核心概念
人間行動の異常を検出するために、正規化流れを用いた周波数ガイド型の多階層学習フレームワークを提案する。
要約
本論文では、人間行動の異常を検出する新しいタスク「人間行動異常検出(HAAD)」を提案する。HAADは、事前に決められた正常な行動カテゴリーのみを使って、無監督で異常な動作パターンを特定することを目的とする。従来の人間関連の異常検出タスクとは異なり、HAADでは具体的な行動ラベルを用いて、意味的に異常な人間行動を認識することが重要となる。
この課題に取り組むため、我々は正規化流れ(NF)ベースの検出フレームワークを提案する。NF-ベースのモデルでは、サンプルの尤度を効果的に活用して異常を示すことができる。人間の行動異常は特定の体の部位でのみ発生することが多いため、全身の行動特徴学習に加えて、さらに細かい身体部位のエンコーディングストリームを組み込んだ多階層アーキテクチャを採用する。これにより、局所的および全体的な動作異常を共同で発見することができる。
さらに、記録中のデータのジッターを緩和するために、時間領域から周波数領域への離散コサイン変換(DCT)を利用する。DCTにより、不安定なデータ特性を軽減しつつ、質の高い動作特徴を抽出することができる。
2つの大規模な人間行動データセットでの実験結果から、提案手法が従来の人間関連の異常検出手法を大きく上回る性能を示すことを確認した。
統計
人間行動の異常は、特定の体の部位での動きの違いによって引き起こされることが多い。
記録された3D人間動作データには、ジッターなどのノイズが含まれる可能性がある。
正規化流れを用いることで、正常な行動カテゴリーのサンプルの尤度を最大化し、異常検出に活用できる。
引用
"人間行動の異常を検出するために、正規化流れを用いた周波数ガイド型の多階層学習フレームワークを提案する。"
"人間の行動異常は特定の体の部位でのみ発生することが多いため、全身の行動特徴学習に加えて、さらに細かい身体部位のエンコーディングストリームを組み込んだ多階層アーキテクチャを採用する。"
"DCTにより、不安定なデータ特性を軽減しつつ、質の高い動作特徴を抽出することができる。"