earticle

영어

Anomaly detection in video is recognizing an abnormal behavior or situation in frames, and it can be developed as a technology to prevent or respond to accidents. In this paper, we propose a system for detecting anomalies in video using a 3D CNN that learns spatio-temporal features of normal frames and an autoencoder that automatically compresses and restores features. Also, by applying the Image Super Resolution(ISR) technique, which converts a low-resolution image into a high-resolution image, we examined how the performance of the model changes according to the data preprocessing process. The performance of the proposed model was measured using the UCSD dataset and the experimental results show that the 3D CNN-based autoencoder using high-resolution images is superior to other techniques.

한국어

비디오에서 이상 탐지(Anomaly detection)란 영상 프레임에서 보이는 비정상(Abnormal)적인 행위 또는 상황을 인식하는 것을 의미하며, 사고를 예방하거나 대응하는 기술로 발전이 가능하다. 본 논문에서는 연속되는 프레임의 시공간적인 특징을 동시에 학습하는 3D CNN과 자동으로 특징을 압축하고 복원하는 오토인코더(Autoencoder)를 활용하여 비디오에서 이상 상황을 탐지하는 시스템을 제안한다. 또한 저해상도(Low Resolution) 이미지를 고해상 도 이미지(High Resolution) 이미지로 변환시키는 영상 초해상화(Image Super Resolution, ISR) 기법을 적용 하여 모델의 성능이 데이터 전처리의 과정에 따라 어떻게 변화하는지를 살펴보았다. 본 논문은 UCSD 데이터셋을 사용하여 시각적 이상 탐지 성능 비교 실험을 수행하였으며 실험 결과는 고해상도 이미지를 이용한 3D CNN 기반 오토인코더의 감지 능력이 다른 기법들에 비해 우수함을 보여준다.