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、路上での喧嘩や高齢者の転倒などの危険な状況を適時に認識するために最も重要である。しかし、異常事象は稀であり、また、推論時に異常であったものが学習時には観測されていないというオープンセットな認識タスクであるため、異常検出は複雑である。我々は、異常検出のために、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体運動を符号化し、最小体積の潜在超球面上に骨格運動学的埋め込みを行うことを学習する新しいモデル、COSKADを提案する。我々はCOSKADのために3つの潜在空間デザインを提案し、分析する：一般的に採用されているユークリッド、そして新しい球面-放射状と双曲線の体積である。この3種類の潜在空間は、ShangaiTechCampus、Avenue、そして最新のUBnormalデータセット（我々は新しい骨格アノテーションと人間に関連するビデオの選択に貢献）において、ビデオベースの技術を含む最新技術を凌駕する性能を示した。ソースコードとデータセットは、採用された時点で公開される予定です。

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, DeepL