Unsupervised Video Anomaly Detection for Stereotypical Behaviours in Autism

要約

常同行動の監視と分析は、自閉症スペクトラム障害 (ASD) の早期介入とケアにとって重要です。
このホワイト ペーパーでは、コンピューター ビジョン技術を使用してステレオタイプの動作を自動的に検出することに焦点を当てています。
市販の方法は、教師付き分類とアクティビティ認識技術によってこのタスクに取り組みます。
ただし、ステレオタイプの行動の無限のタイプと ASD 患者のビデオ録画を収集することの難しさは、既存の教師付き検出方法の実現可能性を大きく制限します。
その結果、私たちはこれらの課題に新しい視点から取り組みます。つまり、ステレオタイプの動作を検出するための教師なしビデオ異常検出です。
モデルは、正常な動作のみを含むラベルのないビデオ間でトレーニングでき、推論中に未知のタイプの異常な動作を検出できます。
それに対応して、人間のポーズの時間的軌跡と人間の行動の繰り返しパターンに基づいて、ステレオタイプの行動検出、DS-SBD のデュアル ストリーム ディープ モデルを提案します。
提案された方法の有効性を検証し、それが将来の研究の潜在的なベンチマークとして役立つことを示唆するために、広範な実験が行われます。

要約(オリジナル)

Monitoring and analyzing stereotypical behaviours is important for early intervention and care taking in Autism Spectrum Disorder (ASD). This paper focuses on automatically detecting stereotypical behaviours with computer vision techniques. Off-the-shelf methods tackle this task by supervised classification and activity recognition techniques. However, the unbounded types of stereotypical behaviours and the difficulty in collecting video recordings of ASD patients largely limit the feasibility of the existing supervised detection methods. As a result, we tackle these challenges from a new perspective, i.e. unsupervised video anomaly detection for stereotypical behaviours detection. The models can be trained among unlabeled videos containing only normal behaviours and unknown types of abnormal behaviours can be detected during inference. Correspondingly, we propose a Dual Stream deep model for Stereotypical Behaviours Detection, DS-SBD, based on the temporal trajectory of human poses and the repetition patterns of human actions. Extensive experiments are conducted to verify the effectiveness of our proposed method and suggest that it serves as a potential benchmark for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google