【技术实现步骤摘要】
本申请涉及异常行为监测，尤其涉及一种基于增量时空学习的异常行为识别监测方法。
技术介绍
1、人体行为识别算法已经广泛应用于诸多领域，如体育中评估运动员的运动技术，游戏中控制虚拟角色的动作，医疗中评估患者的运动能力，安防中识别人体行为等。
2、人体行为识别算法利用传感器数据和机器学习技术，能够自动分析和识别人体动作和行为。相比传统的监控视频，人体行为识别算法可以实现实时、准确和无人为干预的监测。通过实时监测和分析，可以及时发现和应对潜在的安全风险，提高变电站的安全性和稳定性。
3、目前人工智能在视频监控中用于异常检测的最新发展只解决了部分挑战，但是忽略了异常行为随时间变化的本质，在实时视频监控的异常检测和定位的发展上具有局限性。
技术实现思路
1、本申请为解决人工智能在视频监控中用于异常检测忽略了异常行为随时间变化的本质，在实时视频监控的异常检测和定位的发展上具有局限性的问题，提供一种基于增量时空学习的异常行为识别监测方法，包括：
2、建立时空模型；>
3、采集监控本文档来自技高网...
【技术保护点】
1.一种基于增量时空学习的异常行为识别监测方法，其特征在于，包括：
2.根据权利要求1所述的基于增量时空学习的异常行为识别监测方法，其特征在于，所述第一预设时间和所述第二预设时间连续；
3.根据权利要求1所述的基于增量时空学习的异常行为识别监测方法，其特征在于，所述时空模型包括：输入数据层、卷积层；
4.根据权利要求3所述的基于增量时空学习的异常行为识别监测方法，其特征在于，所述输入数据层用于对所述第一视频监控画面和/或所述第二视频监控画面进行预处理的步骤包括：
5.根据权利要求4所述的基于增量时空学习的异常行为识别监测...
【技术特征摘要】
1.一种基于增量时空学习的异常行为识别监测方法，其特征在于，包括：
2.根据权利要求1所述的基于增量时空学习的异常行为识别监测方法，其特征在于，所述第一预设时间和所述第二预设时间连续；
3.根据权利要求1所述的基于增量时空学习的异常行为识别监测方法，其特征在于，所述时空模型包括：输入数据层、卷积层；
4.根据权利要求3所述的基于增量时空学习的异常行为识别监测方法，其特征在于，所述输入数据层用于对所述第一视频监控画面和/或所述第二视频监控画面进行预处理的步骤包括：
5.根据权利要求4所述的基于增量时空学习的异常行为识别监测方法，其特征在于...
【专利技术属性】
技术研发人员：秦君，杨天国，庞丁黎，李晓敏，吴庆升，李宏梅，商经锐，夺实祥伟，高正刚，杨舒舒，
申请(专利权)人：云南电网有限责任公司德宏供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。