Understanding the Challenges and Opportunities of Pose-based Anomaly Detection

要約

姿勢ベースの異常検出は、ビデオ フレームから抽出された人間の姿勢を調べることによって、異常なイベントや動作を検出するためのビデオ分析手法です。
ポーズ データを利用することで、プライバシーと倫理の問題が軽減されます。
また、計算に関しては、ポーズベースのモデルの複雑さは、ピクセルベースのアプローチよりも低くなります。
ただし、スケルトン データにノイズが多い、重要なピクセル情報が失われる、機能が十分に充実していないなど、より多くの課題が生じます。
これらの問題は、現実世界のシナリオを十分に代表する異常検出データセットが不足しているために悪化しています。
この作業では、ポーズベースの異常検出の難しさをよりよく理解するために、2 つのよく知られたビデオ異常データセットの特性を分析および定量化します。
私たちは一歩前進し、ビデオ異常検出のためのポーズと軌跡の識別力と、コンテキストに基づくそれらの有効性を調査します。
これらの実験は、ポーズベースの異常検出と現在利用可能なデータセットをよりよく理解するために有益であると考えています。
これは、研究者がより明快な視点で異常検出のタスクに取り組み、より優れたパフォーマンスを備えた堅牢なモデルの開発を加速するのに役立ちます。

要約(オリジナル)

Pose-based anomaly detection is a video-analysis technique for detecting anomalous events or behaviors by examining human pose extracted from the video frames. Utilizing pose data alleviates privacy and ethical issues. Also, computation-wise, the complexity of pose-based models is lower than pixel-based approaches. However, it introduces more challenges, such as noisy skeleton data, losing important pixel information, and not having enriched enough features. These problems are exacerbated by a lack of anomaly detection datasets that are good enough representatives of real-world scenarios. In this work, we analyze and quantify the characteristics of two well-known video anomaly datasets to better understand the difficulties of pose-based anomaly detection. We take a step forward, exploring the discriminating power of pose and trajectory for video anomaly detection and their effectiveness based on context. We believe these experiments are beneficial for a better comprehension of pose-based anomaly detection and the datasets currently available. This will aid researchers in tackling the task of anomaly detection with a more lucid perspective, accelerating the development of robust models with better performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google