近日，实验室硕士生张宇一篇论文“Normality Learning in Multispace for Video Anomaly Detection”被IEEE Transactions on Circuits and Systems for Video Technology （TCSVT）期刊录用。

由于异常事件具有稀有性和多样性，视频中的异常事件检测是一项具有挑战性的任务。大多数现有方法仅在单空间中学习正常事件分布和检测异常，且仅关注低级细节特征，容易受到不重要像素的影响。为了解决这一问题，该论文提出基于生成对抗网络和视频帧预测的视频异常检测方法，该方法采用半监督学习技术，在原始图像空间和潜在空间中学习正常事件行为模式，从而在多空间中识别和检测异常。具体来说，给定正常的视频片段，首先预测未来帧，并使生成的帧与其真实帧在原始空间中预测误差最小。此后，将预测帧与真实帧编码到潜在空间中并减小其差异。在异常事件检测阶段，计算视频中每一帧在原始图像空间和潜在编码空间中的正常得分并进行加权平均，以获得更加全面的评估。

  TCSVT是视频处理领域的权威期刊，属于CCF B类期刊。