当前位置: 首页 > 专利查询>同济大学专利>正文

基于自适应样本选择策略的视频异常检测方法技术

技术编号:40151253 阅读:20 留言:0更新日期:2024-01-26 23:04
本发明专利技术提供了一种基于自适应样本选择策略的视频异常检测方法,具有这样的特征,包括以下步骤:步骤S1,构建神经网络模型,并根据现有的视频数据样本构建训练集对神经网络模型进行训练,得到训练好的神经网络模型作为视频异常检测模型;步骤S2,将视频数据分为L个连续片段并进行向量化,得到视频特征向量;步骤S3,将视频特征向量输入视频异常检测模型,得到异常检测结果,其中,视频异常检测模型包括注意力模块、全连接层和输出层,注意力模块包括池化层、1D卷积层和运算层。总之,本方法能够在轻量化的同时提高视频异常检测的准确率。

【技术实现步骤摘要】

本专利技术涉及视频异常检测领域,具体涉及一种基于自适应样本选择策略的视频异常检测方法


技术介绍

1、视频监控是社会公共安全管理中发现突发或者异常事件的重要手段。传统上,视频监测多是依赖人工完成,智能化低。例如,在车站、公园等监控场景中,突发或者异常事件偶有发生,单纯依靠人工监控费时费力。计算机视觉和深度学习技术的飞速发展,催生了视频异常事件检测技术,为智能场景监控和预警提供技术支撑。

2、弱监督视频异常检测是一种准确且易获得标注数据的方法,也是目前被研究最广泛的视频异常检测方法之一,它通常基于多实例学习即mil实现。现有弱监督的视频异常检测技术的发展主要面临两个阻碍,其一是弱标签数据的不确定性问题:弱标签仅将视频标记为包含或不包含异常的视频片段,即弱标签无法确定异常视频中包含异常的片段数量,这导致异常数据在训练中无法被充分利用。其二是模型参数量较大的问题:现有方法的模型参数较大,这导致模型难以直接应用。

3、现有方法通过平衡训练集中的异常和正常视频的数量,并选择异常得分最高的片段来计算打分损失,以减少弱标签数据的不确定性。通常情况本文档来自技高网...

【技术保护点】

1.一种基于自适应样本选择策略的视频异常检测方法,用于对视频数据进行异常检测得到异常检测结果,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

3.根据权利要求2所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

4.根据权利要求3所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

5.根据权利要求1所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

6.根据权利要求1所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

...

【技术特征摘要】

1.一种基于自适应样本选择策略的视频异常检测方法,用于对视频数据进行异常检测得到异常检测结果,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

3.根据权利要求2所述的基于自适应样本选择策略的视频异常检测方法,其特征在于:

4.根据权利要求3所述的基于自适应样本选择策略的视频异常检测方法...

【专利技术属性】
技术研发人员:关佶红汪洋李文根张毅超
申请(专利权)人:同济大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1