• 목록

[일시] 2026.07.29.

[세미나 주제]
Skeleton-based Video Anomaly Detection

[발표자]
김정년

[요약]
본 발표에서는 실제 감시 영상에서의 human-centric VAD를 다룬 HR-Crime과, 새로운 환경으로의 일반화를 목표로 하는 zero-shot skeleton 기반 VAD 방법인 Action Hints를 소개하였다. HR-Crime은 UCF-Crime에서 사람이 명확하게 관찰되는 영상만을 선별하고 skeleton trajectory를 제공하여, 실제 범죄 장면에서 skeleton 기반 이상 탐지를 평가할 수 있는 기반을 마련하였다. MPED-RNN 실험에서는 AUROC 0.6030을 기록하였으며, 다양한 촬영 환경과 낮은 영상 품질, 부정확한 skeleton 추출이 성능을 제한하는 주요 요인임을 확인하였다.
Action Hints는 skeleton을 행동 의미 공간에 정렬하여 정상·이상 행동의 semantic typicality를 학습하고, 추론 시 사람 간 행동과 동일 인물의 시간대별 행동을 비교하여 context uniqueness를 계산하였다. 이를 통해 target domain의 학습 데이터 없이도 장면에 적응적인 이상 탐지가 가능하며, 여러 VAD 데이터셋에서 기존 skeleton 기반 방법보다 우수한 성능을 보였다.
두 연구를 통해 skeleton은 배경과 외형에 따른 domain gap을 줄이는 데 효과적이지만, 실제 환경으로 일반화하기 위해서는 행동의 의미와 장면 내 맥락을 함께 고려해야 함을 확인하였다.
 
[관련 논문]
HR-Crime: Human-Related Anomaly Detection in Surveillance Videos
Action Hints: Semantic Typicality and Context Uniqueness for Generalizable Skeleton-based Video Anomaly Detection

[녹화 영상]
https://us06web.zoom.us/rec/share/__b2x3jcgcmgwj_MJmAM7pVRvfN3PyoB0j2BA7KH8ZG4Q8Sq55cm_X8M9-gHCf_n.JhdNaXcZNy99MFAy?startTime=1785297834000