【行为异常检测-论文阅读笔记（2）】Robust Anomaly Detection in Videos Using Multilevel Representations(MLAD)

        最近由于汇报工作的准备以及给自己放了一周的小假期，导致论文阅读这块拖延了好久。现在重新开始阅读行为异常检测这方面的相关论文。上次阅读的是使用两个2cGANs分别重构真实帧与光流帧进行异常检测的论文上一期论文阅读。

        这次阅读的MLAD其实与这篇论文也有点相似，只不过使用了两个DAE对数据提取了多级的表示，再将这些表示综合起来进行异常检测。详细介绍如下：

        以往的有监督、无监督的异常检测通常使用的是低级特征（边缘、像素、运动信息等），这些低级特征检测异常可能会遇到如下问题：

        1.低水平的检测会导致碎片和中断区域。

        2.低水平信息对噪声敏感，受环境变化影响大。

        而作者的解决方案是：

        1.提出在抽象表示时检测异常对象（通过深度网络的多层架构实现），低层：编码边缘、角落颜色等视觉信息；高层：描述对象及其位置关系等语义。

        2.真实异常对象应该在多个检测级别上被突出，故将低级检测与抽象级检测结合。

主要思路与过程

        

        上述是MLAD的一个过程流程图，可以看到其实与我们上次看到的使用一对cGANs的思路很像的，但作者提出的多级表示的异常检测，突出点就是在训练cGANs前，使用DAEs对视频数据进行多级表示的提取，也就是多了如下的过程：

 

         这样的好处是，能够在多个检测级别上，综合出现异常概率高的异常才算是异常，降低了噪声影响的敏感性，提高检测精度。

        现说说其详细的一个过程：

        1）先计算每一帧的光流图像；

        2）对每一帧数据和其对应的光流数据分别训练一对DAEs，提取其多级特征表示；

        3）在第二步训练出的高级表示上训练一对cGANs，之后就像上篇论文这样进行重构异常（可能在某些细节不一样）。

        系统的具体步骤为：

        1)提取测试帧的光流特征；

        2)使用DAEs获取帧和运动特征的高级表示；

        3)使用训练过的cgan计算一级生成误差图；

        4)对这些映射进行阈值化，得到每一层的二进制检测映射；

        5)将这些检测图结合成最终的检测结果。

 实验结果

个人收获

        这篇论文其实难度不高，重点是引用了DAE进行特征提取，DAE是去噪自编码器，在encoder、decoder中通常使用的DNN，且在这篇论文中其层数也保持一致。给我的思路就是，在异常检测的时候，可以不仅限于一种表示方法进行异常检测，可以在此基础上，额外加入其他级别的特征表示进行异常检测，虽然这样做会引起消耗资源的增加，但也是一个思路点！

        下一篇论文准备阅读：Learning Normal Patterns via Adversarial Attention-Based Autoencoder for Abnormal Event Detection in Videos

        其将注意力机制和ConvLSTM集成到了自编码网络构成的生成器来进行异常检测。