Pipeline de Dados para Detecção de Anomalias em Vídeos de Cena Única

Fábio Ricardo Oliveira Bento; Raquel Frizera Vassallo; Jorge Leonid Aching Samatelo

doi:10.20906/sbai.v1i1.2687

Fábio Ricardo Oliveira Bento Coordenadoria de Eletrotécnica, Instituto Federal do Espírito Santo, Guarapari, ES
Raquel Frizera Vassallo Departamento de Engenharia Elétrica, Universidade Federal do Espírito Santo, Vitória, ES
Jorge Leonid Aching Samatelo Departamento de Engenharia Elétrica, Universidade Federal do Espírito Santo, Vitória, ES

DOI: https://doi.org/10.20906/sbai.v1i1.2687

Keywords: Smart Cities, Computer Vision, Deep Learning, Anomaly Detection

Abstract

Pipeline de dados consiste em uma sequência de ações que preprocessam e extraem informações de conjuntos de dados. No contexto de detecção de anomalias, pipeline de dados tem aplicação na disponibilidade de informações estruturadas e relevantes para a tarefa de detecção. Nesse artigo é proposta uma abordagem para o problema de detecção de anomalias em vídeo de cena única baseado em um pipeline de dados, composto de duas partes: um extrator de patches e um modelo de classificação de patches. Realizamos experimentos no conjunto de dados Street Scene, alcançando AUC=0.898 e AUPRC=0.916, os quais são resultados compatíveis com a literatura atual.