Mar, 2023

理解基于姿态的异常检测的挑战与机会

PDF
TL;DR本研究对两个视频异常数据集进行了分析和定量化，以更好地理解基于姿势的异常检测的困难之处，并探索了基于姿势和轨迹的区别能力以及基于上下文的有效性，从而加速更好性能、更具鲁棒性的模型的开发。
pose-based anomaly detectionhuman posevideo framesanomaly detection datasetstrajectory
发现论文，激发创造
  • 基于正则流模型的人体姿态异常检测

    本研究通过将视频异常检测问题简化为人体姿势的异常检测，使用一种基于 spatio-temporal graph convolution blocks 的基于正常化流的算法来处理这类数据，并在两个异常检测基准数据集上表现出最先进的结果。

    Nov, 2022

  • 解耦视频和人体动作：进军运动员录像实用事件检测

    本研究旨在解决在个人运动员记录中检测运动事件的问题，通过使用 2D 人体姿势序列作为中间表示，并结合领域自适应的运动员追踪，提出了两种事件检测方法，在游泳和田径领域进行了评估，从而实现了灵活的基于姿势的运动事件检测。

    Apr, 2020

  • 人类运动学启发的基于骨架的视频异常检测

    在这篇论文中，我们介绍了一种名为 HKVAD（Human Kinematic-inspired Video Anomaly Detection）的新思路，通过显式利用人类运动特征来检测视频异常。我们还提出了一种利用骨架姿态的运动特征，并使用正态流模型来估计密度并检测异常的方法。在两个具有挑战性的公共数据集上进行实验证明了我们方法的有效性和潜力。

    Sep, 2023

  • PAD：一份姿势不可知异常检测的数据集和基准

    通过构建包含各种姿势的多姿态异常检测数据集（MAD）和提出专门设计用于姿态无关异常检测的新方法 OmniposeAD，该论文解决了机器视觉领域中物体异常检测中的两个重要挑战，并提供了开放源代码基准库以促进未来在该领域的研究和应用。

    Oct, 2023

  • 基于图嵌入的姿态聚类用于异常检测

    本论文提出使用基于人体姿态图的新型异常检测方法，并运用 Dirichlet 过程，将数据映射到潜在空间中，最终通过弱分类器，达到在广泛基准测试集上表现优异的结果。

    Dec, 2019

  • 基于人体姿势的深度学习估计、跟踪和动作识别：综述

    该论文综述了基于深度学习的姿势分析应用，包括姿势估计、姿势跟踪和动作识别，并讨论了现有技术的优势和局限性，重点介绍了将这三个任务整合到视频序列的统一框架中的方法，并探讨了相关挑战和未来研究方向。

    Oct, 2023

  • 基于多模态运动条件扩散模型的基于骨架的视频异常检测

    该研究提出一种基于生成模型的视频异常检测方法，利用骨骼表示和扩散概率模型生成多模态人体姿势，并通过统计聚合的未来模态检测异常，其在四个基准测试中均取得优于现有技术的表现。

    Jul, 2023

  • 视频异常检测中的骨架轨迹规律学习

    提出了一种使用动态骨架特征建模监控视频中人类运动规律的新方法，该方法通过将骨架运动分解为全局身体运动和局部身体姿势两个子组件，并使用新型消息传递编码 - 解码循环网络来建模相互作用的耦合特征，以精确识别来自监控视频序列的人类相关的异常事件并提供可解释性。与传统的基于外观的模型相比，该方法实现了卓越的异常检测性能。

    Mar, 2019

  • 人体姿态估计中自上而下方法的综述

    本篇论文对基于深度学习的二维图像人体姿态识别的最新方法进行了广泛的综述和比较，重点关注自 2016 年以来的自顶向下方法，此外，还讨论了数学基础、挑战与局限性、基准数据集和评价指标。

    Feb, 2022

  • 学校学生危险行为检测

    本文提出了一种自动检测学生危险行为的方法，将长视频的行为识别转化为物体检测任务，结合多尺度体特征和基于关键点的姿态特征，实现了 71.0% 的平均精度（mAP）和约 11 FPS 的高效准确性。

    Feb, 2022