45、视频异常行为检测与手眼及工具偏移校准方法研究

视频异常行为检测与手眼及工具偏移校准方法研究

在计算机视觉和机器人技术领域，视频异常行为检测以及手眼和工具偏移校准是两个重要的研究方向。前者有助于在监控、安防等场景中及时发现异常情况，后者则对于提高机器人操作的精度和准确性至关重要。

视频异常行为检测

为了检测视频中的异常行为，研究人员提出了一种基于人体骨骼信息的循环神经网络自动编码器视频异常行为检测模型。该模型利用人体姿态估计算法和循环神经网络，从空间和时间维度提取视频中事件的特征，并通过自动编码器以半监督的方式学习正常事件特征。

模型对比

将该模型与基于外观特征的方法进行了比较，包括ConvAE和U - Net算法。模型性能通过ROC曲线对应的面积AUC来衡量，检测结果如下表所示：
| 模型 | ROC AUC |
| ---- | ---- |
| ConvAE | 60.9% |
| U - Net | 72.8% |
| 本文模型 | 74.9% |

从表格数据可以看出，本文提出的模型检测准确率达到74.9%，高于基于外观特征检测的方法。

不同循环神经网络单元对比

为了比较不同循环神经网络单元在视频异常行为检测中的性能，使用了传统RNN、LSTM和GRU三种单元进行横向比较，结果如下表：
| 模型 | ROC AUC |
| ---- | ---- |
| 本文模型（RNN） | 63.6% |
| 本文模型（LSTM） | 70.8% |
| 本文模型（GRU） | 74.9% |

通过对比可以发现，使用GRU单元