Contracting Skeletal Kinematic Embeddings for Anomaly Detection

要約

人間の行動の異常を検出することは、ストリートファイトや高齢者の転倒などの危険な状況をタイムリーに認識するために最も重要です。
ただし、異常なイベントはまれであり、オープン セットの認識タスクであるため、異常検出は複雑です。つまり、推論で何が異常であるかはトレーニングで観察されていません。
COSKAD は、効率的なグラフ畳み込みネットワークによって骨格の人間の動きをエンコードし、異常検出のために最小ボリュームの潜在的な超球体に骨格の運動学的埋め込みを収縮することを学習する新しいモデルです。
COSKAD の 3 つの潜在空間設計を提案し、分析します。一般的に採用されているユークリッド ボリュームと、新しい球状ラジアルおよび双曲ボリュームです。
3 つのバリアントはすべて、ShangaiTechCampus、Avenue、および最新の UBnormal データセットで、ビデオベースの手法を含む最先端の技術を凌駕しています。これには、新しいスケルトン アノテーションと人間関連のビデオの選択に貢献しています。
ソース コードとデータセットは、承認後にリリースされます。

要約(オリジナル)

Detecting the anomaly of human behavior is paramount to timely recognizing endangering situations, such as street fights or elderly falls. However, anomaly detection is complex, since anomalous events are rare and because it is an open set recognition task, i.e., what is anomalous at inference has not been observed at training. We propose COSKAD, a novel model which encodes skeletal human motion by an efficient graph convolutional network and learns to COntract SKeletal kinematic embeddings onto a latent hypersphere of minimum volume for Anomaly Detection. We propose and analyze three latent space designs for COSKAD: the commonly-adopted Euclidean, and the new spherical-radial and hyperbolic volumes. All three variants outperform the state-of-the-art, including video-based techniques, on the ShangaiTechCampus, the Avenue, and on the most recent UBnormal dataset, for which we contribute novel skeleton annotations and the selection of human-related videos. The source code and dataset will be released upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google