，避免任何形式的分类器训练或分布拟合。
• 利用3D-DCT和EMD的固有鲁棒性，无需重新训练即可处理光照、视角和人群密度的变化。

实验结果

研究问题

• RQ1 无需训练的系统是否能在多样化的群集视频基准上实现具有竞争力的异常检测性能，而无需依赖标注数据或预训练模型？
• RQ2 自适应区域提议与显著性驱动的光流在动态群集场景中对非平稳和罕见异常的检测效果如何？
• RQ3 3D-DCT与EMD的结合在无需训练或对粒子动力学做假设的前提下，能否实现鲁棒且实时的异常检测？
• RQ4 在多个基准数据集上，该系统与最先进训练方法相比，在性能和效率方面表现如何？

主要发现

• 所提系统在UMN数据集上达到0.982的AUC，优于包括[6]和H-MDT-CRF在内的多种训练方法。
• 在CHUK-Avenue数据集上，该方法达到0.8099的AUC，排名第二，优于Conv-AE [14]、Del等人[13]和TSC [23]。
• 在更复杂的ShanghaiTech Campus数据集上，该方法达到最高的AUC 0.768，优于sRNN [23] 8.8%及其他基线方法。
• 系统在标准硬件（3 GHz CPU，8GB RAM）上每帧处理时间为2.17–3.25秒，未使用GPU加速或代码优化。
• 显著性检测组件在UMN数据集上达到0.9823的AUC，优于RWRV（0.9702），并接近SP-Liu（0.9896）。
• 尽管完全无需训练，该方法性能仍可与依赖分布拟合或分类器训练的最先进方法相媲美。