摘要

近年来，监控视频中的异常检测逐渐受到广泛关注。在高维应用（如视频监控）中，持续学习（continual learning）是一个极具挑战性的课题。尽管当前最先进的深度学习方法在现有公开数据集上表现良好，但在持续学习框架下却因计算和存储资源的限制而难以有效应用。此外，在该领域中，在线决策机制虽至关重要，却鲜少受到重视。针对上述研究空白，本文提出一种基于迁移学习与持续学习相结合的在线异常检测方法，显著降低了训练复杂度，并实现了在不发生灾难性遗忘的前提下，持续从最新数据中学习的能力。所提出的算法充分利用了基于神经网络模型的特征提取能力以实现迁移学习，同时结合统计检测方法的持续学习特性，从而在实际监控场景中具备更强的适应性与实用性。