改进重建和预测网络的人体异常行为检测方法

来源：计算机工程与应用杂志2024年第17期北京时间：

作者：张红民, 庄旭, 郑敬添

单位：重庆理工大学 电气与电子工程学院，重庆 400054

摘要：在人体异常行为检测中，为了能够更加充分地利用动作和时空特征信息，提出了一种基于重建和预测网络的人体异常行为检测方法。该方法中的网络结构由重建子网络和视频预测子网络组成，其中重建子网络采用自编码器结构，以连续的视频帧作为输入来对下一帧进行重建；预测子网络采用基于3D卷积的编码器、解码器结构作为网络主干，通过输入一连串视频帧图片对后续视频帧进行预测。此外，为了能让重建子网络更好地关注人体行为的动作特征，采用詹森-香农散度（JSD）来计算重建帧与原始帧之间的差异，同时在预测子网络中添加时空一致性的正则化约束。UCSDped2、Avenue和ShanghaiTech三个数据集上的实验结果表明，该方法相比于其他的视频人体异常行为检测方法在AUC指标上有更好的表现，在UCSDped2、Avenue和ShanghaiTech数据集中分别达到了97.3%、91.1%和82.6%。

关键词：异常行为检测,自编码器,3D卷积,时空一致性