Uma Abordagem baseada em Redes Neurais, Multiple Instance Learning e PCA para Detecção de Anomalias em Videovigilância

Abstract

Multiple Instance Learning (MIL) tem se tornado uma solução atrativa na literatura de videovigilância por permitir lidar com bases fracamente rotuladas. Este trabalho propõe e avalia uma abordagem para detecção de anomalias em vídeo baseada em classificação binária com redes neurais Multilayer Perceptron (MLP) e paradigma MIL. Os experimentos foram conduzidos a partir de um conjunto de atributos I3D (Inflated 3D) referentes ao dataset de benchmark ShanghaiTech. Explora-se ainda o efeito da compacticidade dos dados e representação de informação essencial com a técnica de extração de atributos Principal Component Analysis (PCA). Os resultados alcançados foram competitivos quando comparados com o estado da arte.