摘要
自动异常检测是视频监控系统中一项至关重要的任务，广泛应用于公共安全等领域。现有系统采用统一网络架构，包含空间分支与时间分支，能够有效融合空间与时间信息。该网络基于残差自编码器结构，由基于深度卷积神经网络的编码器和多阶段通道注意力机制的解码器组成，并以无监督方式训练。通过时间移位（temporal shift）方法挖掘时间特征，同时利用通道注意力模块提取上下文依赖关系。系统性能在三个标准基准数据集上进行了评估。实验结果表明，所提出的网络在各项指标上均优于当前最优方法，分别在UCSD Ped2、CUHK Avenue和ShanghaiTech数据集上取得了97.4%、86.7%和73.6%的曲线下面积（AUC）值。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| anomaly-detection-on-chuk-avenue | ASTNet | AUC: 86.7% |
| anomaly-detection-on-shanghaitech | ASTNet | AUC: 73.6 |
| anomaly-detection-on-ucsd-ped2 | ASTNet | AUC: 97.4% |