论文作者：Jian Xiao,Tianyuan Liu,Genlin Ji
作者单位：Nanjing Normal University;The Hong Kong Polytechnic University
论文链接：http://arxiv.org/abs/2309.15662v1
内容简介：
1）方向：视频异常检测
2）应用：视频异常检测
3）背景：先前的视频异常检测方法通常依赖于直接将模型应用于视频或骨架数据，可能导致对运动信息建模不准确的问题。
4）方法：本文提出一种名为HKVAD（Human Kinematic-inspired Video Anomaly Detection）的新方法，通过显式使用人体运动学特征来检测异常。该方法利用骨架姿态的运动学特征，特别关注步行步幅、脚部和颈部位置的骨架位移。接着，采用归一化流模型来估计密度，并基于估计的密度检测异常。根据使用的运动学特征数量，设计了三种变体方法，并在具有挑战性的公共数据集ShanghaiTech和UBnormal上进行了实验证明了该方法在计算资源方面的高效性和潜力。
5）结果：所提出方法在使用最少计算资源的情况下取得了良好的结果，验证了其有效性和潜力。
