Skeletal Video Anomaly Detection using Deep Learning: Survey, Challenges and Future Directions

要約

ビデオ異常検出の既存の方法は、ほとんどの場合、識別可能な顔や外見に基づく特徴を含むビデオを利用します。
顔を特定できるビデオを使用すると、特に病院やコミュニティベースの設定で使用する場合に、プライバシーの問題が発生します。
外観ベースの機能は、ピクセルベースのノイズにも敏感になる可能性があり、背景の変化をモデル化する異常検出方法に負荷をかけ、前景の人間の行動に焦点を当てることを困難にします。
ビデオ内の人間の動きを説明するスケルトンの形式の構造情報は、プライバシーを保護し、外観ベースの機能によって引き起こされる問題の一部を克服できます。
この論文では、ビデオから抽出されたスケルトンを使用した、プライバシーを保護する深層学習の異常検出方法の調査を提示します。
さまざまな学習アプローチに基づくアルゴリズムの新しい分類法を提示します。
異常検出のためのスケルトンベースのアプローチは、ビデオ異常検出のもっともらしいプライバシー保護の代替手段になる可能性があると結論付けています。
最後に、主要な未解決の研究課題を特定し、それらに対処するためのガイドラインを提供します。

要約(オリジナル)

The existing methods for video anomaly detection mostly utilize videos containing identifiable facial and appearance-based features. The use of videos with identifiable faces raises privacy concerns, especially when used in a hospital or community-based setting. Appearance-based features can also be sensitive to pixel-based noise, straining the anomaly detection methods to model the changes in the background and making it difficult to focus on the actions of humans in the foreground. Structural information in the form of skeletons describing the human motion in the videos is privacy-protecting and can overcome some of the problems posed by appearance-based features. In this paper, we present a survey of privacy-protecting deep learning anomaly detection methods using skeletons extracted from videos. We present a novel taxonomy of algorithms based on the various learning approaches. We conclude that skeleton-based approaches for anomaly detection can be a plausible privacy-protecting alternative for video anomaly detection. Lastly, we identify major open research questions and provide guidelines to address them.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google