[异常检测] Multi-timescale Trajectory Prediction for Abnormal Human Activity Detection_iitb数据集

Multi-timescale Trajectory Prediction for Abnormal Human Activity Detection

会议： WACV 2020
论文：https://arxiv.org/abs/1908.04321
代码：https://github.com/Rodrigues-Royston/Multi-timescale-Trajectory-Prediction-for-Abnormal-Human-Activity-Detection

在本文中，提出了一个多时间尺度模型来描述不同时间尺度下的姿态。特别是，对于给定的输入姿态轨迹，该模型在不同的时间尺度上对未来和过去进行预测。还创建了一个包含各种异常活动的大型单摄像机数据集。与其他数据集不同在于该数据集包含一系列人类异常情况包括单人、多人和群体异常活动。

解决的问题

通常的异常检测方法都是基于单个视频帧或者一个滑动窗口的视频帧。但是人的不同行为持续的时长是不同的。比如蹦跳是个短时间的异常行为而游荡却是一个持续时间很长的异常。单帧或者固定窗口的方法不足以捕获不同持续时间内发生的各种异常。

模型

它有两个模型，分别预测过去和未来。在特定的时间尺度上，结合两个模型的预测在每个时刻生成预测。

两个模型是等同的但是是分开训练的，对过去的预测的模型输入是逆向的姿态轨迹。