Anomaly detection in surveillance video based on bidirectional prediction

随着信息技术的发展和监控网络的普及，快速自动检测监控视频中的异常行为在公共安全和智能城市中变得越来越重要。深度学习的出现极大推动了异常检测的发展，相关领域已提出了许多显著的研究成果。然而，现有的异常检测方法通常面临运动模式利用不足和在不同数据集上的不稳定性等问题。为提高监控视频中异常检测的性能，我们提出了一种基于双向预测的框架，该框架通过前向和后向预测子网络分别预测同一目标帧。然后，基于真实目标帧及其双向预测帧构建损失函数。此外，我们还提出了一种基于滑动窗口方案的异常评分估计方法，重点关注预测误差图的前景。与最先进的方法进行比较显示，所提模型在不同的视频监控数据集上优于大多数竞争模型