CKNN: 清洗的 k - 最近邻方法用于无监督视频异常检测
原文中文，约400字，阅读约需1分钟。发表于：。本文针对无监督视频异常检测（UVAD）问题进行研究，提出了一种名为 Cleansed k-Nearest Neighbor（CKNN）的新方法，通过对训练数据集进行清洗来解决 “异常聚类” 问题，该方法在各种基准数据集上的评估结果表明，在 AUROC 方面，CKNN 优于先前的最先进 UVAD 方法达到 8.5%（从 82.0 到 89.0），并且与使用无异常数据训练的最先进方法的性能相当。
该研究提出了一种基于k-means聚类和支持向量机的算法来解决异常事件检测问题。通过提取深度外观特征和训练支持向量机模型来判断测试样本是否异常。实验结果表明，该方法在大多数情况下可以获得更好的结果，并以每秒24帧的速度在单个CPU上实时处理测试视频。
