ПОДХОДЫ К ВЫЯВЛЕНИЮ АНОМАЛЬНОГО ПОВЕДЕНИЯ ЛЮДЕЙ НА ОСНОВЕ ИЗОБРАЖЕНИЙ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ
В статье представлен обзор подходов к автоматическому выявлению аномального поведения человека по видеозаписям с камер наблюдения. Актуальность работы обусловлена многообразием несистематизированных подходов к решению задачи детекции аномального поведения, а также наличием нерешённых проблем, сохраняющихся в данной области. Рассматриваются методы, ориентированные на детекцию отклоняющегося поведения людей. Проведена систематизация существующих исследований, выделены основные направления развития области и актуальные проблемы, а также проанализированы преимущества и ограничения рассматриваемых подходов. Отдельное внимание уделено наборам данных, применяемым для решения задачи детекции аномалий поведения человека: обозревается их направленность, количество данных, разметка. В результате исследования установлено, что в области автоматического определения аномалий преобладает тенденция к использованию semi-supervised обучения, тогда как supervised обучение остаётся актуальным для узких областей, где возможно чётко определить случаи аномального поведения.
Басов О.О., Колесникова А.И. Подходы к выявлению аномального поведения людей на основе изображений с камер видеонаблюдения // Научный результат. Информационные технологии. – Т.11, №2, 2026. – С. 77-90. DOI: 10.18413/2518-1092-2026-11-2-0-7
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Девиантное поведение // Энциклопедия права, 2015 г. URL: https://encyclopediya_prava.academic.ru/1486/%D0%94%D0%B5%D0%B2%D0%B8%D0%B0%D0%BD%D1%82%D0%BD%D0%BE%D0%B5_%D0%BF%D0%BE%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5 (дата обращения: 29.03.2026).
2. Мардахаев Л.В. Социальная педагогика: учебник. М.: Гардарики, 2005. 269 с.
3. Отклоняющееся поведение // Большая российская энциклопедия, 2022 г. URL: https://bigenc.ru/c/otkloniaiushcheesia-povedenie-b3ad70 (дата обращения: 29.03.2026).
4. UBnormal: New Benchmark for Supervised Open-Set Video Anomaly Detection / Acsintoae A., Florescu A., Georgescu M.-I., Mare T., Sumedrea P., Ionescu R. T., Khan F. S., Shah M. // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2022. P. 20143–20153.
5. VFP290K: A Large-Scale Benchmark Dataset for Vision-based Fallen Person Detection / An J., Kim J., Lee H., Kim J., Kang J., Shin S., Kim M., Hong D., Woo S.S. // NeurIPS 2021 Datasets and Benchmarks Track. 2021.
6. SUSAN: A Deep Learning-Based Architecture for Violence Detection Against Women in Surveillance Videos / Andrade J.P.F., Si T., Cavalcanti A.P., Nascimento A.C.A., Miranda P.B.C. // Expert Systems with Applications. 2025. Vol. 280. Art. 127337. DOI: 10.1016/j.eswa.2025.127337.
7. Weapon Detection in Real-Time CCTV Videos Using Deep Learning / Bhatti M.T., Khan M.G., Aslam M., Fiaz M.J. // IEEE Access. 2021. DOI: 10.1109/ACCESS.2021.3059170.
8. HR-Crime: Human-Related Anomaly Detection in Surveillance Videos / Boekhoudt K., Matei A., Aghaei M., Talavera E. // Computer Analysis of Images and Patterns. CAIP 2021. Lecture Notes in Computer Science. 2021. P. 164–174. DOI: 10.1007/978-3-030-89131-2_15.
9. Khraief C., Benzarti F., Amiri H. Elderly Fall Detection Based on Multi-Stream Deep
Convolutional Networks // Multimedia Tools and Applications. 2020. Vol. 79. P. 19537–19560.
DOI: 10.1007/s11042-020-08812-x.
10. Convolutional Neural Network-Based Fast Seizure Detection from Video Electroencephalograms / Chou C.-H., Shen T.-W., Tung H., Hsieh P.F., Kuo C.-E., Chen T.-M., Yang C.-W. // Biomedical Signal Processing and Control. 2023. Vol. 80. Art. 104380. DOI: 10.1016/j.bspc.2022.104380.
11. A New Comprehensive Benchmark for Semi-Supervised Video Anomaly Detection and Anticipation / Cao C., Lu Y., Wang P., Zhang Y. // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2023. P. 20392- 20401. DOI: 10.1109/CVPR52729.2023.01953.
