VelocityNetは、混雑したシーンでの異常検出を目指した新しいフレームワークです。既存の方法は、個々の人間の動きに依存したダイナミックな動きや、他者とのオクルージョン（隠蔽）に悩まされており、群衆の密度の変化にも適応しにくいという課題があります。この新しいアプローチでは、頭部検出と密な光学フローを組み合わせて、特定の人の速度を抽出します。抽出された速度は階層クラスタリングによってセマンティックな動作クラス（停止、遅い、普通、速い）に分類され、パーセンタイルに基づく異常スコアリングシステムが学習した通常パターンからの逸脱を測定します。実験により、高密度な環境でのさまざまな異常な動作パターンのリアルタイム検出において、VelocityNetの有効性が示されています。