LTGS-Net: Red espacial y temporal local para la detección de anomalías de vídeo bajo supervisión

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Aprendizaje automático

Sus antecedentes:

• La detección de anomalías de video con poca supervisión es crucial para la vigilancia inteligente, pero se ve desafiada por los eventos escasos y los costos de etiquetado.
• Los métodos actuales a menudo procesan las características espaciales y temporales de forma independiente, lo que dificulta la captura de interdependencias complejas e impacta el rendimiento de la detección.
• La necesidad de una detección de anomalías robusta y precisa en vídeos requiere nuevos enfoques que integren efectivamente la información espacio-temporal.

Objetivo del estudio:

• Proponer una nueva arquitectura de red, la Red Espacial y Temporal Local (LTGS), para la detección de anomalías de vídeo con poca supervisión.
• Mejorar la captura de dependencias espacio-temporales mediante el procesamiento colaborativo de características espaciales temporales locales y globales.
• Mejorar la robustez y la precisión del modelo mediante una estrategia de actualización dinámica de las etiquetas.

Principales métodos:

• Desarrolló la red espacial temporal y global local (LTGS) que incorpora la relación temporal a nivel de clip y los módulos de características espaciales a nivel de video.
• Se empleó la formación conjunta de estos módulos para crear un codificador de características especializado para la detección de anomalías de vídeo.
• Implementó una estrategia de actualización dinámica de etiquetas para refinar las anotaciones a nivel de clip y optimizar el rendimiento del modelo.

Principales resultados:

• El método LTGS obtuvo un alto rendimiento en los conjuntos de datos de referencia, con un AUC del 96,69% en ShanghaiTech y del 82,33% en UCF-Crime.
• Demostró un rendimiento superior en comparación con varios algoritmos de última generación en tareas de detección de anomalías de video.
• Validación de la eficacia de la arquitectura propuesta y de la estrategia de actualización dinámica de las etiquetas a través de extensos experimentos.

Conclusiones:

• La red LTGS aborda efectivamente las limitaciones del procesamiento de características espaciotemporales independientes en la detección de anomalías de video con poca supervisión.
• El método propuesto mejora significativamente la precisión y la robustez de la detección, ofreciendo una solución prometedora para los sistemas de vigilancia inteligentes.
• El estudio destaca la importancia del análisis espacio-temporal integrado y el etiquetado adaptativo para avanzar en la investigación de detección de anomalías de video.