【技术实现步骤摘要】
本专利技术涉及异常行为检测，特别是涉及一种用于智能监控系统的弱监督异常行为智能检测方法。
技术介绍
1、现代社会，监控设备遍布各个角落，尤其是学校、医院、商场等重点治安区域。目前监控设备的主要功能是记录当前区域发生的事情，以便后续查验作为证据，设备的利用率较低。充分利用这些设备收集的大量数据，拓展监控功能以实现智能异常监控是一个非常有前景的研究方向。随着深度学习的不断发展，异常检测技术不断成熟，加之监控设备硬件技术的提升，这些为监控设备的功能拓展提供了必要条件，使能够进行异常检测的智能监控设备成为可能。
2、随着监控设备硬件技术的发展，如今大部分的监控设备能实现视觉和听觉数据采集。随之兴起的异常检测技术集中在融合视频与音频信息等多模态融合的检测技术。多模态旨在建立一种能够处理具有相关性的多种模态信息的模型。多模态学习被证明可以聚合多源数据的信息，使模型学习到更加完备的信息，从而避免单一模态在异常检测中的局限性。此外，作为人类，我们的判断也是依赖于多模态的信息而不是单模态的信息，例如车祸中，听觉的巨大碰撞声和视觉的火焰、烟雾等...
【技术保护点】
1.一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤2具体如下：
3.根据权利要求2所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤3中，多层感知器包括三层全连接层，具体如下：
4.根据权利要求2所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤4中，激活函数归一化视频与音频模态高级语义特征均值，得到片段级别异常行为伪标签，具体计算方法如下：
5.根据权利要...
【技术特征摘要】
1.一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤2具体如下：
3.根据权利要求2所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤3中，多层感知器包括三层全连接层，具体如下：
4.根据权利要求2所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤4中，激活函数归一化视频与音频模态高级语义特征均值，得到片段级别异常行为伪标签，具体计算方法如下：
5.根据权利要求4所述的一种用于智能监控系统的弱监督异常行为智能检测方法，其特征在于，步骤5中，将视频与音频模态高级语义特征归一化得到背景抑制的门控信息，计算方式如下：
6.根据权利要求5所...
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。