اكتشاف السلوك الشاذ على مستوى الحشود من خلال تعلم الاتساق الحركي متعدد المقاييس

يعد اكتشاف الحركة الشاذة للحشود الناتجة عن التفاعلات المعقدة بين الأفراد أمرًا بالغ الأهمية لضمان سلامة الحشود. السلوكيات الشاذة على مستوى الحشود (CABs)، مثل الحركة المعاكسة وعدم استقرار الحشود، أثبتت أنها سبب رئيسي للعديد من كوارث الحشود. في العقد الأخير، حققت تقنيات اكتشاف الشذوذ بالفيديو (VAD) نجاحًا ملحوظًا في اكتشاف السلوكيات الشاذة على مستوى الأفراد (مثل الجري المفاجئ، والقتال، والسرقة)، لكن البحث في VAD للسلوكيات الشاذة على مستوى الحشود محدود إلى حد ما. على عكس الشذوذ على مستوى الأفراد، عادةً لا تظهر CABs فرقًا بارزًا عن السلوكيات الطبيعية عند ملاحظتها محليًا، وقد يختلف نطاق CABs من سيناريو إلى آخر. في هذه الورقة، نقدم دراسة منهجية لمعالجة المشكلة المهمة لاكتشاف الشذوذ بالفيديو (VAD) لـ CABs من خلال إطار عمل جديد لتعلم حركة الحشود، وهو شبكة الاتساق الحركي متعدد المقاييس (MSMC-Net). تقوم MSMC-Net أولاً بالتقاط معلومات الاتساق الحركي المكاني والزمني للحشود في تمثيل بياني. ثم، تقوم بتدريب عدة رسوم بيانية ميزات تم بناؤها على مقاييس مختلفة لالتقاط أنماط حشود غنية. تُستخدم شبكة انتباه لدمج الميزات متعددة المقاييس بشكل تكيفي لتحسين اكتشاف CAB. بالنسبة للدراسة التجريبية، نحن نعتبر ثلاثة مجموعات بيانات كبيرة لفعاليات الحشود، وهي UMN وHajj وLove Parade. تظهر النتائج التجريبية أن MSMC-Net يمكن أن تحسن بشكل كبير الأداء الرائد في جميع مجموعات البيانات.