基于深度学习的监控视频异常检测方法综述

• 全文链接
• 请求原文

作   者：

汪洋;  周脚根;  严俊;  关佶红; 

作者机构：

同济大学计算机科学与技术学院; 

关键词：

数据集;  多模态;  监督学习;  弱监督学习;  无监督学习;  视频异常检测;  深度学习;  大模型; 

期刊名称：

中国图象图形学报

i s s n：

1006-8961

年卷期：

2025 年 30 卷 003 期

页   码：

615-640

摘   要：

利用监控视频监测异常在社会治理中具有至关重要的地位，因此视频异常检测一直是计算机视觉领域备受关注且具有挑战性的议题。鉴于此，以深度学习的视角，对当前关键的视频异常检测方法进行了分类和综述。首先，全面介绍了视频异常的定义，包括异常的划定和类型分类；随后，分析了目前全监督、弱监督、无监督等方面的深度学习方法在视频异常检测领域的进展，探讨了各自的优缺点，特别针对结合大模型的最新研究进展进行了探讨；接着，详细介绍了常见和最新的数据集，并对它们的特点进行了比较分析和截图展示；最后，介绍了多种异常判定和性能评估标准，对各算法的性能表现进行了对比分析。根据这些信息，本文展望了未来数据集、评估标准以及方法研究的可能发展方向，特别强调了大模型在视频异常检测中的新机遇。综上，本文对于深化读者对视频异常检测领域的理解，以及指导未来的研究方向具有积极意义。