Anomaly detection in moving-camera videos with sparse and low-rank matrix decompositions
Eric de Carvalho Jardim Silva · 2018
Apresentamos dois metodos baseados em decomposicoes esparsas que podem detectar anomalias em sequencias de video obtidas por câmeras em movimento. O primeiro metodo estima a uniao de subespacos (UdS) que melhor representa todos os quadros de um video de referencia (livre de anomalias) como uma projecao de baixo-posto mais um residuo esparso. Em seguida, e realizada uma representacao de baixo-posto do video alvo (possivelmente anomalo) aproveitando a UdS e o residuo esparso calculado a partir do video de referencia. As anomalias sao extraidas apos o pos-processamento destas informacoes residuais. Esse algoritmo fornece bons resultados de deteccao, alem de eliminar a necessidade de uma sincronizacao previa dos videos. No entanto, essa tecnica perde eficiencia quando os videos de referencia e alvo apresentam desalinhamentos mais graves entre si. Isso pode ocorrer devido a pequenos movimentos descontrolados da câmera e tremores durante a fase de aquisicao. Para estender sua aplicabilidade, uma segunda contribuicao e proposta a fim de lidar com esse possivel desalinhamento. Isso e feito modelando a discrepância de pose de câmera entre os videos de referencia e alvo com transformacoes geometricas agindo no dominio dos quadros do video alvo. Um algoritmo completo de decomposicao de matrizes e apresentado para realizar uma representacao esparsa do video alvo como uma combinacao esparsa do video de referencia, levando em consideracao as transformacoes que atuam sobre seus quadros. Nosso metodo e entao verificado e comparado com tecnicas de ultima geracao com auxilio de videos de uma base desafiadora, apresentando os desalinhamentos em questao. Sob as metricas de avaliacao usadas, o segundo metodo proposto exibe uma melhoria de pelo menos 16% em relacao ao primeiro, e 22% sobre o metodo melhor avaliado logo em seguida.