融合多尺度特征的弱监督异常行为检测方法

摘要

针对视频异常行为检测中目标多尺度变化以及特征衰减问题，提出了一种融合多尺度特征的视频异常行为检测方法.首先，在特征提取阶段构建了交互式局部和全局特征提取模块，采用并行结构以最大限度保留卷积神经网络和Transfomer各自的特征提取优势，并以多层次特征融合的方式融合局部和全局特征.其次，设计了多尺度特征感知模块，通过自适应池化和一维卷积层来提取并融合多尺度上下文信息以获取更丰富的语义特征表示，然后，设计了非局部特征提取模块，通过捕捉长距离特征依赖关系，实现每个位置特征与其他任意位置的特征交互，从而增强网络的全局语义信息理解能力.最后，本文在Shanghai Tech和UCF-Crime数据集上进行实验，分别取得了98%和86.25%的准确率，表明了提出方法能够有效提升异常行为检测方面的精度.

关键词

多尺度特征融合 / 异常行为检测 / Transformer / 注意力机制