摘要

由于异常视频内容和持续时间的多样性，监控视频中的异常检测是一项具有挑战性的任务。本文将视频异常检测建模为一个弱监督下的回归问题，即以视频片段的异常得分作为回归目标。为此，我们提出了一种名为异常回归网络（Anomaly Regression Net, AR-Net）的检测框架，该框架在训练阶段仅需视频级别的标签。为进一步学习具有判别性的特征以提升异常检测性能，我们为AR-Net设计了一种动态多实例学习损失函数以及一种中心损失函数。前者旨在增大异常样本与正常样本之间的类间距离，后者则用于缩小正常样本内部的类内距离。我们在具有挑战性的基准数据集ShanghaiTech上进行了全面的实验，结果表明，所提方法在ShanghaiTech数据集上取得了视频异常检测的新状态最优性能。