基于双向时空特征融合GAN的视频异常检测框架

赵玉刚; 杨雨佳; 项婷; 金弘林

doi:10.19292/j.cnki.jdxxp.20250623.001

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (05) : 1128 -1137. DOI: 10.19292/j.cnki.jdxxp.20250623.001

基于双向时空特征融合GAN的视频异常检测框架

赵玉刚, 杨雨佳, 项婷, 金弘林

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对复杂场景下视频异常检测问题，提出了基于改进对抗生成网络(GAN:Generative Adversarial Network)的视频异常检测框架。利用两个判别器对生成器进行对抗训练，并通过回归损失函数增强双向预测的一致性。生成器为使用FusionNet和LSTM(Long Short Term Memory)构建的时空特征融合网络，取正向和反向的视频序列为输入，并分别输出预测视频帧和序列。两个判别器均采用Patch GAN架构，帧判别器用于区分合成帧，序列判别器用于判别帧序列中是否包含至少一个合成帧，以保持时间一致性，提高预测网络的鲁棒性和准确性。最后，基于PNSR(Peak Signal to Noise Ratio)均值归一化完成异常得分计算。实验结果表明，所提框架能很好地捕捉视频序列中的双向时空特征，并在难度较大的视频异常检测公开数据集UCF-Crime(University of Central Florida Crime)和ShanghaiTech上均取得了优于其他先进方法的性能。