12. Chinthulla A. Deep Learning-Based Detection of Shoplifting Behavior: Using 3DCNN and LRCN: Masters thesis. Dublin: National College of Ireland, 2025.
13. Cong Y., Yuan J., Liu J. Sparse Reconstruction Cost for Abnormal Event Detection // 2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2011. P. 3449–3456. DOI: 10.1109/CVPR.2011.5995434.
14. Combining a Mobile Deep Neural Network and a Recurrent Layer for Violence Detection in Videos / Contardo P., Tomassini S., Falcionelli N., Dragoni A.F., Sernani P. // Proceedings of the RTA-CSIT 2023: 5th International Conference on Recent Trends and Applications in Computer Science and Information Technology. 2023. P. 35-43.
15. CHAD: Charlotte Anomaly Dataset / Danesh Pazho A., Alinezhad Noghre G., Rahimi Ardabili B., Neff C., Tabkhi H. // Image Analysis. SCIA 2023. Lecture Notes in Computer Science. 2023. P. 50–66. DOI: 10.1007/978-3-031-31435-3_4.
16. de Paula D.D., Salvadeo D.H.P., de Araujo D.M.N. CamNuvem: A Robbery Dataset for Video Anomaly Detection // Sensors. 2022. Vol. 22. No. 24. Art. 10016. DOI: 10.3390/s222410016.
17. Degardin B., Proença H. Iterative Weak/Self-Supervised Classification Framework for Abnormal Events Detection // Pattern Recognition Letters. 2021. Vol. 145. P. 50–57. DOI: 10.1016/j.patrec.2021.01.031.
18. Fernandez-Testa S., Salcedo E. Distributed Intelligent Video Surveillance for Early Armed Robbery Detection Based on Deep Learning // 2024 37th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI). 2024. DOI: 10.1109/SIBGRAPI62404.2024.10716299.
19. Contracting Skeletal Kinematics for Human-Related Video Anomaly Detection / Flaborea A., D’Amely di Melendugno G.M., D’Arrigo S., Sterpa M.A., Sampieri A., Galasso F. // Pattern Recognition. 2024. Vol. 156. Art. 110817. DOI: 10.1016/j.patcog.2024.110817.
20. Hasan M., Choi J., Neumann J., Roy-Chowdhury A.K., Davis L.S. Learning Temporal Regularity in Video Sequences // 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2016. P. 733-742
21. A Deep Spatio-Temporal Network for Vision-Based Sexual Harassment Detection / Islam M.S., Hasan M.M., Abdullah S., Akbar J.U.M., Arafat N., Murad S. // Proceedings of the 2021 Emerging Technology in Computing, Communication and Electronics (ETCCE). 2021. P. 1–6.
22. Kirichenko L., Radivilova T., Sydorenko B., Yakovlev S. Detection of Shoplifting on Video Using a Hybrid Network // Computation. 2022. Vol. 10. No. 11. Art. 199. DOI: 10.3390/computation10110199.
23. Video-Based Detection of Freezing of Gait in Daily Clinical Practice in Patients With Parkinsonism / Kondo Y., Bando K., Suzuki I., Miyazaki Y., Nishida D., Hara T., Kadone H., Suzuki K. // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2024. Vol. 32. P. 2250–2260. DOI: 10.1109/TNSRE.2024.3413055.
24. Li W., Mahadevan V., Vasconcelos N. Anomaly Detection and Localization in Crowded Scenes // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2014. Vol. 36. No. 1. P. 18–32. DOI: 10.1109/TPAMI.2013.111.
25. Liu W., Luo W., Lian D., Gao S. Future Frame Prediction for Anomaly Detection – A New Baseline // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2018. P. 6536–6545. DOI: 10.1109/CVPR.2018.00684.
26. Lu C., Shi J., Jia J. Abnormal Event Detection at 150 FPS in MATLAB // Proceedings of the IEEE International Conference on Computer Vision (ICCV). 2013. P. 2720–2727. DOI: 10.1109/ICCV.2013.338.
27. Mahadevan V., Li W., Bhalodia V., Vasconcelos N. Anomaly Detection in Crowded Scenes // 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR). 2010. P. 1975–1981.
28. Graph Embedded Pose Clustering for Anomaly Detection / Markovitz A., Sharir G., Friedman I., Zelnik-Manor L., Avidan S. // 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2020. DOI: 10.1109/CVPR42600.2020.01055.
