摘要

异常事件罕见，因此异常检测通常被建模为一类分类（One-Class Classification, OCC），即仅基于正常样本进行训练。当前主流的OCC方法通过将正常运动的潜在表示限制在有限的体积内，将该体积之外的样本判定为异常，从而较好地应对了异常的“开放集”（open-set）特性。然而，正常行为本身同样具有开放集属性——人类执行同一动作时可能存在多种表现方式，而现有主流方法对此却未能充分考虑。为此，本文提出一种新颖的生成式视频异常检测（Video Anomaly Detection, VAD）模型，该模型假设正常与异常行为均具有多模态特性。我们采用骨骼序列作为表征，并利用当前最先进的扩散概率模型（diffusion probabilistic models）生成多模态的未来人体姿态。我们提出一种新颖的基于历史运动的条件建模方式，充分利用扩散过程在模式覆盖方面的优势，生成多种合理但不同的未来运动轨迹。通过对未来潜在模式进行统计聚合，当生成的运动集合与实际发生的未来运动不一致时，即判定为异常。我们在四个公认的基准数据集（UBnormal、HR-UBnormal、HR-STC 和 HR-Avenue）上对所提模型进行了全面验证，实验结果显著超越现有最先进方法，充分证明了该模型的有效性与优越性。