時系列データの特徴量を用いたGANによる異常検知

摘要

近年，ディープラーニングなどの機械学習を用いて動画から異常事象を検知する技術の研究開発が注目されている.しかし，機械学習を行うための異常データの収集が困難である.そこで，本研究では，Generative Adversarial Network(GAN)を用いて正常な事象を再構成できるモデルを学習することで，動画での異常検知を行う.動画像から抽出した特徴量をGANにより1つの代表のフレームに再構成し，その再構成の誤差を基に異常検知を行うことを提案する.また，動画像特徴量として，Hand-craft特徴量であるDynamic Image[l]と"AE-feature"と呼ばれるCNN特徴量の利用を提案する.UCSDデータセットを用いて評価したところ，従来手法と比べ提案手法はより高度な異常検知を実現している.