基于深度学习的前沿视频异常检测方法综述

打开文本图片集

摘 要：视频异常事件检测逐渐成为计算机视觉领域的研究热点之一，具有重要研究意义和应用价值。近年来，以卷积神经网络为核心的深度学习技术在多项机器视觉任务中展现优异性能，极大地启发了其在视频异常事件检测领域的应用。为此，针对近年来基于深度学习的视频异常事件检测相关研究进行全面梳理与系统归纳。首先，根据视频异常检测实现流程的三个核心要素，即检测模式、样本设置及学习/推理机制，提出一种由浅入深的多级分类方案，面向前沿深度学习方法开展逐类概述并提炼代表性算法数学模型，同时聚焦现有方法的局限性进行阐述；其次，介绍本领域主流的基准测试数据集，汇总并对比当前先进方法在不同数据集上的检测性能；最后，围绕复杂光照/天气条件、多模态图像显著融合、可语义解释及自适应场景感知四个方面对未来重点研究方向进行讨论和展望，期望为该领域的后续研究提供借鉴与参考。（剩余49080字）