2019-01-22

异常检测文献综述

2.Roberto Leyva, Victor Sanchez.Video Anomaly Detection With Compact Feature Sets for Online Performance[J].IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 26, NO. 7.2017 (影响因子5.072 2区)

---

总结：本篇文章主要创新在于，为了考虑监控摄像区域的远近因素，将输入的帧分成可变大小的单元结构，提取多重特征并输入多个判别模型进行检测。

主要步骤如下：（1）将帧分为大小不一，密集的小单元。靠近监控的部分单元较大，远离监控的部分单元较小。对每一个单元利用背景减除法提取其前景占用，计算每个单元前景所占比例。考虑的是运动特征。

（2）针对一系列的视频帧，使用FAST检测器检测STIP，计算光流与HOF描述子，使用光流能量和HOF描述符对相应的支持区域进行编码。考虑的是时间特征。

（3）针对提取的特征，前景占用与光流能量分别使用两种不同的GMM进行建模，HOF描述符使用字典模型与马尔科夫模型进行分析。

（4）进行异常帧的判别，将测试视频帧输入到已建好的模型中，分别得到前景占用特征与光流特征的二进制掩码。通过预设定好的阈值，只要有一个二进制掩码被判为异常，那么此帧对应的小区域单元就被视为异常部分。若考虑进一步优化，只有当前帧与下一帧被判为异常，当前帧才会被警示为异常帧。

这篇文章考虑了很多的细节部分，采用新颖的可变大小的单元结构，从精细到粗糙的方式从有限数量的区域提取特征。不仅提高了准确性，判别时间也很可观。后续考虑环境因素的影响，应该也会对提升性能有所帮助。