基于特征解耦的无人机视频跨域异常检测方法

作     者：穆辉宇 亢卿辰 谢毅 乔保军 远程 党兰学 MU Huiyu;KANG Qingchen;XIE Yi;QIAO Baojun;YUAN Cheng;DANG Lanxue

作者机构：河南大学计算机与信息工程学院河南开封475004 河南大学河南省大数据分析与处理重点实验室河南开封475004 河南省公平竞争审查事务中心郑州467002 

出 版 物：《河南大学学报(自然科学版)》 (Journal of Henan University:Natural Science)

年 卷 期：2025年第1期

页      面：12-20页

学科分类：08[工学] 080203[工学-机械设计及理论] 082503[工学-航空宇航制造工程] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

基　　金：2023年河南省研究生教育改革与质量提升工程项目(YJS2023JD28) 2024年河南省研究生教育改革与质量提升工程项目(YJS2024JD30) 河南省高校科技创新团队支持计划(24IRTSTHN021) 河南省科技攻关项目(232102210080,242102210079) 河南省高校重点科研项目(24A520004) 

主　　题：视频异常检测 自编码器 多尺度变形 记忆网络 域适应 

摘      要：无人机摄像头相较于固定摄像头具有更高的灵活度和适应性,将无人机与视频异常检测技术相结合具有重要的研究意义.主流的基于重建的异常检测方法都在同源数据中进行训练和测试,而对于数据分布不同的目标域场景下检测性能衰退.针对跨域的异常检测问题,设计了一个基于特征解耦的变形估计异常检测框架,该框架首先对源域和目标域训练样本进行特征解耦,提取分布对齐的域特征,将其馈送给多尺度变形模块和自编码网络.然后设计一个紧凑记忆模块,学习压缩的正常原型表示,并通过解码器对其重建.同时构建一个多尺度变形模块,利用K尺度的变形场估计图像的变形信息.最后对多尺度变形信息与重建误差加权求和生成异常分数.在4个视频数据集上进行域内和跨域实验,实验结果验证了提出的方法在视频异常检测方面的有效性.