我校电子与通信工程学院教师宿勇博士课题组撰写的论文“Semantic-driven dual consistency learning for weakly supervised video anomaly detection”于2025年在期刊Pattern Recognition发表。

视频异常检测是智能监控领域的重要课题，随着视频监控技术的广泛应用，异常行为的自动识别需求日益迫切。尽管现有方法在异常检测方面取得一定进展，但由于缺乏精细标注，弱监督方法在目标域中常面临特征漂移问题（图1），导致检测性能受限。

                              图1.特征漂移问题。

研究团队提出了一种新颖的跨模态检测与一致性学习范式（图2），引入场景相关知识以刻画异常与正常行为的清晰边界。研究采用跨模态检测网络和跨域对齐模块，通过学习异常目标的语义一致性和正常目标与视频片段嵌入的上下文一致性，有效纠正特征漂移问题。研究进一步验证了跨模态检测在提升异常检测性能和可解释性方面的潜力，为智能监控系统的实际部署提供了理论和实践支持。

图2.跨模态检测与一致性学习范式。

电子与通信工程学院教师宿勇博士为该论文的第一作者，硕士研究生谭钰钰为第二作者，天津师范大学为第一单位。

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0031320324006496