基于Mamba-CNN的多尺度异常行为检测方法OA

针对无监督异常行为检测任务中预测器易衍生出异常泛化及被检目标存在尺度差异等问题,提出一种基于Mamba模型改进的U型异常行为检测网络。网络从全局特征和局部特征2个方面改进,约束预测不良泛化能力。在编码器部分引入状态空间模型加强提取全局特征能力;设计多尺度空间通道融合(M-SCF)策略,融合不同感受野下特征信息,降低尺度差异对局部特征干扰;解码器采用跳跃连接丰富浅层特征信息,增强捕捉上下文信息的能力。所提方法在UCSD Ped2、Avenue和ShanghaiTech等公开数据集进行验证,识别准确率分别达到98.1%、89.8%和78.5%,与近年诸多先进算法相比,具有较高的准确度。结果表明,Mamba可有效提升异常行为检测精度。