29. Criminal Intention Detection at Early Stages of Shoplifting Cases by Using 3D Convolutional Neural Networks / Martínez-Mascorro G.A., Abreu-Pederzini J.R., Ortiz-Bayliss J.C., Garcia-Collantes A., Terashima-Marín H. // Computation. 2021. Vol. 9. No. 2. Art. 24. DOI: 10.3390/computation9020024.
30. Shoplifting Detection Using Hybrid Neural Network CNN-BiLSMT and Development of Benchmark Dataset / Muneer I., Saddique M., Habib Z., Mohamed H.G. // Applied Sciences. 2023. Vol. 13. No. 14. Art. 8341. DOI: 10.3390/app13148341.
31. Detecting School Violence Using Artificial Intelligence to Interpret Surveillance Video Sequences / Narynov S., Zhumanov Z., Gumar A., Khassanova M., Omarov B. // Advances in Computational Collective Intelligence. ICCCI 2021. 2021. P. 401–412. DOI: 10.1007/978-3-030-88113-9_32.
32. Núñez-Marcos A., Arganda-Carreras I. Transformer-Based Fall Detection in Videos // Engineering Applications of Artificial Intelligence. 2024. Vol. 132. Art. 107937. DOI: 10.1016/j.engappai.2024.107937.
33. Nyajowi T., Oyie N.O., Ahuna M. CNN Real-Time Detection of Vandalism Using a Hybrid-LSTM Deep Learning Neural Networks // 2021 IEEE AFRICON. 2021. P. 1–6. DOI: 10.1109/AFRICON51333.2021.9570902.
34. Keskes O., Noumeir R. Vision-Based Fall Detection Using ST-GCN // IEEE Access. 2021. Vol. 9. P. 28224–28236. DOI: 10.1109/ACCESS.2021.3058219.
35. Automated Analysis and Detection of Epileptic Seizures in Video Recordings Using Artificial Intelligence / Rai P., Knight A., Hiillos M., Kertész C., Morales E., Terney D., Larsen S. A., Østerkjerhuus T., Peltola J., Beniczky S. // Frontiers in Neuroinformatics. 2024. Vol. 18. Art. 1324981. DOI: 10.3389/fninf.2024.1324981.
36. Shopformer: Transformer-Based Framework for Detecting Shoplifting via Human Pose / Rashvand N., Alinezhad Noghre G., Danesh Pazho A., Rahimi Ardabili B., Tabkhi H. // 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). 2025. P. 5752–5761. DOI: 10.1109/CVPRW67362.2025.00574.
37. Exploring Pose-Based Anomaly Detection for Retail Security: A Real-World Shoplifting Dataset and Benchmark / Rashvand N., Alinezhad Noghre G., Danesh Pazho A., Yao S., Tabkhi H. // Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW). 2025.
38. Salido J., Lomas V., Ruiz-Santaquiteria J., Deniz O. Automatic Handgun Detection with Deep Learning in Video Surveillance Images // Applied Sciences. 2021. Vol. 11. No. 13. Art. 6085. DOI: 10.3390/app11136085.
39. Sofianos T., Sampieri A., Franco L., Galasso F. Space-Time-Separable Graph Convolutional Network for Pose Forecasting // Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV). 2021. P. 11189–11198. DOI: 10.1109/ICCV48922.2021.01102.
40. Sultani W., Chen C., Shah M. Real-World Anomaly Detection in Surveillance Videos // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2018. P. 6479- 6488.
41. Connie T., Aderinola T. B., Ong T. S., Goh M. K. O., Erfianto B., Purnama B. Pose-Based Gait Analysis for Diagnosis of Parkinson’s Disease // Algorithms. 2022. Vol. 15. No. 12. Art. 474. DOI: 10.3390/a15120474.
42. Not Only Look, but Also Listen: Learning Multimodal Violence Detection under Weak Supervision / Wu P., Liu J., Shi Y., Sun Y., Shao F., Wu Z., Yang Z. // Computer Vision – ECCV 2020. 2020. DOI: 10.1007/978-3-030-58577-8_20.
43. Cai X., Li S., Liu X., Han G. Vision-Based Fall Detection With Multi-Task Hourglass Convolutional Auto-Encoder // IEEE Access. 2020. Vol. 8. P. 44493–44502. DOI: 10.1109/ACCESS.2020.2978249.
44. Towards Surveillance Video-and-Language Understanding: New Dataset, Baselines, and Challenges / Yuan T., Zhang X., Liu K., Liu B., Chen C., Jin J., Jiao Z. // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2024. P. 22052-22061. DOI: 10.1109/CVPR52733.2024.02082.